Mindket

Nanbeige4.3-33B

新上架第 1 版 · 更新于

概览

一个 33.1B 的开放模型,面向智能体编程和专业协作任务,是 Nanbeige4.3 系列的旗舰教师模型,适合想要约 30B 参数强力开放模型的开发者和智能体开发者。

Nanbeige4.3-33B 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • 能放下约 66.2 GB BF16 权重的 GPU 环境,4-bit 估算约 16.6 GB
用在
  • 使用 transformers 库的 Python
  • 用于编程和工具调用的智能体环境,比如模型卡测试时用的那些
  • 有足够 GPU 内存容纳 33B 模型的 Windows、macOS 或 Linux 电脑
先运行
pip install -U huggingface_hub
hf download Nanbeige/Nanbeige4.3-33B

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Nanbeige4.3-33B 是一个有 33.1B 参数的文本生成模型。作者把它做成 Nanbeige4.3 系列的旗舰教师模型,以便之后把智能体能力传给更小的模型。它面向复杂的编程和专业协作任务,支持英语和中文。

适合谁

它适合想要一个约 30B 参数的开放模型,用来做编程智能体和办公式任务自动化的开发者和智能体开发者。

IndustryWho uses itHow they use itExample
软件开发者在仓库上运行编程智能体修复一个由失败测试发现的 bug
办公自动化运营团队自动化多步骤的专业任务一个要连续用到多个工具的任务
人工智能研究研究人员研究用于蒸馏的教师模型把它作为更小学生模型的来源
企业 IT平台团队为内部智能体托管开放模型一个会规划并调用工具的内部助手

如果你需要适合手机或笔记本的小模型,可以跳过它,因为模型卡计划为此另做一个 3B 的小模型。

用在哪里

  • 使用 transformers 库的 Python
  • 用于编程和工具调用的智能体环境,比如模型卡测试时用的那些
  • 有足够 GPU 内存容纳 33B 模型的 Windows、macOS 或 Linux 电脑
Use caseWhoWhat they get back
智能体编程开发者代码修改和关于仓库的回答
专业协作任务运营团队通过工具完成的、有规划的多步骤工作
教学生模型研究人员输出可用来训练更小模型的教师

如何设置

你需要先准备:

  • Python 和 pip
  • 能放下约 66.2 GB BF16 权重的 GPU 环境,4-bit 估算约 16.6 GB
  1. 安装 Hugging Face hub 工具。
  2. 下载模型文件。
  3. 按模型卡的说明用 transformers 加载模型。
pip install -U huggingface_hub
hf download Nanbeige/Nanbeige4.3-33B

如何使用

通过模型的聊天模板和它聊天,或把它接入智能体。模型卡的测试用最高思考强度运行它,并使用一个会保留思考文字的聊天模板设置。

ToolWhat it does
preserve_thinking=true保留模型思考文字的聊天模板设置,模型卡的测试用了它
Highest thinking effort模型卡用来对比所有模型的模式

示例

你通过自己的编程智能体,请它修一个失败的测试。模型读代码、规划修改、调用工具,并返回一个补丁。模型卡里它的 Terminal-Bench 2.1 结果是 80.9。

新手与专家

这是一个用来构建智能体的大模型。它下载不快,所以第一步可以先读模型卡,判断你的 GPU 能不能放下 4-bit 版本。

模型卡把它和 Qwen3.8-27B、Muse-Glimmer-30B 和 Gemma4-31B 做了对比,每个模型都用同样的推理设置。它在多数智能体编程和协作表格上领先,但在 SWE-Bench Pro、GDPval 和 GPQA Diamond 上没有。

  1. 你给智能体一个任务
  2. 模型规划并思考
  3. 它调用工具并读取结果
  4. 它返回代码或最终答案

注意事项

这些是作者自己的分数,每个基准的设置在模型卡里都有说明。

Terminal-Bench 2.1 得分
Nanbeige4.3-33B80.9
Qwen3.8-27B73.0
Muse-Glimmer-30B61.8
Gemma4-31B47.2
  • 落后之处: SWE-Bench Pro 是 60.3,Qwen3.8-27B 是 61.7,GDPval 是 84.8 对 86.4,GPQA Diamond 是 89.5,Gemma4-31B 是 91.3
  • 教师角色: 作者说它将为之后面向更小模型(如 Nanbeige4.3-3B)的蒸馏流程提供输入
  • 其他版本: 列出了其他人做的 101 个量化版本和 11 个微调版本
  • License: Apache 2.0
  • Cost to run: 未提及,GPU 由你自己提供
  • Data it reaches: 你给它的提示词,以及你连接的任何文件或工具

README 和文件

README

Nanbeige4.3-33B

一个 33.1B 的开放模型,面向智能体编程和专业协作任务,是 Nanbeige4.3 系列的旗舰教师模型,适合想要约 30B 参数强力开放模型的开发者和智能体开发者。

由 Nanbeige 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Nanbeige4.3-33B 是一个有 33.1B 参数的文本生成模型。作者把它做成 Nanbeige4.3 系列的旗舰教师模型,以便之后把智能体能力传给更小的模型。它面向复杂的编程和专业协作任务,支持英语和中文。

适合谁:它适合想要一个约 30B 参数的开放模型,用来做编程智能体和办公式任务自动化的开发者和智能体开发者。

Industry | Who uses it | How they use it | Example
软件 | 开发者 | 在仓库上运行编程智能体 | 修复一个由失败测试发现的 bug
办公自动化 | 运营团队 | 自动化多步骤的专业任务 | 一个要连续用到多个工具的任务
人工智能研究 | 研究人员 | 研究用于蒸馏的教师模型 | 把它作为更小学生模型的来源
企业 IT | 平台团队 | 为内部智能体托管开放模型 | 一个会规划并调用工具的内部助手

如果你需要适合手机或笔记本的小模型,可以跳过它,因为模型卡计划为此另做一个 3B 的小模型。

用在哪里:

  • 使用 transformers 库的 Python
  • 用于编程和工具调用的智能体环境,比如模型卡测试时用的那些
  • 有足够 GPU 内存容纳 33B 模型的 Windows、macOS 或 Linux 电脑
Use case | Who | What they get back
智能体编程 | 开发者 | 代码修改和关于仓库的回答
专业协作任务 | 运营团队 | 通过工具完成的、有规划的多步骤工作
教学生模型 | 研究人员 | 输出可用来训练更小模型的教师

如何设置:

你需要先准备:

  • Python 和 pip
  • 能放下约 66.2 GB BF16 权重的 GPU 环境,4-bit 估算约 16.6 GB
  1. 安装 Hugging Face hub 工具。
  2. 下载模型文件。
  3. 按模型卡的说明用 transformers 加载模型。
pip install -U huggingface_hub
hf download Nanbeige/Nanbeige4.3-33B

如何使用:通过模型的聊天模板和它聊天,或把它接入智能体。模型卡的测试用最高思考强度运行它,并使用一个会保留思考文字的聊天模板设置。

Tool | What it does
preserve_thinking=true | 保留模型思考文字的聊天模板设置,模型卡的测试用了它
Highest thinking effort | 模型卡用来对比所有模型的模式

示例:你通过自己的编程智能体,请它修一个失败的测试。模型读代码、规划修改、调用工具,并返回一个补丁。模型卡里它的 Terminal-Bench 2.1 结果是 80.9。

新手与专家:这是一个用来构建智能体的大模型。它下载不快,所以第一步可以先读模型卡,判断你的 GPU 能不能放下 4-bit 版本。

模型卡把它和 Qwen3.8-27B、Muse-Glimmer-30B 和 Gemma4-31B 做了对比,每个模型都用同样的推理设置。它在多数智能体编程和协作表格上领先,但在 SWE-Bench Pro、GDPval 和 GPQA Diamond 上没有。

你给智能体一个任务
模型规划并思考
它调用工具并读取结果
它返回代码或最终答案

注意事项:这些是作者自己的分数,每个基准的设置在模型卡里都有说明。

Title: Terminal-Bench 2.1 得分
Nanbeige4.3-33B: 80.9
Qwen3.8-27B: 73.0
Muse-Glimmer-30B: 61.8
Gemma4-31B: 47.2
  • 落后之处: SWE-Bench Pro 是 60.3,Qwen3.8-27B 是 61.7,GDPval 是 84.8 对 86.4,GPQA Diamond 是 89.5,Gemma4-31B 是 91.3
  • 教师角色: 作者说它将为之后面向更小模型(如 Nanbeige4.3-3B)的蒸馏流程提供输入
  • 其他版本: 列出了其他人做的 101 个量化版本和 11 个微调版本
  • License: Apache 2.0
  • Cost to run: 未提及,GPU 由你自己提供
  • Data it reaches: 你给它的提示词,以及你连接的任何文件或工具

Hugging Face 上的数据(2026年11月13日)

  • 任务:text generation
  • 框架:transformers
  • 参数量:33.1B
  • Weights: about 66.2 GB in BF16; about 16.6 GB at 4-bit (estimate)
  • Formats: Safetensors
  • 最近 30 天下载:21,843
  • 点赞:1,077
  • 许可证:apache-2.0
  • 语言:en, zh
  • 基于:Nanbeige/Nanbeige4.3-33B-Base
  • Quantized versions: 102
  • Fine-tunes: 12
  • 标签:transformers, safetensors, llama, text-generation, nanbeige, conversational

链接

  • 模型:https://huggingface.co/Nanbeige/Nanbeige4.3-33B
  • 文件:https://huggingface.co/Nanbeige/Nanbeige4.3-33B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download Nanbeige/Nanbeige4.3-33B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
Nanbeige4.3-33B 本页21,8431,07733.1Bapache-2.0
Nanbeige4.3-33B-INT4共有 nanbeige · llama · text-generation7491033.1Bapache-2.0
Nanbeige4.2-3B共有 nanbeige · text-generation · conversational96,8868604.2Bapache-2.0
Nanbeige_Nanbeige4.3-33B-GGUF共有 nanbeige · text-generation · conversational151,1913333.1Bapache-2.0
MiniCPM5-2B共有 llama · text-generation · conversational1,039,5181,8502.5Bapache-2.0
TinyLlama-1.1B-Chat-v1.0共有 llama · text-generation · conversational963,0571,9101.1Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

rene_dNanbeige/Nanbeige4.3-33B - stronger coder than Qwen 3.81 分 · 3 条回复AI Rush X🧠 A free, open agent model you can run yourself. Nanbeige4.3-33B: what it claims, what it needs, what to test first. Full story 👉 https://airushx.com/nanbeige-4-3-33b-free-agent-model/ #OpenSource #AIAgents #AI3 赞Retro_DevNanbeige4.3-33B – Flagship teacher LLM4 分🚀 olud.ai🤗 Climbing on Hugging Face right now: Nanbeige/Nanbeige4.3-33B ⬇ 13.8k downloads / 30 days · ♡ 932 · text generation · Apache-2.0 Open-weight models ranked by real-world usage, every day: https://olud.ai/#leaderboard #OpenSource #AI #HuggingFace2 赞 · 1 条回复PhilpaxNanbeige/Nanbeige4.3-33B3 分♠️ Critical Nexus ✊🏿@ArtificialAnlys Nanbeige has released Nanbeige4.3-33B, an open weights model matching Qwen3.8 27B (xhigh) at 20 on the Artificial Analysis Intelligence Index v5 with stronger terminal use but weaker knowledge @Nanbeige is the foundation model res... https://x.com/i/web/status/21184002797881018242 赞rochansinhaNanbiege 4.3-33B1 分Raff MartinPosted NVFP4 GGUFs for Gemma-4-31B, MiniCPM-V-4.7-35B-A3B, Nanbeige4.3-33B. Built for 32GB VRAM or less. If it's worth it on consumer cards, I'll make the family. Ping me with suggestions. https://www.esatapedico.com/posts/latest-model-uploads-gemma-minicpm-nanbeige/ #ai #inference #open-source1 赞 · 1 条回复🚀 olud.aiNanbeige/Nanbeige4.3-33B: 13.8k downloads/30 days, 932 likes on HF. Open-weight Apache-2.0 text gen model climbing fast. What drives a 33B model’s traction? https://olud.ai/#leaderboard #OpenSource #AI #HuggingFace1 赞SunLibCrypto🆕 Nouvel article SunLibCrypto — Nanbeige4.3-33B égale Qwen3.8-27B sur l'index d'IA mais consomme 44 % de jetons en plus Le modèle de raisonnement dense Nanbeige4.3-33B de BOSS Zhipin obtient https://sunlibcrypto.com/promo-clic.php?id=e0dce5b191723721bede6b43e17879a82bfc4dcf23cc2a3d10cdfd3f41edad13Blade.shNew on Blade.sh #1: 25 new open-weight models. Two to try first: - Gemma 4 31B (@GoogleDeepMind) reads screenshots, charts and docs, for support and ops teams - Nanbeige4.3-33B (@nanbeige) automates multi-step tasks, for engineering teams Same OpenAI-compatible API.デイリーHuggingFaceトレンド今日のHuggingFaceトレンド Nanbeige/Nanbeige4.3-33B 軽量エージェントの開発を目的としています。 まず30Bパラメータ規模で高い性能を持つ教師モデルNanbeige4.3-33Bを構築し、複雑なコーディングや専門的な共同作業タスクにおける能力を向上させました。 この教師モデルを基に、将来的にさらに小規模なモデルへ高度なエージェント能力を蒸留するための基盤を提供します。

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

开发类的相似商品

查看开发类的全部商品

Wan2.2-S2V-14B

Wan-AI · 工具包

根据音频生成电影感的角色视频,也能给现有视频做口型同步。适合有大显卡的视频创作者、动画师和研究人员。

新上架

Wan2.2-Animate-14B

Wan-AI · 工具包

通过复制表演者的动作和表情,让角色动起来,或把角色换进视频里,是 Wan2.2 视频系列中的一个模型。只能使用你有权使用的面孔和形象。

新上架

d3-turbo

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。

新上架