BOSS直聘开源33B模型 编程反超千问3.8

时间：2026年10月25日（模型权重于10月24日上传至 Hugging Face，10月25日国内社区与海外媒体跟进报道） 地点：中国北京，Hugging Face 开放平台（Boss直聘旗下南北阁大模型实验室） 人物：Boss直聘南北阁大模型实验室（Nanbeige LLM Lab） 事件详情：南北阁实验室在 Hugging Face 开源了 Nanbeige4.3-33B。模型采用 Apache 2.0 许可，权重与配套的 Base 模型同时公开，参数规模约 331 亿（BF16），架构标签为 Llama 风格，上下文长度最高 524,288 token（512K）。官方把它定位为 Nanbeige4.3 系列的旗舰教师模型，理由是先用大容量教师模型把 Agent 能力拉满，再蒸馏到后续的 Nanbeige4.3-3B 小模型上。 模型卡给出的对比对象是 Qwen3.8-27B、Muse-Glimmer-30B 和 Gemma4-31B，全部在各自最高思考强度下评测，并统一了推理超参与 harness。官方自报数据中，Nanbeige4.3-33B 在 20 项对比里有 18 项高于 Qwen3.8-27B，其中 Agentic Coding 八项拿下七项：Terminal-Bench 2.1 得分 80.9 对 73.0，Terminal-Bench 4.0 为 23.8 对 6.3，DeepSWE 为 65.5 对 42.5，NL2Repo 为 53.0 对 48.3，Scicode 为 52.6 对 46.7，SkillsBench 为 61.1 对 56.4，另有 SWE-Atlas-QnA 50.8 对 41.9；Agentic Cowork 九项拿下八项，包括 Automation Bench 54.2 对 38.3，JobBench 44.8 对 34.5，Claw-Eval 78.3 对 75.2，Toolathlon-Verified 70.4 对 68.5，DeepPlanning 63.3 对 49.2，Tau3-Bench 48.8 对 48.5，YC-bench 为 1,025,437 美元对 641,290 美元；推理三项全胜，AIME 2026 为 95.2 对 94.5，GPQA Diamond 为 89.5 对 89.2，AA-LCR 为 84.0 对 82.0。落后的三项分别是 SWE-Bench Pro（60.3 对 61.7）、GDPval（84.8 对 86.4），以及 GPQA Diamond 上落后于 Gemma4-31B 的 91.3。JobBench 部分官方称在评测的 35 个职业里多数胜过基线。 模型卡的脚注同样关键：Terminal-Bench 2.1 用 Terminus 2 harness，Terminal-Bench 4.0 与 DeepSWE 用 mini-swe-agent v2.4.6，NL2Repo 用 Claude Code，SWE-Atlas-QnA 由 GPT-6 Sol 担任裁判、按 1,304 条任务专属评分细则打分，33B 评测时统一开启 preserve_thinking。 部署侧支持 Transformers、SGLang 和 vLLM，官方给出张量并行 4 的 SGLang 与 vLLM 命令以及 Qwen3-coder 工具解析器。chat 模板提供 enable_thinking 与 preserve_thinking 两个开关，前者默认开启推理，后者用于跨轮保留推理内容，官方建议多轮工具调用、办公任务和代码 Agent 场景保持开启；工具调用格式推荐 XML，同时兼容 JSON。推理参数建议为：Agent 与工具调用场景温度 1.0、top_p 0.95、最大新 token 65,536，推理与闲聊场景温度 0.6、top_p 0.95、最大新 token 262,144。 背景：南北阁是 Boss直聘自研的大模型序列，此前已开源 Nanbeige4-3B、Nanbeige4.1-3B 和 Nanbeige4.2-3B，其中 4.1-3B 于今年 2 月一度进入 Hugging Face 全球模型总趋势榜前三、总榜第三。这次 33B 的体量在南北阁系列里是个跳跃，目标也从单纯的通用小模型转向 Agent 与代码工作流。 影响：33B 稠密模型在 Agent 编码上压过更大的开源模型，意味着 4-bit 量化后可落在单张 24GB 消费级或专业卡上，而不必租一机架 H100，对想自托管 Agent 的团队是成本结构的直接改善。不过这台机器的 KV cache 很大，实际可用上下文会受硬件限制。另一面是自托管门槛本身在涨：据 SemiAnalysis 数据，H100 租用价从 2025 年 10 月的每 GPU 小时约 1.70 美元涨到 2026 年 3 月的 2.35 美元，五个月涨了近四成，英伟达 CFO Colette Kress 五月也表示 H100 租价年内涨了 20%。此外需要提醒的是，上述全部跑分均为厂商自测，尚无第三方复现，且部分基准的分数随 harness 变化会明显波动。 总结：南北阁这次放出的是一个 30B 级稠密模型里少见的 Agent 编码强手，512K 上下文加 Apache 2.0 加教师模型定位，对正在评估本地部署 Agent 方案的人有直接参考价值；真正值得关注的并不是某个跑分，而是国产 30B 稠密模型第一次在官方表格里压过千问 3.8-27B。 参考来源： Hugging Face 模型卡：https://huggingface.co/Nanbeige/Nanbeige4.3-33B Hugging Face 南北阁官方主页：https://huggingface.co/Nanbeige ModelScope 镜像页：https://www.modelscope.ai/models/nanbeige/Nanbeige4.3-33B explainx 解读与跑分拆解：https://explainx.ai/blog/nanbeige-4-3-33b-open-agentic-model-guide-2026 AI Weekly 跑分追踪：https://aiweekly.co/alerts/nanbeige-opens-33b-model-with-apache-20-and-512k-context-claims-wins-over StartupFortune 报道：https://startupfortune.com/nanbeiges-new-33b-open-model-takes-aim-at-qwen-and-gemma-on-coding/ LINUX DO 社区讨论：https://linux.do/t/topic/3073376 X 平台中文解读：https://x.com/NFT_Chen/status/2114357063535259719