Nanbeige、33Bの推論モデルを公開

中国の求人プラットフォームBOSS Zhipinの基盤モデル研究チームNanbeigeは、2026年11月5日にNanbeige4.3-33Bを公開しました。オープンウェイトの推論モデルで、Artificial Analysis Intelligence Index v5で20点を獲得し、Qwen3.8 27B（xhigh）と並びました。総パラメーター数はNanbeigeが33B、Qwenが27Bです。両モデルはDense Model（全パラメーターを各処理で使うモデル）で、Nanbeige4.3-33Bは指数スコアと総パラメーター数の関係でパレート最適点を築きました。Apache 2.0ライセンスを採用し、テキストのみを入出力します。コンテキスト長は524Kトークンで、ノートパソコン上でローカル実行できる規模です。一般向けまたは第三者提供のAPIが利用できるかは確認されていません。

総合スコアは同じでも、各ベンチマークの結果には差がありました。Nanbeige4.3-33BはTerminal-Bench 4.0で30%、CritPt v2のHard Subsetで16%を記録し、Qwen3.8 27Bの6%、4%を上回りました。AutomationBench-AAではNanbeigeが53%、Qwenが48%でした。一方、AA-Briefcase v1.1ではEloが1162対1391、FrontierCode 2.0では11%対15%、HLE-Diamondでは7%対15%で、Nanbeigeが下回りました。比較対象のMuse Glimmer（high、30B）はIntelligence Indexで6点でした。

AA-Omniscience v1.1ではNanbeigeが-4点、Qwenが-6点で、幻覚率はそれぞれ18%、29%でした。Nanbeigeは質問の12%に正答し、71%で回答を控えました。Qwenは17%に正答し、43%で回答を試みました。記事は、この結果を選択的な回答の表れとしています。

Intelligence Indexの1タスク当たりの出力トークン数はNanbeigeが158K、Qwenが110Kで、スコアは同じながらNanbeigeの使用量は約44%多くなりました。加重平均には、エージェントによるツール使用のターンを含むv5の9評価での回答トークンと推論トークンが数えられています。DeepSeek V4.1 Flash 1017（max）は総パラメーター数552Bで33点を獲得し、専門家混合型アーキテクチャによりトークンごとに16Bを有効化します。

中国の求人プラットフォームBOSS Zhipinの基盤モデル研究チームNanbeigeは、2026年11月5日にNanbeige4.3-33Bを公開しました。オープンウェイトの推論モデルで、Artificial Analysis Intelligence Index v5で20点を獲得し、Qwen3.8 27B（xhigh）と並びました。総パラメーター数はNanbeigeが33B、Qwenが27Bです。両モデルはDense Model（全パラメーターを各処理で使うモデル）で、Nanbeige4.3-33Bは指数スコアと総パラメーター数の関係でパレート最適点を築きました。Apache 2.0ライセンスを採用し、テキストのみを入出力します。コンテキスト長は524Kトークンで、ノートパソコン上でローカル実行できる規模です。一般向けまたは第三者提供のAPIが利用できるかは確認されていません。

総合スコアは同じでも、各ベンチマークの結果には差がありました。Nanbeige4.3-33BはTerminal-Bench 4.0で30%、CritPt v2のHard Subsetで16%を記録し、Qwen3.8 27Bの6%、4%を上回りました。AutomationBench-AAではNanbeigeが53%、Qwenが48%でした。一方、AA-Briefcase v1.1ではEloが1162対1391、FrontierCode 2.0では11%対15%、HLE-Diamondでは7%対15%で、Nanbeigeが下回りました。比較対象のMuse Glimmer（high、30B）はIntelligence Indexで6点でした。

AA-Omniscience v1.1ではNanbeigeが-4点、Qwenが-6点で、幻覚率はそれぞれ18%、29%でした。Nanbeigeは質問の12%に正答し、71%で回答を控えました。Qwenは17%に正答し、43%で回答を試みました。記事は、この結果を選択的な回答の表れとしています。

Intelligence Indexの1タスク当たりの出力トークン数はNanbeigeが158K、Qwenが110Kで、スコアは同じながらNanbeigeの使用量は約44%多くなりました。加重平均には、エージェントによるツール使用のターンを含むv5の9評価での回答トークンと推論トークンが数えられています。DeepSeek V4.1 Flash 1017（max）は総パラメーター数552Bで33点を獲得し、専門家混合型アーキテクチャによりトークンごとに16Bを有効化します。