Nanbeige, 33B 오픈 웨이트 추론 모델 공개

중국 채용 플랫폼 BOSS Zhipin의 기반 모델 연구팀 Nanbeige가 2026년 11월 5일 Nanbeige4.3-33B를 공개했습니다. 오픈 웨이트 추론 모델인 이 제품은 Artificial Analysis Intelligence Index v5에서 20점을 받아 Qwen3.8 27B(xhigh)와 동점을 기록했습니다. 총 매개변수는 Nanbeige가 33B, Qwen이 27B이며, 두 모델 모두 밀집 모델(Dense Model)입니다. Nanbeige는 지수 점수와 총 매개변수 수의 관계에서 새로운 파레토 최적점(Pareto-optimal point)을 제시했습니다. Apache 2.0 라이선스를 적용했고, 텍스트만 입력·출력하며, 문맥 창은 524K 토큰입니다. 노트북에서 로컬 실행이 가능할 만큼 작으며, 공개된 자체 또는 제3자 API 제공 여부는 확인되지 않았습니다.

전체 점수는 같았지만 세부 평가 결과는 달랐습니다. Nanbeige4.3-33B는 Terminal-Bench 4.0에서 30%, CritPt v2 Hard Subset에서 16%를 기록해 Qwen3.8 27B의 6%, 4%보다 높았습니다. AutomationBench-AA 점수도 Nanbeige가 53%, Qwen이 48%였습니다. 반면 AA-Briefcase v1.1에서는 엘로 점수가 1162 대 1391, FrontierCode 2.0에서는 11% 대 15%, HLE-Diamond에서는 7% 대 15%로 Nanbeige가 낮았습니다. 비교 대상 Muse Glimmer(high, 30B)는 Intelligence Index에서 6점을 받았습니다.

AA-Omniscience v1.1에서 Nanbeige는 -4점, Qwen은 -6점이었고, 환각률은 각각 18%, 29%였습니다. Nanbeige는 질문의 12%에 정답을 내고 71%에는 답변을 거절했습니다. Qwen은 17%에 정답을 내고 43%에 답변을 시도했습니다. 기사에 따르면 이 결과는 선택적 답변 양상을 반영합니다.

Intelligence Index 과제 하나당 Nanbeige가 사용한 출력 토큰은 158K로, Qwen의 110K보다 약 44% 많았지만 두 모델의 점수는 같았습니다. 가중 평균에는 v5의 9개 평가에서 답변과 추론에 사용한 토큰이 집계되며, 에이전트형 도구 사용 차례도 포함됩니다. DeepSeek V4.1 Flash 1017(max)은 총 매개변수 552B로 33점을 기록했습니다. 이 혼합 전문가 구조(Mixture-of-experts architecture)는 토큰마다 16B의 매개변수를 활성화합니다.

중국 채용 플랫폼 BOSS Zhipin의 기반 모델 연구팀 Nanbeige가 2026년 11월 5일 Nanbeige4.3-33B를 공개했습니다. 오픈 웨이트 추론 모델인 이 제품은 Artificial Analysis Intelligence Index v5에서 20점을 받아 Qwen3.8 27B(xhigh)와 동점을 기록했습니다. 총 매개변수는 Nanbeige가 33B, Qwen이 27B이며, 두 모델 모두 밀집 모델(Dense Model)입니다. Nanbeige는 지수 점수와 총 매개변수 수의 관계에서 새로운 파레토 최적점(Pareto-optimal point)을 제시했습니다. Apache 2.0 라이선스를 적용했고, 텍스트만 입력·출력하며, 문맥 창은 524K 토큰입니다. 노트북에서 로컬 실행이 가능할 만큼 작으며, 공개된 자체 또는 제3자 API 제공 여부는 확인되지 않았습니다.

전체 점수는 같았지만 세부 평가 결과는 달랐습니다. Nanbeige4.3-33B는 Terminal-Bench 4.0에서 30%, CritPt v2 Hard Subset에서 16%를 기록해 Qwen3.8 27B의 6%, 4%보다 높았습니다. AutomationBench-AA 점수도 Nanbeige가 53%, Qwen이 48%였습니다. 반면 AA-Briefcase v1.1에서는 엘로 점수가 1162 대 1391, FrontierCode 2.0에서는 11% 대 15%, HLE-Diamond에서는 7% 대 15%로 Nanbeige가 낮았습니다. 비교 대상 Muse Glimmer(high, 30B)는 Intelligence Index에서 6점을 받았습니다.

AA-Omniscience v1.1에서 Nanbeige는 -4점, Qwen은 -6점이었고, 환각률은 각각 18%, 29%였습니다. Nanbeige는 질문의 12%에 정답을 내고 71%에는 답변을 거절했습니다. Qwen은 17%에 정답을 내고 43%에 답변을 시도했습니다. 기사에 따르면 이 결과는 선택적 답변 양상을 반영합니다.

Intelligence Index 과제 하나당 Nanbeige가 사용한 출력 토큰은 158K로, Qwen의 110K보다 약 44% 많았지만 두 모델의 점수는 같았습니다. 가중 평균에는 v5의 9개 평가에서 답변과 추론에 사용한 토큰이 집계되며, 에이전트형 도구 사용 차례도 포함됩니다. DeepSeek V4.1 Flash 1017(max)은 총 매개변수 552B로 33점을 기록했습니다. 이 혼합 전문가 구조(Mixture-of-experts architecture)는 토큰마다 16B의 매개변수를 활성화합니다.