南北阁开源 Nanbeige4.3-33B：Terminal-Bench 80.9，Agentic 编码压过 Qwen3.8-27B

南北阁（Nanbeige LLM Lab）在 Hugging Face 放出 Nanbeige4.3-33B 及其 Base 版的开放权重，Apache 2.0 许可。按仓内 config.json，这是 33B 稠密模型（Llama 架构、52 层、隐藏维 7168），原生支持 524,288 token 上下文，工具调用可切 XML 或 JSON 两种格式，官方推荐 XML。该实验室此前只做 3B 级轻量模型（Nanbeige4-3B 2025 年 12 月、4.1-3B、4.2-3B），这是它第一次把参数量推上一个量级。

模型卡给出的同尺寸对比（对 Qwen3.8-27B / Muse-Glimmer-30B / Gemma4-31B）：Terminal-Bench 2.1 得 80.9（三者依次 73.0 / 61.8 / 47.2）、DeepSWE 65.5（42.5 / 4.4 / 2.7）、Automation Bench 54.2（38.3 / 15.2 / 9.7）、JobBench 44.8（34.5 / 16.6 / 9.0）、Terminal-Bench 4.0 得 23.8（6.3 / 1.6 / 0.0）。

但它并非全面领先：SWE-Bench Pro 60.3 略低于 Qwen3.8-27B 的 61.7，GDPval 84.8 也低于 Qwen 的 86.4；GPQA Diamond 89.5 落后 Gemma4-31B 的 91.3，AIME 2026 的 95.2 与 Qwen 的 94.5 基本持平。强势区集中在编码与多步工具执行，纯推理只是持平。

模型卡把 4.3-33B 定为「旗舰教师模型」，后续用于把 agentic 能力蒸馏进更小的 3B 级模型。这个尺寸的稠密模型量化后可放进单张消费级显卡，加上 512K 上下文与双格式工具调用，它更像一个能自托管的编码智能体底座，而非又一个聊天模型。以上成绩全部为厂商自报，尚无第三方复现。

原文链接：南北阁 官方模型卡