¿Qué es Nanbeige4.2-3B?
Nanbeige4.2-3B es un modelo pequeño centrado en agentes del Nanbeige LLM Lab de BOSS Zhipin, la plataforma china de empleo, publicado en julio de 2026. Tiene 3.000 millones de parámetros sin embeddings (4.000 millones en total) y usa un transformer en bucle: las mismas capas se ejecutan más de una vez por token, lo que añade capacidad sin añadir pesos. Lee y escribe texto, en inglés y chino, con un contexto de 256K tokens.
Se ajustó con una mezcla amplia de entornos de agentes reales y sintéticos, y luego se entrenó con aprendizaje por refuerzo sobre resultados finales y pasos intermedios. El razonamiento está activado por defecto y puede desactivarse. El mayor Nanbeige4.3-33B del laboratorio llegó en octubre; el 3B sigue siendo su modelo pequeño actual, y Nanbeige dice que planea una versión 4.5 para finales de 2026.
Los pesos están bajo Apache 2.0. En los últimos 30 días sumaron unas 121.000 descargas en Hugging Face.
¿Merece la pena Nanbeige4.2-3B?
Nanbeige4.2-3B obtiene en agentes resultados propios de un modelo tres veces mayor. En la tabla del laboratorio logra un 63,6% en SWE-Bench Verified frente al 53,1% de Qwen3.5-9B y el 44,2% de Gemma 4 12B, 44,1 en Terminal-Bench 2.0 frente a 29,2 y 57,8 en uso de herramientas en MCP-Atlas frente a 47,4. El razonamiento también aguanta: 87,4 en GPQA Diamond y 82,8 en HMMT de febrero de 2026, ambos por delante de Qwen3.5-9B.
Un resultado independiente respalda el panorama general. La prueba en móvil de Artificial Analysis de agosto de 2026 lo situó empatado en primer lugar entre los modelos pequeños con 63, junto a LFM2.5-2.6B, con un 76% en llamadas a funciones BFCL y un 96% en MATH-500. La misma prueba encontró el punto débil: solo un 33% en su medida de no alucinación frente al 79% de LFM2.5-2.6B, así que inventa datos con más facilidad que sus rivales.
La pega mayor es cuánto piensa. Todas las puntuaciones de Nanbeige son en modo de razonamiento, con hasta 131.072 tokens nuevos recomendados para razonar. Cuando Artificial Analysis limitó cada respuesta a un minuto en un iPhone 17 Pro, su puntuación cayó de 63 a 18, porque a unos 14 tokens por segundo la mayor parte de su razonamiento nunca terminaba. Un prompt de 1.024 tokens con una respuesta de 256 tardó 21,4 segundos en 4,0 GB, frente a 8,0 segundos y 2,3 GB de LFM2.5-2.6B.
Así que encaja en portátiles y GPU de escritorio que ejecutan agentes en segundo plano, donde esperar no importa. También necesita trust_remote_code y el fork de SGLang de Nanbeige, lo que añade trabajo de revisión para equipos atentos a la seguridad. Gemma 4 12B sigue por delante en seguimiento de instrucciones en IF-Bench, 73,5 frente a 54,6.
Dónde se gana su sitio
Un desarrollador en solitario que mantiene varias bibliotecas de código abierto
Que un agente local intente pequeñas correcciones de errores durante la noche sin pagar tokens de API
Sírvelo con el fork de SGLang de Nanbeige y conecta OpenHands con preserve_thinking activado. Su 63,6% en SWE-Bench Verified es un dato propio; revisa cada parche antes de fusionarlo.
Una responsable de oficina en una gestoría de 20 personas con un técnico informático externo
Tener un asistente privado para buscar documentos y tareas de oficina rutinarias
Ejecútalo en una GPU de escritorio con un framework de agentes como OpenClaw, donde Nanbeige informa de 68,8 en GDPval frente a 38,0 de Qwen3.5-9B. Su 33% de no alucinación obliga a comprobar las cifras que cite.
Antes de decidirte
- Puesta en marcha
- Instala transformers 4.45.1 y cárgalo con trust_remote_code, o clona la rama de SGLang de Nanbeige para servirlo. Configura enable_thinking y preserve_thinking en la plantilla de chat; se recomienda el formato XML para las llamadas a herramientas.
- Integraciones
- transformers, el fork de SGLang de Nanbeige, los entornos OpenHands, SWE-agent y Terminus de sus pruebas, OpenClaw para flujos personales y un modelo borrador DSpark para decodificación especulativa.
- Datos y privacidad
- Autoalojado, así que prompts y archivos se quedan en tu hardware. Apache 2.0 permite uso comercial. El código de modelado propio se ejecuta con trust_remote_code, así que revísalo antes de desplegarlo.
- Coste a escala
- Los pesos son gratuitos. Artificial Analysis midió 4,0 GB de memoria en un iPhone 17 Pro; los largos razonamientos suponen muchos más tokens por tarea que un modelo sin razonamiento.
- Límites
- Unos 14 tokens por segundo en un móvil; los presupuestos de razonamiento recomendados llegan a 131.072 tokens; solo inglés y chino.
Lo bueno
- 63,6% en SWE-Bench Verified, por encima de Qwen3.5-9B (datos propios)
- Empatado en primer lugar en la prueba en móvil de modelos pequeños de Artificial Analysis
- Contexto de 256K y llamadas a herramientas con 3B parámetros sin embeddings
- Apache 2.0
Lo malo
- Razonamiento largo: 18 puntos con un límite de un minuto
- 33% de no alucinación en la prueba de Artificial Analysis
- Necesita trust_remote_code y un fork de SGLang
- Por detrás de Gemma 4 12B en seguimiento de instrucciones IF-Bench
Ideal para
Desarrolladores que ejecutan un agente local de código u ofimática en un portátil o una sola GPU y toleran tiempos de razonamiento largos.
Alternativas a Nanbeige4.2-3B
Nanbeige4.2-3B: preguntas frecuentes
- ¿Merece la pena Nanbeige4.2-3B?
- Nanbeige4.2-3B hace trabajo de agente que antes necesitaba un modelo de 9B, siempre que le des tiempo para pensar. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta Nanbeige4.2-3B?
- Pesos gratuitos bajo Apache 2.0. No hay API alojada propia publicada.
- ¿Qué inconvenientes tiene Nanbeige4.2-3B?
- Razonamiento largo: 18 puntos con un límite de un minuto; 33% de no alucinación en la prueba de Artificial Analysis; necesita trust_remote_code y un fork de SGLang; por detrás de Gemma 4 12B en seguimiento de instrucciones IF-Bench.
- ¿Para quién es Nanbeige4.2-3B?
- Desarrolladores que ejecutan un agente local de código u ofimática en un portátil o una sola GPU y toleran tiempos de razonamiento largos.
- ¿Cuánto cuesta Nanbeige4.2-3B para un equipo o en producción?
- Los pesos son gratuitos. Artificial Analysis midió 4,0 GB de memoria en un iPhone 17 Pro; los largos razonamientos suponen muchos más tokens por tarea que un modelo sin razonamiento.
- ¿Es Nanbeige4.2-3B seguro para los datos de la empresa?
- Autoalojado, así que prompts y archivos se quedan en tu hardware. Apache 2.0 permite uso comercial. El código de modelado propio se ejecuta con trust_remote_code, así que revísalo antes de desplegarlo.
- ¿Cuáles son las mejores alternativas a Nanbeige4.2-3B?
- Las alternativas más cercanas que hemos analizado son Spark-X2.6-4B, LFM3, MiniCPM5-2B, Gemma 4 y Nanbeige4.3-33B.
Respuestas comprobadas el 7 nov 2026.
¿Desarrollas Nanbeige4.2-3B? Muestra esta nota en tu web
