Nanbeige4.3-33Bとは？
Nanbeige4.3-33Bは330億パラメータのdenseなテキストモデルで、Kanzhunが運営する中国の求人プラットフォームBOSS ZhipinのNanbeige LLM Labが開 発しました。2026年10月24日にHugging Faceで公開され、独自の事後学習用に別のベースモデルも公開されています。英語と中国語を読み取り、524,288トークン（512K）のコンテキストを持ち、思考モードはデフォルトでオンです。
研究所はこれを教師モデルと位置付けています。コーディングエージェントとオフィス型の「cowork」タスクで優れるよう作られ、今後公開予定のNanbeige4.3-3Bに蒸留される予定です。チャットテンプレートはXMLまたはJSONのツール呼び出しと、以前の推論をターンをまたいで保持するオプションに対応しています。
重みはApache 2.0です。研究所によるホスト型のAPIはなく、カードには4分割のテンソル並列を使うSGLangとvLLMの手順が載っています。
Nanbeige4.3-33Bの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Hosted API | Not offered | 公式のエンドポイントの記載なし |
Apache 2.0のオープンウェイトです。公式のホスト型APIはありません。
Nanbeige4.3-33Bは使う価値があるか？
Nanbeige4.3-33Bの主張は大きく、すべて自己申告です。研究所の表では20のベンチマーク中18でQwen3.8-27Bを上回り、差が最も大きいのはエージェント型コーディングです。DeepSWEで65.5対42.5、Terminal-Bench 4.0で23.8対6.3、Terminal-Bench 2.1で80.9対73.0です。SWE-Bench Pro（60.3対61.7）とGDPval（84.8対86.4）ではQwenに及びません。研究所はすべてのモデルを同じ評価環境と設定で動かしたとしていますが、公開から1週間経っても独立したリーダーボードには掲載されていません。
評価環境の選び方のいくつかは再確認に値します。自社のスコアは思考の保持をオンにして取得され、SWE-Atlasの回答はGPT-6 Solが採点し、coworkのベンチマークのいくつかはまだ新しく、設定の小さな変更で結果が大きく動きます。新しいエージェントのベンチマークで大差をつけ、定評のあるベンチマークでは互角というパターンは、公開時の表によく見られます。
実用上のトレードオフはアーキテクチャです。競合するMixture-of-Expertsモデルと違い、330億パラメータのすべてがトークンごとに動きます。BF16の重みには約66GBが必要で、ある分析では4ビット版が約21GB、それに128Kのコンテキストで28GBのキャッシュが加わり、コンシューマー向けGPU 1枚には収まりません。またテキスト専用で、Qwen3.8-27Bは画像も読み取ります。
このモデルが提供するのは、すっきりしたApache 2.0ライセンス、公開されたベースモデル、512Kのコンテキストで、これらを合わせると、自社のエージェントを事後学習したい企業にとって妥当な出発点になります。既製の選択肢としてQwenに取って代わるには、独立した数値が必要です。
真価を発揮する場面
エンジニア200人のソフトウェア企業のプラットフォームチーム
自社のGPUで社内のコーディングエージェントを動かす
カードのvLLMの手順に従い、テンソル並列とqwen3_coderのツールパーサーを使って4台のGPUで提供します。DeepSWEでの23ポイントのリードは研究所の数値なので、まずチーム自身のリポジトリでQwen3.8-27Bと比較してください。
業界特化型SaaS企業のMLリード
人事や財務のワークフロー向けにドメイン特化のエージェントを事後学習する
売上の上限がないApache 2.0のNanbeige4.3-33B-Baseから始めます。研究所は業界向けエージェントでの共同作業を呼びかけており、データ面で役立つ可能性はありますが、公開されたサポート条件はありません。
長文コンテキストのオフィス作業向けにオープンモデルを評価している開発者
長い文書と多段階のツール利用を1つのコンテキストで処理する
512Kのコンテキストには契約書やコードベース全体が収まりますが、ある見積もりでは128Kでキャッシュだけで約28GBになるため、エージェント作業 で推奨される65,536トークンの出力枠には実際のメモリコストがかかります。
導入前に確認すること
- 導入
- 重みをダウンロードし、--tp-size 4とqwen3の推論パーサー、qwen3_coderのツールパーサーを使ってSGLangかvLLMで提供します。Transformersにはtrust_remote_codeが必要です。
- 連携
- Transformers、SGLang、vLLM。どちらのサーバーからもOpenAI互換のエンドポイントを使えます。研究所はNL2RepoとJobBenchをClaude Codeの評価環境で実行しました。
- データとプライバシー
- 利用制限のないApache 2.0です。セルフホストのみなので、第三者のデータ条件は適用されません。モデルカード以外にデータの出所に関する説明はありません。
- 大規模利用時のコスト
- BF16の重みには約66GBが必要なので、キャッシュの前に24GBのGPUが4台か48GBのGPUが2台要ります。4ビット版は約21GBで、128Kのコンテキストで約28GBのキャッシュが加わります。
- 制限
- テキスト専用で、英語と中国語のみです。推奨される出力枠はエージェントで65,536トークン、推論で262,144トークンで、denseなモデルでは長い実行が遅くなります。
良い点
- 研究所のベンチマーク20中18でQwen3.8-27Bをリードし、差はエージェント型コーディングで最大
- Apache 2.0で、事後学習用のベースモデルも公開
- 512Kトークンのコンテキスト
- XMLとJSONのツール呼び出し形式と、任意の推論の保持
気になる点
- ベンチマークの結果はすべて自己申告で、独立したランキングはまだない
- denseな33B：BF16で約66GB、アクティブ3BのMoEの競合よりトークンあたりが遅い
- テキスト専用で、Qwen3.8-27Bは画像も読み取る
- 研究所によるホスト型APIがない
おすすめの人
セルフホストし、Apacheライセンスのオープンなコーディングエージェントや事後学習用のベースモデルを求め 、自分のタスクで主張を検証できるチームに向いています。
Nanbeige4.3-33Bの代替
Nanbeige4.3-33B：よくある質問
- Nanbeige4.3-33Bは使う価値があるか？
- 開発元の数値では、Nanbeige4.3-33Bは30B前後で最も強力なオープンなコーディングエージェントです。ただし研究所の外ではまだ誰も確認しておらず、denseであるため提供の負担が重くなります。 評価は5点満点中3.8点です。
- Nanbeige4.3-33Bの料金は？
- Apache 2.0のオープンウェイトです 。公式のホスト型APIはありません。
- Nanbeige4.3-33Bの欠点は？
- ベンチマークの結果はすべて自己申告で、独立したランキングはまだない; denseな33B：BF16で約66GB、アクティブ3BのMoEの競合よりトークンあたりが遅い; テキスト専用で、Qwen3.8-27Bは画像も読み取る; 研究所によるホスト型APIがない.
- Nanbeige4.3-33Bは誰に向いているか？
- セルフホストし、Apacheライセンスのオープンなコーディングエージェントや事後学習用のベースモデルを求め、自分のタスクで主張を検証できるチームに向いています。
- チームや本番環境でNanbeige4.3-33Bを使うと費用はいくらか？
- BF16の重みには約66GBが必要なので、キャッシュの前に24GBのGPUが4台か48GBのGPUが2台要ります。4ビット版は約21GBで、128Kのコンテキストで約28GBのキャッシュが加わります。
- Nanbeige4.3-33Bは企業データを扱っても安全か？
- 利用制限のないApache 2.0です。セルフホストのみなので、第三者のデータ条件は適用されません。モデルカード以外にデータの出所に関する説明はありません。
- Nanbeige4.3-33Bの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はQwen3.8-27B, Gemma 4, Granite 4.2 、 Sage-A1.5です。
回答確認日：2026年10月31日