Nanbeige4.3-33B의 개요
Nanbeige4.3-33B는 330억(33-billion) 파라미터의 dense 텍스트 모델로, Kanzhun이 운영하는 중국 채용 플랫폼 BOSS Zhipin의 Nanbeige LLM Lab이 만들었습니다. 2026년 10월 24일 Hugging Face에 공개되었고, 맞춤 사후 학습용 base 모델이 따로 함께 나왔습니다. 영어와 중국어를 읽고, 컨텍스트는 524,288 토큰(512K)이며, 기본으로 켜져 있는 사고(thinking) 모드가 있습니다.
연구소는 이 모델을 교사 모델로 설명합니다. 코딩 에이전트와 사무형 "cowork" 작업에서 뛰어나도록 만들었고, 앞으로 나올 Nanbeige4.3-3B로 증류될 예정입니다. 채팅 템플릿은 XML 또는 JSON 도구 호출과, 이전 턴의 추론을 유지하는 옵션을 지원합니다.
가중치는 Apache 2.0입니다. 연구소가 제공하는 호스팅 API는 없으며, 모델 카드에는 4-way 텐서 병렬을 쓰는 SGLang과 vLLM 레시피가 나와 있습니다.
Nanbeige4.3-33B의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Hosted API | Not offered | 공식 엔드포인트 없음 |
Apache 2.0 오픈 가중치. 공식 호스팅 API 없음.
Nanbeige4.3-33B, 쓸 만한 가치가 있습니까?
Nanbeige4.3-33B의 주장은 크고, 전부 자체 보고입니다. 연구소 표에서 이 모델은 20개 벤치마크 중 18개에서 Qwen3.8-27B를 앞서며, 격차는 에이전트 코딩에서 가장 큽니다. DeepSWE 65.5 대 42.5, Terminal-Bench 4.0 23.8 대 6.3, Terminal-Bench 2.1 80.9 대 73.0입니다. SWE-Bench Pro(60.3 대 61.7)와 GDPval(84.8 대 86.4)에서는 Qwen에 뒤집니다. 연구소는 모든 모델을 같은 하네스와 설정으로 돌렸다고 하지만, 출시 일주일이 지난 지금 이 모델을 올린 독립 리더보드는 없습니다.
하네스 선택 몇 가지는 다시 볼 필요가 있습니다. 자체 점수는 preserved thinking을 켠 상태에서 측정했고, SWE-Atlas 답변은 GPT-6 Sol이 채점했습니다. 몇몇 cowork 벤치마크는 아직 새로워서 설정이 조금만 바뀌어도 결과가 크게 움직입니다. 새 에이전트 벤치마크에서는 큰 격차로 앞서고 기존 벤치마크에서는 비슷한 수준인 패턴은 출시 발표 표에서 흔히 보입니다.
실제 트레이드오프는 아키텍처입니다. 경쟁하는 mixture-of-experts 모델들과 달리, 토큰마다 330억(33 billion) 파라미터 전체가 동작합니다. BF16 가중치는 약 66GB가 필요하고, 한 분석에 따르면 4비트 빌드는 약 21GB에 128K 컨텍스트에서 캐시 28GB가 더해져 소비자용 GPU 1장으로는 부족합니다. 또 텍스트 전용이며, Qwen3.8-27B는 이미지도 읽습니다.
대신 깔끔한 Apache 2.0 라이선스, 공개된 base 모델, 512K 컨텍스트를 제공합니다. 이 셋을 합치면 자체 에이전트를 사후 학습하려는 회 사에 괜찮은 출발점이 됩니다. 바로 가져다 쓰는 선택지로서 Qwen을 대체하려면 독립적인 수치가 먼저 필요합니다.
제 역할을 하는 곳
엔지니어 200명 규모 소프트웨어 회사의 플랫폼 팀
자체 GPU에서 사내 코딩 에이전트 운영하기
모델 카드의 vLLM 레시피대로 텐서 병렬과 qwen3_coder 도구 파서를 써서 GPU 4장에 서빙합니다. DeepSWE에서의 23점 우위는 연구소 수치이므로, 먼저 팀의 저장소에서 Qwen3.8-27B와 비교 테스트를 합니다.
버티컬 SaaS 회사의 ML 리드
HR이나 재무 업무용 도메인 에이전트를 사후 학습하기
매출 상한이 없는 Apache 2.0의 Nanbeige4.3-33B-Base에서 시작합니다. 연구소는 산업별 에이전트 공동 작업을 제안하고 있어 데이터 면에서 도움이 될 수 있지만, 공개된 지원 조건은 없습니다.
긴 컨텍스트 사무 작업용 오픈 모델을 평가하는 개발자
긴 문서와 여러 단계의 도구 사용을 한 컨텍스트에서 처리하기
512K 컨텍스트에는 계약서 전체나 코드베이스 전체가 들어갑니다. 하지만 한 추정에 따르면 128K에서 캐시만 약 28GB 이므로, 에이전트 작업에 권장되는 65,536 토큰 출력 예산에는 실제 메모리 비용이 따릅니다.
도입 전 확인할 점
- 설정
- 가중치를 내려받아 --tp-size 4와 qwen3 reasoning 파서, qwen3_coder 도구 파서를 써서 SGLang이나 vLLM으로 서빙합니다. Transformers는 trust_remote_code가 필요합니다.
- 연동
- Transformers, SGLang, vLLM. 두 서버 모두 OpenAI 호환 엔드포인트를 제공합니다. 연구소는 NL2Repo와 JobBench를 Claude Code 하네스로 실행했습니다.
- 데이터와 개인정보
- 사용 제한이 없는 Apache 2.0입니다. 자체 호스팅만 가능하므로 제3자 데이터 약관은 적용되지 않습니다. 모델 카드 외에 데이터 출처에 관한 설명은 없습니다.
- 대규모 사용 시 비용
- BF16 가중치는 약 66GB가 필요해 캐시를 빼고도 24GB GPU 4장 또는 48GB GPU 2장이 듭니다. 4비트 빌드는 약 21GB에 128K 컨텍스트에서 캐시 약 28GB가 더해집니다.
- 제한
- 텍스트 전용, 영어와 중국어만 지원합니다. 권장 출력 예산이 에이전트용 65,536 토큰, 추론용 262,144 토큰이어서 dense 모델에서는 긴 실 행이 느립니다.
좋은 점
- 연구소 벤치마크 20개 중 18개에서 Qwen3.8-27B를 앞서며, 격차는 에이전트 코딩에서 가장 큼
- Apache 2.0, 사후 학습용 base 모델도 공개
- 512K 토큰 컨텍스트
- XML과 JSON 도구 호출 형식, 추론 유지 옵션
아쉬운 점
- 모든 벤치마크 결과가 자체 보고이며 아직 독립 순위 없음
- dense 33B: BF16 기준 약 66GB, 활성 3B MoE 경쟁 모델보다 토큰당 느림
- 텍스트 전용, Qwen3.8-27B는 이미지도 읽음
- 연구소의 호스팅 API 없음
추천 대상
자체 호스팅을 하며 Apache 라이선스의 오픈 코딩 에이전트나 사후 학습용 base 모델을 원하고, 자기 작업에서 그 주장을 검증할 수 있는 팀.
Nanbeige4.3-33B 대안
Nanbeige4.3-33B: 자주 묻는 질문
- Nanbeige4.3-33B, 쓸 만한 가치가 있습니까?
- 제작사 수치로는 Nanbeige4.3-33B가 30B 안팎에서 가장 강한 오픈 코딩 에이전트입니다. 하지만 아직 연구소 밖에서 이를 확인한 곳은 없고, dense 구조라 서빙 부담이 큽니다. 평점은 5점 만점에 3.8점입니다.
- Nanbeige4.3-33B의 가격은 얼마입니까?
- Apache 2.0 오픈 가중치. 공식 호스팅 API 없음.
- Nanbeige4.3-33B의 단점은 무엇입니까?
- 모든 벤치마크 결과가 자체 보고이며 아직 독립 순위 없음; dense 33B: BF16 기준 약 66GB, 활성 3B MoE 경쟁 모델보다 토큰당 느림; 텍스트 전용, Qwen3.8-27B는 이미지도 읽음; 연구소의 호스팅 API 없음.
- Nanbeige4.3-33B에 적합한 사람은 누구입니까?
- 자체 호스팅을 하며 Apache 라이선스의 오픈 코딩 에이전트나 사후 학습용 base 모델을 원하고, 자기 작업에서 그 주장을 검증할 수 있는 팀.
- 팀이나 프로덕션 환경에서 Nanbeige4.3-33B의 비용은 얼마입니까?
- BF16 가중치는 약 66GB가 필요해 캐시를 빼고도 24GB GPU 4장 또는 48GB GPU 2장이 듭니다. 4비트 빌드는 약 21GB에 128K 컨텍스트에서 캐시 약 28GB가 더해집니다.
- Nanbeige4.3-33B에 회사 데이터를 맡겨도 안전합니까?
- 사용 제한이 없는 Apache 2.0입니다. 자체 호스팅만 가능하므로 제3자 데이터 약관은 적용되지 않습니다. 모델 카드 외에 데이터 출처에 관한 설명은 없습니다.
- Nanbeige4.3-33B의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3.8-27B, Gemma 4, Granite 4.2 및 Sage-A1.5입니다.
답변 확인일: 2026년 10월 31일.