Сервис вакансий BOSS Zhipin выпустил модель Nanbeige4.3-33B для ИИ-агентов

Лаборатория Nanbeige при китайском сервисе поиска работы BOSS Zhipin¹ выложила на Hugging Face модель Nanbeige4.3-33B. По собственным замерам лаборатории, это лучшая открытая модель размером около 30 млрд параметров для задач ИИ-агентов — программирования и офисной работы.

Почему это важно: лаборатория компании, которая зарабатывает на найме, а не на ИИ, претендует на первое место в классе, где соперничают модели Alibaba, Google и Meta*. Саму модель авторы называют учителем: на её решениях они собираются обучать маленькие модели для агентов.

Детали: в модели 33 млрд параметров, она работает на английском и китайском и держит в контексте до 512 тыс. токенов. Модель выложена под лицензией Apache 2.0²: компании могут разворачивать её у себя, дообучать и встраивать в свои продукты.

Как это работает: перед ответом модель по умолчанию рассуждает, этот режим можно отключить. В долгой работе с инструментами, офисных задачах и программировании авторы советуют сохранять в разговоре рассуждения модели с прошлых шагов, а в обычном чате — отбрасывать их.

В цифрах: результаты в тестах, по замерам разработчиков; все модели работали на максимальном уровне рассуждений и в одинаковой обвязке³.

Цифры — из карточки модели на Hugging Face.

Terminal-Bench проверяет, как агент справляется с задачами в командной строке, а SWE-Bench Pro — как он правит код в настоящих репозиториях. JobBench собран из рабочих задач 35 профессий, GDPval — из заданий, которые обычно делают специалисты. GPQA Diamond — сложные вопросы по естественным наукам.

Интрига: в тесте YC-bench агент год управляет виртуальным стартапом: нанимает людей, берёт контракты и платит зарплаты. Nanbeige4.3-33B закончила год с 1,03 млн условных долларов, Qwen3.8-27B — с 641 тыс., а Gemma4-31B — с 265 тыс.

Но: все цифры — замеры самих авторов. Qwen3.8-27B впереди в SWE-Bench Pro и GDPval, а Gemma4-31B — в научных вопросах GPQA Diamond.

Что дальше: следующей лаборатория обещает маленькую модель, например Nanbeige4.3-3B, обученную на решениях новой. Срок она не назвала.

В феврале лаборатория выпустила Nanbeige4.1-3B — модель вдесятеро меньше новой. По словам авторов, та выдерживала сотни вызовов инструментов подряд в задачах глубокого поиска.