先做老师，再教学生：Nanbeige4.3-33B 开源
BOSS 直聘南北阁团队开源 Nanbeige4.3-33B 和 Base 版，定位是先当“教师智能体”再蒸馏小模型；3B 学生模型截至发稿还没上线。
小模型是怎么来的
很多人用过小模型，但不一定想过，小模型是怎么来的。
一个常见的答案是：很多小模型，是大模型教出来的。
这种做法叫做"蒸馏"（distillation）。先训练一个能力强的大模型，让它当老师，再用它的输出去训练小模型，小模型就是学生。
学生的能力，很大程度上取决于老师的水平。老师自己都不会，学生也学不到。
所以，如果你想要一个好用的小模型，第一步不是训练小模型，而是先把老师训练好。
这个道理，学过数学的人都懂。一个好老师，不光告诉你答案，还会把解题过程一步一步写在黑板上。学生抄到的，不只是最后一行的结果，还有中间的思路。
对 agent 任务来说，中间的思路尤其重要。一个任务往往要分很多步：先看文件，再跑命令，看到报错，再改代码。哪一步想错了，后面全白做。
小模型自己摸索这些步骤，很容易迷路。如果有一个老师先把路走通，再把走法教给它，就容易多了。
10 月 26 日，DoNews 报道了一个按照这个思路来的开源项目：BOSS 直聘的南北阁团队，开源了 Nanbeige4.3-33B。
Hugging Face 上的记录显示，这个仓库创建于 10 月 24 日。
一个"教师智能体"
Nanbeige4.3-33B 的定位，很直白，就是教师智能体。
团队的计划是：先把它在 agentic coding（让模型自己写代码、跑命令、改错）和 cowork（协同办公）上的能力做强，然后再蒸馏出 Nanbeige4.3-3B 等小模型。
同时，他们还放出了 Base 版，供大家拿去做二次后训练。
这一点很重要。很多开源模型只发布最终的对话版，你只能直接用，很难在上面继续改。放出 Base 版，等于把"教材的底稿"也给了你。
举个假设的例子。假设你的公司有大量内部文档和专用工具，通用模型不熟悉。有了 Base 版，你就可以用自己的数据，在它上面继续训练，得到一个更懂你们业务的版本。
下面是它的基本参数（来自 Hugging Face 模型卡）。
1、参数量 33.1B，稠密模型（Llama 结构，不是混合专家），权重格式 BF16。
2、上下文长度 524,288（即 512K）。
3、许可证是 Apache 2.0（以 Hugging Face 仓库标注为准）。
三个开关
这个模型的聊天模板，有三个开关，值得单独说一下。
1、enable_thinking：是否开启思考。
2、preserve_thinking：多轮对话时，是否保留之前的思考内容。模型卡建议，多轮工具调用、办公、code agent 这类场景，设为 True；普通聊天可以关掉。
3、tools：工具调用的格式，推荐 tool_call_format="xml"。
第二个开关最有意思。
一般的思考模型，每轮对话结束，思考过程就扔掉了，下一轮只看结论。这对聊天没问题，但对 agent 就不太好：它前面为什么这么做，后面就不记得了。
preserve_thinking 就是让它把"草稿纸"留着。
模型卡还给了两套推荐参数：agent 任务用温度 1.0、top_p 0.95、最大新 token 65,536；推理聊天用 0.6、0.95、262,144。
部署方面，SGLang 和 vLLM 的示例都是 4 路张量并行。
上手的顺序
如果你打算试一下，按照模型卡的说明，大致是下面的顺序。
1、从 Hugging Face 的 Nanbeige/Nanbeige4.3-33B 仓库下载权重。
2、用 SGLang 或 vLLM 部署，照着官方示例开 4 路张量并行。
3、跑 agent 任务时，打开 enable_thinking 和 preserve_thinking，工具格式用 xml，采样参数用 agent 那一套。
4、拿你自己手上的真实任务，和现在在用的模型对比一下。
最后一步最容易被跳过，但它其实最重要。别人的榜单，替代不了你自己的任务。
成绩单
大家猜猜看，一个 33B 的模型，成绩怎么样？
下面的数字，全部来自模型卡自报。按模型卡的说法，所有模型都用最高思考强度、同一个 harness 测（Terminal-Bench 4.0 和 DeepSWE 用的是 mini-swe-agent v2.4.6），Nanbeige 自己测的时候开了 preserve_thinking=true。
先看领先的项目。
1、Terminal-Bench 2.1：80.9，对比的 Qwen3.8-27B 是 73.0。
2、Terminal-Bench 4.0：23.8，Qwen3.8-27B 是 6.3。
3、DeepSWE：65.5，Qwen3.8-27B 是 42.5。
4、Automation Bench：54.2，Qwen3.8-27B 是 38.3。
5、AIME 2026：95.2。
再看落后的项目。模型卡也老老实实写了。
1、SWE-Bench Pro：60.3，落后于 Qwen3.8-27B 的 61.7。
2、GDPval：84.8，落后于 Qwen3.8-27B 的 86.4。
3、GPQA Diamond：89.5，Gemma4-31B 的 91.3 更高。
表中的对比对象，还有 Muse-Glimmer-30B 和 Gemma4-31B。
我的感觉是，它的长处集中在终端和自动化任务上，这正好对应了"先把 agentic coding 和 cowork 做强"的目标。而在偏知识问答的 GPQA 上，它并不占优。
当然，这些都是厂商自报的成绩。不同的评测设置，结果可能差别很大，最好用你自己的任务试一下。
学生还没来
讲到这里，有一个问题。
这个项目最吸引人的地方，是"老师教出来的小模型"。那么，学生在哪里？
答案是：还没有。
截至发稿，Nanbeige 在 Hugging Face 上只放了 33B 和 33B-Base 两个仓库，Nanbeige4.3-3B 还没有上线，也没有公布时间表。
所以，现在能拿到的，只有老师本人。
这有点像一所学校，名师已经到岗了，课程表也贴出来了，但第一届学生什么时候入学，还没有通知。
这就带来一个现实问题：老师本人不轻。33B 的稠密模型，BF16 权重，官方示例要 4 路张量并行。个人开发者想在自己的电脑上跑，并不容易。
怎么解决呢？
据媒体报道，社区里已经有人在问了，主要是两个要求。
1、FP8 版本。量化以后，显存需求会降下来，部署门槛就低了。
2、技术报告。现在只有模型卡，训练数据、蒸馏方法这些细节，还看不到。
这两样东西出来之前，这个项目更适合有算力的团队：拿 Base 版做二次后训练，或者自己尝试用它当老师，去蒸馏自己的小模型。
一句话总结
Nanbeige4.3-33B 的思路是：先做好老师，再教学生。
现在老师已经到了，学生还在路上。
如果你需要一个开源的、偏 agent 任务的中等规模模型，并且手上有足够的显卡，可以试试它。
如果你等的是能在小设备上跑的版本，那还要再等等。
（完）
来源：Hugging Face 模型卡；Base 版仓库；DoNews。参数量、结构、上下文和 Apache-2.0 许可据 Hugging Face 仓库；所有成绩为模型卡自报，对比对象为 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B，测试条件以模型卡为准，未见第三方复测；社区对 FP8 版和技术报告的诉求据媒体报道；“长处集中在终端和自动化任务”为作者观察。