BOSS 直聘团队开源 Nanbeige4.3-33B 推理模型，综合智能追平 Qwen3.8 27B
BOSS 直聘旗下基础模型团队 Nanbeige 以 Apache 2.0 协议开源 33B 稠密推理模型 Nanbeige4.3-33B，在 Artificial Analysis 智能指数 v5 上得 20 分，与 Qwen3.8 27B（xhigh）持平。该模型支持 524K token 上下文、仅文本输入输出，体积小到可在笔记本本地运行，终端操作与物理推理为相对强项，但知识类基准明显落后。
报道正文
Artificial Analysis (@ArtificialAnlys) · 2026-11-05 17
南北阁（Nanbeige）发布了 Nanbeige4.3-33B，这是一个开放权重模型，在 Artificial Analysis Intelligence Index v5 上得分 20，与 Qwen3.8 27B（xhigh）持平，终端使用能力更强，但知识能力较弱。
@Nanbeige 是 BOSS 直聘的基础模型研究团队，BOSS 直聘是由看准有限公司运营的中国招聘平台。其稠密 33B 推理模型以 Apache 2.0 许可开放权重，仅支持文本输入和输出，上下文窗口为 524K token，且规模小到足以在笔记本电脑上本地运行。
关键结果：
➤ 在约 30B 总参数规模下具备竞争力。Nanbeige4.3-33B 和 Qwen3.8 27B（xhigh）均得分 20，而 Muse Glimmer（high，30B）为 6。
➤ 终端使用和物理推理是相对优势。Nanbeige 在 Terminal-Bench 4.0 上得分 30%，在 CritPt v2 的 Hard Subset 上得分 16%，而 Qwen3.8 27B 分别为 6% 和 4%。
➤ 尽管总分相同，优势领域与 Qwen3.8 27B 不同。Nanbeige 在 AutomationBench-AA 上优于 Qwen3.8 27B（53% 对 48%），但在 AA-Briefcase v1.1（1162 对 1391 Elo）、FrontierCode 2.0（11% 对 15%）和 HLE-Diamond（7% 对 15%）上落后。
➤ 在 Omniscience 上具有高弃答率和低幻觉率。Nanbeige 在 AA-Omniscience v1.1 上得分 -4，而 Qwen3.8 27B 为 -6，幻觉率为 18% 对 29%。它正确回答的问题更少（12% 对 17%），并对 71% 的问题选择弃答。
➤ 智能水平相近，但每个任务消耗更多输出 token。Nanbeige 在每个 Intelligence Index 任务上使用 158K 输出 token，而 Qwen3.8 27B 为 110K，约多 44%。
模型其他细节：
➤ 类型：开放权重推理模型（Apache 2.0 许可证）
➤ 规模：33B 总参数（稠密）
➤ 模态：仅文本输入和输出
➤ 上下文窗口：524K
➤ API 可用性：无已确认的公开第一方或第三方 API
