Het Chinese Nanbeige LLM Lab heeft Nanbeige4.3-33B op Hugging Face gezet, een open taalmodel dat vooral bedoeld is voor programmeren met AI-agents en voor wat het lab "professional cowork" noemt: kantoortaken waarbij het model zelf tools aanroept. De gewichten vallen onder de Apache 2.0-licentie, dus bedrijven mogen het model vrij gebruiken, aanpassen en commercieel inzetten. Volgens MarkTechPost zit het lab binnen BOSS Zhipin, een Chinees vacatureplatform.

Groot geheugen, klassieke bouw

Het model heeft 33 miljard parameters en een contextvenster van 524.288 tokens, genoeg om een flinke codebase of een stapel documenten in één keer mee te geven. Anders dan veel recente topmodellen is het geen mixture-of-experts: alle parameters doen bij elk woord mee. Dat maakt het eenvoudiger te draaien, maar niet licht. De voorbeeldconfiguraties op de modelpagina verdelen het over vier GPU's. Voor wie minder hardware heeft, staan er al gecomprimeerde versies voor llama.cpp, Ollama en LM Studio.

Naast het hoofdmodel verscheen een basisversie zonder nabewerking, voor teams die het zelf verder willen trainen.

Sterk in de terminal, minder in kennisvragen

Nanbeige vergelijkt het model met drie open concurrenten van vergelijkbare omvang: Qwen3.8-27B, Muse-Glimmer-30B en Gemma4-31B. Let op: het gaat om cijfers die het lab zelf heeft gemeten, met eigen testopstellingen. Een paar uitschieters:

  • Terminal-Bench 2.1 (taken in een commandoregel): 80,9 tegen 73,0 voor Qwen3.8-27B.
  • DeepSWE (zelfstandig softwareproblemen oplossen): 65,5 tegen 42,5.
  • SWE-Bench Pro: hier verliest het nipt, met 60,3 tegen 61,7 voor Qwen.
  • GPQA Diamond (moeilijke wetenschapsvragen): Gemma4-31B scoort hoger, 91,3 tegen 89,5.

Ook op GDPval, een test met realistische kantoortaken, moet het Qwen voor laten gaan. Het beeld is dus vooral dat van een specialist in agentisch programmeerwerk, niet van een model dat overal wint.

Eerst de leraar, dan de leerling

Het lab noemt dit model nadrukkelijk de "leraar" van de Nanbeige4.3-reeks. Het plan is om de vaardigheden ervan over te brengen op kleinere modellen, te beginnen met een versie van 3 miljard parameters. Eerdere kleine Nanbeige-modellen trokken al aandacht omdat ze op programmeertests grotere modellen versloegen.

Waarom open modellen hier aantrekkelijk zijn

Voor Nederlandse en Europese organisaties is het belangrijkste punt dat je zo'n model op eigen servers kunt draaien. Code en documenten hoeven dan niet naar een Amerikaanse of Chinese clouddienst, wat helpt bij de AVG en bij beleid rond gevoelige bedrijfsinformatie. Daar staat tegenover dat je zelf verantwoordelijk bent voor beveiliging en toetsing. Het model is getraind op Engels en Chinees; hoe goed het met Nederlandse teksten omgaat, staat niet op de modelpagina.

De release past in een drukke week voor Chinese open modellen. Eerder kondigde Moonshot aan dat de open gewichten van Kimi K3.1 Pro in november volgen. Ook de modelpagina van Nanbeige4.3-33B op Hugging Face is openbaar te bekijken.