Nanbeige4.3-33B 开放权重：南北阁为何先做一个“教师模型”？

南北阁这次发布，把一个通常藏在训练流程里的角色放到了台前：教师模型。

截至10月27日，Nanbeige 团队已在 Hugging Face 开放 Nanbeige4.3-33B 权重。仓库创建于10月24日，许可证标注为 Apache 2.0。它面向编程、办公和工具调用，既可以被直接部署，也是团队为后续小模型蒸馏准备的基础。

值得先记住的是版本名：眼下能获取的是33B模型。模型说明提到的 Nanbeige4.3-3B，仍属于后续计划。

“教师”先到，小模型还在后面

教师模型，可以理解为先把复杂任务做明白的一方。后续的小模型再学习其中可迁移的能力，希望用较少资源完成类似工作。这个思路吸引人的地方，是把能力开发与最终运行成本分开考虑；能保留多少能力，仍要由学生模型交付后的结果来回答。

南北阁实验室来自 BOSS 直聘，其7月发布的 Nanbeige4.2-3B 论文已围绕小型通用智能体展开研究：让模型处理代码、办公文件和多步骤工具任务，同时兼顾推理能力。旧版研究说明了团队的路线背景，不能替代4.3系列尚未公开的训练细节。

另一个容易混淆的点，是循环 Transformer。4.2-3B 论文介绍了重复使用层堆栈的设计，用额外计算增加有效处理能力。这类“多算几轮”的方法，也可以结合本站的 NVIDIA Dory 4B 解读理解。

但本次33B版本的情况已经得到直接确认。在模型仓库的架构问答中，带有 Nanbeige 实验室组织身份的成员回复：4.3-33B 没有采用循环 Transformer；后续的4.3-3B、4.5-3B计划采用该路线。这里包含已确认的当前架构，也包含尚待兑现的产品计划。

办公跑分，衡量的是具体任务

官方评测覆盖代码代理和办公代理。下面这张分职业原图，比一个笼统的“综合领先”更有信息量：有些任务分数较高，有些仍低，部分细项由对照模型领先。

图源：Nanbeige4.3-33B 官方模型仓库，2026年10月27日核查。图中为团队报告的 JobBench 任务分数，英文职业名保留原样；分数不能解读为整份职业可被替代的比例，本文未独立复测。

为什么特别强调“任务”？JobBench 原始论文的出发点，是从从业者希望交给 AI 的工作中选择评测内容，覆盖35种职业的130项任务。测试会给模型多种参考文件，再依据具体事实和评分条件判断产出。例如，记者相关任务关注跨资料核查事实。这更接近一段工作流程，距离独立承担整份职业仍有很大差别。

论文展示的记者案例，需要对照跨年的水质表格、相关规范与监测材料。这类工作里，难点常常藏在日期和来源之间：数字属于哪一年，几份文件是否指向同一个对象，结论能否追溯到原始证据。这样的任务完成得好，才有机会减少从业者反复查资料的负担；一个职业里其他需要现场经验和责任判断的工作，仍不在这一个任务的评分范围内。

评测方式同样影响结果。模型卡注明，不同基准采用相应的代理框架，部分任务还涉及特定评分规则。复现时需要把这些条件一起带上。

10月的一项模型与代理框架配合研究对此提供了背景证据：研究者比较不同模型、框架和任务组合，观察到模型排名会随框架变化。该研究没有测试本次 Nanbeige，不能当作其成绩的独立验证；它提醒我们，工具怎样提供、错误怎样返回、上下文怎样整理，都会影响智能体最终完成工作。

开放权重以后，资源门槛依然要算

NVIDIA NeMo AutoModel 的技术说明将它列为约331亿参数的稠密模型，检查点声明 LlamaForCausalLM 架构，可经 NeMo 的原生 Llama 实现加载。

这也给出了一个直观的数量级：仅按331亿参数、BF16每参数2字节估算，权重约为66GB，采用十进制单位。这是权重体积的粗算，运行时还要为缓存、计算缓冲和并发请求安排资源。量化可以改变存储需求，具体效果要结合对应格式与运行引擎验证。

配置支持的512K上下文，也应与实际可用长度、处理速度分别看待。长文档会进一步消耗缓存，自己的机器能否承担目标任务，需要按实际配置检查。NeMo 页面另有长序列微调配方，其训练资源配置不能直接拿来当聊天推理的最低要求。

NeMo 文档还区分了基础检查点与后训练检查点：前者最大位置数为131,072，后者为524,288。两份权重虽然同属33B系列，目标用途和上下文配置仍有差别。下载时对照完整仓库名与配置，比只记住“南北阁33B”更可靠。

因此，这次发布最实际的价值，是社区拿到了一个可研究、可部署的编程与办公智能体模型，并看到了团队通向更小模型的路线。下一步更值得观察的是：后续3B版本能否保留教师的任务能力，以及它在真实工作负载下能节省多少资源。

补充核查资料见正文五处链接：团队架构问答、4.2原始论文、JobBench论文、模型与框架研究、NVIDIA技术说明。旧论文用于解释背景，当前版本与后续计划以本次模型说明及团队回复为准。