BOSS直聘发布Nanbeige4.3-33B：Agent基准全面领先，社区在质疑什么

BOSS直聘旗下的南北阁团队发布了Nanbeige4.3-33B。33B参数，Dense结构，512K上下文，Apache 2.0许可。官方在Hugging Face同时放出了Chat版和Base版权重，并直接和Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B做了对比。

Terminal-Bench 2.1上，Nanbeige4.3-33B拿到80.9，Qwen3.8-27B是73.0。DeepSWE 65.5对42.5，Automation Bench 54.2对38.3，DeepPlanning 63.3对49.2。多数Agent基准上领先，特别是终端操作和软件工程这类任务，差距拉得比较大。

这个模型有一个明确身份：teacher。Nanbeige4.3系列先造一个大模型，再把Agent能力蒸馏到小模型上，官方点名了后续的Nanbeige4.3-3B。也就是说，33B是过渡，3B才是要铺量的终端产品。招聘平台做Agent，场景也很自然：简历筛选、职位匹配、面试调度，都是需要多步工具调用的活。

社区动作很快。GSQ-RCO的GGUF量化已经有人做出来了，单张48GB显存的4090有机会跑起来。Hugging Face上已经挂了50个量化版本。不过质疑也同步出现。有网友表示，这个分数太猛，得自己拉下来跑跑再信。有网友指出架构还是老llama那一套，全注意力没有线性层，推理成本和KV开销都高，长上下文本地跑不动。还有人在等3B蒸馏版，觉得33B不是最终答案。

模型卡里有一张详细的Benchmark表格，官方也注明了各基准用的harness，比如NL2Repo用的是Claude Code，JobBench也接了Claude Code的harness。这意味着分数不能简单横向对比，不同任务的评测环境并不一致。实际Agent能力如何，还得部署起来看。

一个招聘平台开源一个33B的Agent底座，这件事本身就有点反常识。但仔细想，Agent模型和数据、场景绑定更深，BOSS直聘手里恰好有大量真实职场任务数据。下一步看3B蒸馏版能保留多少Agent能力，那才是决定这个系列有没有存在感的关键。

压力给到Qwen4。开源社区又多了一个可以跑的Agent底座，而且单卡可及。Nanbeige4.3-33B到底行不行，跑过的人说了算。