招聘软件发了个33B开源模型，Terminal-Bench分数压过Qwen 27B，但先别急着换

一个招聘软件的研究团队，发了个33B的开源模型。

BOSS直聘旗下的Nanbeige发布了Nanbeige4.3-33B，权重放在Hugging Face，Apache 2.0。Thom Wolf在X上给了个容易记住的类比：BOSS直聘像WhatsApp加LinkedIn。现在这个组合里长出一个模型团队，交出的东西在多项Agent基准上压过Qwen3.8-27B。

先看分数。Terminal-Bench 2.1，Nanbeige4.3-33B是80.9，Qwen3.8-27B是73.0。Terminal-Bench 4.0，23.8对6.3。DeepSWE，65.5对42.5。Automation Bench，54.2对38.3。JobBench，44.8对34.5。YC-bench报$1,025,437，Qwen是$641,290。

但表格是实验室自己跑的。Nanbeige这边用了preserve_thinking=true，Qwen在SWE-Bench Pro和GDPval仍然领先，60.3对61.7，84.8对86.4。所以Thom Wolf写“most”是准确的，不是全部。网友Michał Piszczek也提醒了这一点。网友Greg Glazewski盯着DeepSWE的差距，说等第三方复跑。

Nanbeige的路子绕了一步：先把teacher做扎实，再蒸馏小模型。33B是旗舰老师，后面要带出Nanbeige4.3-3B。模型卡里写得很清楚，先推高小Agent的性能天花板。

工程细节也有看点。模型支持524,288 tokens上下文，约512K。chat template里，enable_thinking默认开，preserve_thinking在多轮工具、办公、代码Agent里建议开，普通聊天问答建议关。传tools会启用工具模板，工具调用推荐xml格式，json也兼容。推理参数分两套：Agent和工具任务温度1.0，top_p 0.95，最大新token 65,536；推理和聊天温度0.6，top_p 0.95，最大新token 262,144。Transformers、SGLang、vLLM都能跑。

512K听着爽，本地不一定爽。网友Reza Harirchian算了一笔账：dense llama结构，52层，8个KV head，fp16下KV cache约213KB每token。跑满512K，光KV就约110GB。Q4_K_M权重约21GB，24GB卡大概只剩10K上下文。模型是好模型，只是别把512K当成家用配置。

评论区有人直接甩表情包：

也有人把Qwen4 27B搬出来玩梗：

有人问量化，有人排队WikiBench，有人担心没有长期记录的实验室模型会不会藏后门。Ricardo Dias给了另一个角度：招聘网站发好模型，本身就是招聘广告，会下载33B的人，正好是它想招的ML研究员。

模型卡在这里：Nanbeige4.3-33B，Base版在Nanbeige4.3-33B-Base。原始讨论来自Thom Wolf和Nanbeige公告。