Nanbeige4.3-33B devance Qwen3.8-27B sur Terminal-Bench 2.1
Nanbeige met en ligne le 24 octobre 2026 Nanbeige4.3-33B, un modèle de 33 milliards de paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique sous licence Apache 2.0, présenté comme le maître dont une version 3 milliards sera distillée. Sur les bancs d'agents de codage, il devance les modèles de la même classe : 80,9 sur Terminal-Bench 2.1 contre 73,0 pour Qwen3.8-27B, 23,8 sur Terminal-Bench 4.0 contre 6,3, 65,5 sur DeepSWE contre 42,5. Il perd en revanche sur SWE-Bench Pro, 60,3 contre 61,7, et sur GPQA Diamond, où Gemma4-31B rend 91,3 contre 89,5.
par Gyom 26 octobre 2026 à 13:00 4 min de lecture rubrique : Code
etiquettes : Hébergé · Coût
La fiche du modèle est datée du 24 octobre 2026, en anglais, sous licence Apache 2.0, avec un modèle de base publié à part. Nanbeige y annonce la couleur dès la première phrase : Nanbeige4.3-33B est conçu comme le modèle maître de la série, celui dont les capacités d'agent seront ensuite distillées dans plus petit, la fiche citant un Nanbeige4.3-3B à venir.
Un maître de 33 milliards pour distiller un 3 milliards
La méthode annoncée tient en deux temps. Construire d'abord un agent enseignant de forte capacité, puis distiller ses capacités dans des modèles plus petits. Le 33B est donc autant un produit qu'un outil de production : Nanbeige le présente comme une option déployable tout de suite pour le codage complexe et les tâches de bureau, et comme la base de la distillation à venir.
Le gabarit de conversation est réglé pour cela. Le modèle porte un indicateur de raisonnement activé par défaut, un second réglage qui conserve ou non le raisonnement des tours précédents, recommandé à vrai pour les usages multi-tours d'outils et les flux d'agents de code, et un gabarit d'appel d'outils où la fiche conseille le format XML plutôt que JSON pour la meilleure performance. La longueur de contexte annoncée monte à 524 288 tokens.
80,9 sur Terminal-Bench 2.1, 23,8 sur Terminal-Bench 4.0
Les comparaisons sont faites à effort de raisonnement maximal, avec les mêmes hyperparamètres d'inférenceExécution d'un modèle : une entrée, une sortie. Le calcul se sépare en un pré-remplissage de la question, puis une génération token par token.Fiche du lexique et le même harnais pour tous les modèles du tableau : Qwen3.8-27B, Muse-Glimmer-30B et Gemma4-31B. Sur le codage agentique, l'écart est net sur les bancs de terminal et de modification de dépôt.
- Terminal-Bench 2.1, harnais Terminus 2 : 80,9 contre 73,0 pour Qwen3.8-27B, 61,8 pour Muse-Glimmer-30B, 47,2 pour Gemma4-31B.
- Terminal-Bench 4.0, harnais mini-swe-agent 2.4.6 : 23,8 contre 6,3, 1,6 et 0,0.
- DeepSWE : 65,5 contre 42,5, 4,4 et 2,7.
- SWE-Atlas-QnA : 50,8 contre 41,9, 17,7 et 3,3, noté sur 1 304 grilles de correction par GPT-6 Sol.
- NL2Repo, passé avec Claude Code : 53,0 contre 48,3, 27,4 et 33,8.
Sur les bancs de bureau, la même avance se répète : 54,2 sur Automation Bench contre 38,3 pour Qwen3.8-27B, 44,8 sur JobBench contre 34,5, avec une avance sur la plupart des 35 métiers évalués, 63,3 sur DeepPlanning contre 49,2, et 78,3 sur Claw-Eval contre 75,2. Le banc économique maison, YC-bench, crédite la simulation de 1 025 437 dollars contre 641 290.
Là où il perd : SWE-Bench Pro, GDPval et GPQA Diamond
Le tableau ne donne pas un modèle devant partout, et la fiche le laisse voir. Sur SWE-Bench Pro, le banc des correctifs de dépôts réels, Nanbeige4.3-33B rend 60,3 contre 61,7 pour Qwen3.8-27B. Sur GDPval, qui note des livrables professionnels, il rend 84,8 contre 86,4. Sur GPQA Diamond, 89,5 contre 91,3 pour Gemma4-31B. Il reste devant sur AIME 2026, 95,2 contre 94,5 pour Qwen et 89,2 pour Gemma4, et sur AA-LCR, 84,0 contre 82,0.
La lecture la plus utile est donc celle du profil, pas du classement : un modèle taillé pour porter une charge d'agent, terminal, outils, tâches de bureau en plusieurs tours, dont les scores de raisonnement académique restent dans le peloton sans le dominer.
Quatre GPU pour le servir, 512 000 tokens de contexte
La fiche donne les deux chemins de service, et tous deux demandent quatre GPU : SGLang avec quatre partitions de tenseur et un facteur d'occupation mémoire de 0,8, ou vLLM avec quatre partitions, le choix automatique d'outil activé et les mêmes analyseurs de raisonnement et d'appel d'outils. Un modèle de 33 milliards à 512 000 tokens de contexte n'est pas une charge de bureau, même quantifié : c'est une machine de service.
Ce que la sortie change pour qui construit des agents : une famille chinoise de plus dans la classe des 30 milliards ouverts, avec ses chiffres relevés sur un seul harnais par banc et publiés par le constructeur. Le test qui comptera vraiment sera le 3B distillé de ce maître, parce qu'il dira si la capacité d'agent se transporte en se réduisant, ou si elle tient à la taille du modèle qui l'a apprise.
Source primaire Hugging Face, Nanbeige/Nanbeige4.3-33B, fiche du modèle, 24 octobre 2026