مدل هوش مصنوعی Nanbeige4.3-33B معرفی شد؛ قدرتی تازه برای کدنویسی خودکار و کارهای اداری

معرفی مدل Nanbeige4.3-33B

مدل Nanbeige4.3-33B یک مدل زبانی بزرگ و متن‌باز است که توسط تیم هوش مصنوعی Nanbeige وابسته به شرکت Kanzhun (مالک پلتفرم استخدامی BOSS Zhipin) روی پلتفرم Hugging Face منتشر شده است. این ابزار به‌عنوان مدل پرچمدار و آموزگار سری Nanbeige4.3 شناخته می‌شود.

وزن‌های این مدل تحت مجوز Apache-2.0 و در کنار نسخه پایه آن یعنی Nanbeige4.3-33B-Base عرضه شده‌اند. تمرکز اصلی این مدل بر کدنویسی عاملی (Agentic Coding) و همکاری عاملی اداری (Agentic Cowork) برای رسیدگی به وظایف سازمانی است. تیم توسعه اعلام کرده است که این مدل پیشرفته‌ترین عملکرد عاملی را در میان مدل‌های متن‌باز رده ۳۰ میلیارد پارامتری ارائه می‌دهد و به‌عنوان مدل مبنا برای تقطیر دانش به نسخه‌های کوچک‌تر نظیر Nanbeige4.3-3B استفاده خواهد شد.

در جریان انتشار این نسخه، تحلیلگران حوزه هوش مصنوعی اعلام کردند که این مدل در بیشتر آزمون‌ها عملکرد بهتری نسبت به رقبای هم‌اندازه خود در خانواده‌های Qwen و Gemma ثبت کرده است و همین موضوع سبب شد نام Nanbeige4.3-33B به‌سرعت در فهرست پروژه‌های پرطرفدار Hugging Face قرار گیرد.

مشخصات کلیدی

نتایج ارزیابی در آزمون‌های تخصصی (در مقایسه با رقبای هم‌اندازه)

تیم توسعه‌دهنده گزارش داده است که در آزمون JobBench (که ۳۵ عنوان شغلی متنوع را در بر می‌گیرد)، این مدل در بیشتر مهارت‌ها از حد پایه فراتر رفته است. تمامی این ارقام بر پایه گزارش رسمی تیم سازنده است و جزئیات دقیق زیرساخت آزمون‌ها در بخش توضیحات مدل قرار دارد.

جایگاه و رویکرد توسعه

استراتژی سری Nanbeige4.3 بر ساخت یک عامل هوشمند آموزگار با ظرفیت بالا در قدم اول و سپس انتقال مهارت‌های عاملی آن به مدل‌های سبک‌تر متمرکز است. مدل ۳۳ میلیارد پارامتری هم‌اکنون برای استفاده مستقیم در محیط‌های کاری آماده است و نقشه راه آموزش مدل‌های کم‌حجم آینده نظیر نسخه ۳ میلیارد پارامتری را هدایت می‌کند.

راهنمای راه‌اندازی و استفاده

• دریافت وزن‌ها: صفحه Nanbeige/Nanbeige4.3-33B در مخزن Hugging Face (نسخه پایه: Nanbeige/Nanbeige4.3-33B-Base)
• اجرا با کتابخانه Transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = 'Nanbeige/Nanbeige4.3-33B'
tok = AutoTokenizer.from_pretrained(model_id, use_fast=False, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype='auto', device_map='auto', trust_remote_code=True)

• اجرا با فریمورک vLLM (نمونه رسمی با موازی‌سازی تنسور روی ۴ گرافیک):

vllm serve Nanbeige/Nanbeige4.3-33B --tensor-parallel-size 4 \
  --enable-auto-tool-choice --reasoning-parser qwen3 --tool-call-parser qwen3_coder

• اجرا با SGLang: تنظیم پارامترهای --reasoning-parser qwen3 --tool-call-parser qwen3_coder

تنظیمات پیشنهادی برای بهترین بازدهی

توصیه می‌شود گزینه preserve_thinking=True را برای استفاده چندمرحله‌ای از ابزارها، حل مسائل اداری و ایجنت‌های کدنویسی فعال نگه دارید؛ اما در گفتگوهای معمولی بهتر است این گزینه خاموش باشد.

این مدل برای چه کاربری مناسب است؟

• تیم‌هایی که به یک مدل متن‌باز در کلاس ۳۰ میلیارد پارامتر برای کدنویسی خودکار و توسعه عوامل هوشمند روی سخت‌افزار اختصاصی نیاز دارند.
• برنامه‌نویسانی که نیازمند پنجره زمینه بسیار بزرگ (۵۱۲ هزار توکن) به‌همراه تسلط بر دو زبان انگلیسی و چینی هستند.

ارتباط با تیم توسعه: nanbeige@kanzhun.com؛ جزئیات بیشتر در صفحه رسمی مدل در Hugging Face در دسترس است.