Nanbeige4.3-33B
推理增强 · Nanbeige4.3-33B · Q4_K_M
模型文件由第三方社区提供,贤紫精选模型市场仅提供索引与下载便利;使用请遵守该模型开源协议。
Nanbeige4.3-33B Llamacpp imatrix 量化版
由 Nanbeige 发布,基于 llama.cpp b11845 版本 imatrix 量化
基础信息
| 项目 | 说明 |
|---|---|
| 模型名称 | Nanbeige4.3-33B Llamacpp imatrix |
| 原始模型 | Nanbeige/Nanbeige4.3-33B |
| 量化工具 | llama.cpp b11845 |
| 参数量 | 33B(源权重) |
| 输入模态 | 文本 |
| 推测解码 | 否 |
| imatrix | 是 |
评测总表
| Category | Benchmark | Nanbeige4.3-33B | Qwen3.8-27B | Muse-Glimmer-30B | Gemma4-31B |
|---|---|---|---|---|---|
| Agentic Coding | Terminal-Bench 2.1 | 80.9 | 73.0 | 61.8 | 47.2 |
| Agentic Coding | Terminal-Bench 4.0 | 23.8 | 6.3 | 1.6 | 0.0 |
| Agentic Coding | DeepSWE3 | 65.5 | 42.5 | 4.4 | 2.7 |
| Agentic Coding | SWE-Bench Pro3 | 60.3 | 61.7 | 36.9 | 51.2 |
| Agentic Coding | SWE-Atlas-QnA4 | 50.8 | 41.9 | 17.7 | 3.3 |
| Agentic Coding | NL2Repo5 | 53.0 | 48.3 | 27.4 | 33.8 |
| Agentic Coding | Scicode | 52.6 | 46.7 | 44.9 | 45.5 |
| Agentic Coding | SkillsBench | 61.1 | 56.4 | 39.7 | 28.9 |
| Agentic Cowork | Automation Bench6 | 54.2 | 38.3 | 15.2 | 9.7 |
| Agentic Cowork | JobBench7 | 44.8 | 34.5 | 16.6 | 9.0 |
| Agentic Cowork | GDPval8 | 84.8 | 86.4 | 75.8 | 71.4 |
| Agentic Cowork | Claw-Evalpass^39 | 78.3 | 75.2 | 57.3 | 44.2 |
| Agentic Cowork | Toolathlon-Verified10 | 70.4 | 68.5 | 47.2 | 27.8 |
| Agentic Cowork | DeepPlanning12 | 63.3 | 49.2 | 21.4 | 19.4 |
| Agentic Cowork | EnterpriseOps-Gym12 | 41.0 | 40.2 | 30.5 | 27.3 |
| Agentic Cowork | YC-bench11 | $1,025,437 | $641,290 | $513,978 | $265,152 |
| Agentic Cowork | Tau3-Bench12 | 48.8 | 48.5 | 33.7 | 18.6 |
| Reasoning | GPQA Diamond | 89.5 | 89.2 | 83.5 | 91.3 |
| Reasoning | AIME 2026 | 95.2 | 94.5 | 94.7 | 89.2 |
| Reasoning | AA-LCR | 84.0 | 82.0 | 83.3 | 72.0 |
评测说明
- Nanbeige4.3-33B 在聊天模板中设置
preserve_thinking=true进行评估。 - Terminal-Bench 2.1 使用 Terminus 2 进行评估。
- Terminal-Bench 4 和 DeepSWE 使用 mini-swe-agent v2.4.6 进行评估。
- SWE-Atlas-QnA 使用 mini-swe-agent v2.4.6 进行评估。答案基于 1,304 个任务专用评分标准,以 GPT-6 Sol 作为评判模型,并采用中等推理强度进行评估。
- NL2Repo 使用 Claude Code 进行评估。
- Automation Bench v1.0.6 包含 600 个公开发布的任务。
- JobBench 使用配备搜索工具的 Claude Code 框架进行评估。
- GDPval 使用修订后的评分标准进行评分。
- Claw-Eval 仅在 Claw-Eval General 子集(包含 157 个单轮用户交互任务)上进行评估。
- Toolathlon-Verified 对单个模型请求不设置 max_tokens 限制。
- YC-bench 在每次模型调用前仅保留最近 10 轮用户对话作为历史上下文。
- DeepPlanning、EnterpriseOps-Gym、Tau3-Bench 使用其官方代码仓库进行评估。