Service
Nanbeige/Nanbeige4.3-33B · Hugging Face
2026.10.27
·Hugging Face·by 성산#AI#GPT#LLM#ML#NLP
핵심 포인트
- 1Nanbeige4.3-33B는 소형 에이전트 모델의 증류를 위한 고성능 교사 모델로서, 복잡한 코딩 및 전문 업무에서 뛰어난 성능을 발휘합니다.
- 2다양한 벤치마크 평가 결과, 이 모델은 약 30B 파라미터급 오픈 소스 모델들 중에서 에이전트 코딩과 협업 업무 분야에서 최상위권의 성능을 입증했습니다.
- 3최대 512K 컨텍스트 길이를 지원하며, Transformers, SGLang, vLLM과 같은 주요 프레임워크를 통해 간편하게 배포 및 활용이 가능합니다.
Nanbeige4.3-33B 모델 요약
Nanbeige4.3-33B는 BOSS 직핀(BOSS直聘)에서 개발한 330억 개의 파라미터를 가진 오픈 소스 대형 언어 모델(LLM)로, 복잡한 코딩 작업과 전문적인 업무 협업(Cowork) 환경에 최적화된 플래그십 교사 모델(Teacher model)입니다. 본 모델은 향후 Nanbeige4.3-3B와 같은 경량 모델의 성능을 끌어올리기 위한 증류(Distillation) 기반의 에이전트 역량 강화 전략의 핵심 자산으로 설계되었습니다.
주요 핵심 방법론 및 기술적 특징
- 에이전트 역량 강화 (Agentic Capabilities):
Terminal-Bench와 SWE-Bench 같은 벤치마크에서 뛰어난 성능을 보이며, 복잡한 논리적 추론이 필요한 상황에서도 안정적인 에이전트 운영을 가능케 합니다.- 추론 및 도구 호출 메커니즘 (Reasoning and Tool-use):
- 추론 제어 (Thinking Control):
enable_thinking파라미터를 통해 모델이 스스로 사고하는 과정(Chain-of-Thought)을 포함할지 여부를 선택할 수 있습니다. - 컨텍스트 유지 (Multi-turn Context):
preserve_thinking을 설정하여 다중 턴 대화 및 도구 호출 시 이전의 추론 과정을 유지하도록 설계되었습니다. 이는 사무 작업이나 코드 에이전트 워크플로우에서 문맥을 잃지 않고 긴 작업을 수행하는 데 필수적입니다. - 도구 호출 (Tool-calling):
xml포맷을 기본으로 하는 도구 호출 형식을 지원하며, 이는 도구 호출 성능을 극대화하기 위해 최적화되었습니다.
- 추론 제어 (Thinking Control):
- 인프라 및 확장성:
- 본 모델은 최대 524,288개의 토큰(512K) 컨텍스트 길이를 지원하여 매우 긴 문서 처리 및 방대한 코드베이스 분석이 가능합니다.
Transformers,SGLang,vLLM을 통한 배포를 공식적으로 지원하며, 특히vLLM사용 시reasoning-parser와tool-call-parser를 통해 모델의 추론 및 도구 사용 성능을 효율적으로 제어할 수 있습니다.
- 모델 성능 평가:
Qwen3.8-27B, Muse-Glimmer-30B, Gemma4-31B 등 동급 규모의 모델들과 비교했을 때, Terminal-Bench 2.1에서 80.9점, DeepSWE에서 65.5점을 기록하는 등 에이전트 코딩 부문에서 독보적인 성능 우위를 점하고 있습니다. 또한 다양한 전문 직업군에 대한 JobBench 테스트에서 Baseline 대비 높은 직무 수행 능력을 입증했습니다.