Nanbeige publie Nanbeige4.3-33B, un modèle ouvert de 33 milliards de paramètres pour le codage à base d'agents

L'enjeu est double. Pour les équipes qui cherchent un modèle ouvert capable d'orchestrer des outils et de travailler sur de longues sessions, un modèle de cette taille, sous licence permissive et avec un contexte de 512 000 tokens, élargit le choix face aux références proches de 30 milliards de paramètres. Le déploiement reste cependant exigeant : les recettes SGLang et vLLM de la fiche du modèle recourent à un parallélisme tensoriel sur quatre GPU, et les poids en BF16 occupent environ 66 Go. Une seule quantification communautaire est recensée pour l'instant. Le modèle propose trois commandes dans son gabarit de conversation : enablethinking, actif par défaut, preservethinking, qui conserve le raisonnement des tours précédents et est recommandé pour les agents de code et les appels d'outils multi-tours, et un mode d'appel d'outils au format XML. Il faut aussi rappeler que tous les chiffres sont publiés par Nanbeige elle-même et n'ont pas fait l'objet d'une vérification indépendante.

Ce lancement s'inscrit dans une stratégie explicite : construire d'abord un solide modèle « enseignant », puis distiller ses compétences agentiques vers des modèles plus petits, à commencer par Nanbeige4.3-3B. Il illustre aussi la montée de laboratoires issus d'entreprises non spécialisées en IA, comme une plateforme de recrutement, dans la course aux modèles ouverts, jusqu'ici dominée par Qwen et Gemma. La version de base bat Gemma4-31B-Base sur les huit tâches rapportées, par exemple 66,9 contre 59,3 sur MMLU-Pro et 62,0 contre 41,5 sur GPQA, ce qui la rend attrayante pour des équipes souhaitant l'adapter à leurs propres données. La suite dépendra de la reproduction des résultats par des évaluateurs tiers et de la qualité des modèles distillés plus compacts.