30B级开源Agent模型被拉到天花板了

一个正在发生的变化

@nanbeige 正式发布 Nanbeige4.3-33B，在约30B参数的开源模型中实现了SOTA（State-of-the-Art，即同级别最优）的代理性能。这意味着在编码和协作类任务上，它是目前开源社区里30B参数档位最强的选手。

@NFT_Chen 指出，这款模型在多项编码基准测试中表现突出：Terminal-Bench 2.1 得分80.9，4.0 得分23.8，DeepSWE 得分65.5，性能反超 Qwen-3.8 27B。它既能直接接入主流Agent框架处理真实任务，推理成本也相对可控。

更值得关注的是它的定位——这款33B模型同时是一个「教师模型」。按照官方策略，它会作为后续更小尺寸Nanbeige模型的训练基础。这背后用到的技术叫知识蒸馏：让小型「学生模型」从大型「教师模型」身上学习推理模式，教师不仅输出正确答案，还会给出对所有可能答案的置信度分布，供学生模仿。

小模型已经在反超大模型

这不是Nanbeige第一次走「小而强」路线。此前发布的 Nanbeige4.1-3B 是一款仅3B参数的小型通用模型，却在多数基准测试中表现优于30B-32B级别的模型（Qwen3-30B-A3B-2507 和 Qwen3-32B），涵盖编码、对齐和工具使用任务。

具体数字更直观：在 LCB-V6 编码基准测试中，Nanbeige4.1-3B 得分76.9，高于 Qwen3-32B 的55.7；在 LCB-Pro-Medium 编码基准测试中，它得分28.1，而 Qwen3-32B 仅3.5。数学基准 AIME 2026 I 上，3B模型得分87.40，也高于 Qwen3-32B 的75.83。

多方声音

@andrew_n_carr 看到消息后的反应是：「Oh my word. Wow, what a model. I hope it's real（previous ones have been good, so I'm optimistic）」——既兴奋又带着一丝谨慎的期待。

这条核心推文目前获得了2152个点赞、244次转发、1681次收藏，浏览量超过27万，总互动量4806，传播速度约每小时820次。

对普通人意味着什么

如果小模型能持续通过蒸馏从大模型身上学到本事，未来跑在手机、笔记本电脑上的本地AI，能力可能比今天云端的大模型还强。这意味着更多AI功能可以离线运行，隐私数据不必上传，使用成本也会进一步下降。

一个开放的问题

当3B参数的模型能在编码和数学上反超32B的对手，参数规模这个曾经最重要的指标，还能多大程度代表模型的真实能力？