Nanbeige4.3 öffnet ein 33B-Modell für eigene Coding-Agenten

Worum es geht

Nanbeige LLM Lab, das Forschungsteam der Jobplattform BOSS Zhipin, hat am 24. Oktober 2026 Nanbeige4.3-33B veröffentlicht. Die Gewichte stehen auf Hugging Face bereit; die Modellkarte weist Apache 2.0 als Lizenz aus. Das Veröffentlichungsdatum lässt sich über die Metadaten des offiziellen Repositories nachvollziehen. Für Entwickler ist daran vor allem interessant, dass sie einen Coding-Assistenten auf eigener Infrastruktur betreiben und dessen Arbeitsabläufe selbst gestalten können.

Das ist keine Garantie für einen besseren Programmierer. Die veröffentlichten Leistungswerte stammen vom Labor selbst, nicht aus einem unabhängigen Vergleich von Cyber Ivy. Dennoch ist die Kombination aus zugänglichen Gewichten, einer freizügigen Lizenz und dokumentierter Werkzeugnutzung ein konkreter Anlass, das Modell gegen die bisherige Lösung zu testen. Es geht um mehr Wahlfreiheit beim Betrieb, nicht um einen belegten Ersatz für sämtliche kommerziellen Spitzenmodelle.

Was Nanbeige4.3-33B tatsächlich macht

Das Sprachmodell soll mehrstufige Programmier- und Büroaufgaben unterstützen. Ein umgebendes Agentenprogramm gibt ihm beispielsweise Dateien, Suchergebnisse oder die Ausgabe eines Tests. Das Modell schlägt daraufhin den nächsten Schritt vor. Welche Dateien es verändern und welche Befehle es ausführen darf, entscheidet diese Umgebung. Die Modellgewichte allein sind noch kein fertig eingerichteter Arbeitsplatz.

Laut offizieller Modellkarte unterstützt das Modell bis zu 524.288 Token Kontext. Das beschreibt die Menge verarbeitbarer Textelemente, nicht eine garantierte fehlerfreie Erinnerung an jedes Detail. Die Dokumentation enthält Startbeispiele für Transformers, SGLang und vLLM. Für Werkzeugaufrufe empfiehlt das Team XML; JSON wird ebenfalls unterstützt.

Eine Einstellung namens preserve_thinking kann Überlegungen aus früheren Gesprächsschritten erhalten. Das Labor empfiehlt sie für längere Werkzeugabläufe, nicht für jedes gewöhnliche Gespräch. Außerdem soll das 33B-Modell später als Lehrer für kleinere Modelle dienen. Das erwähnte Nanbeige4.3-3B ist dabei eine angekündigte nächste Stufe und kein durch diese Veröffentlichung belegtes fertiges Produkt.

Warum das wichtig ist

Wer einen Agenten über einen externen Dienst betreibt, hängt von dessen Verfügbarkeit, Schnittstellen und Nutzungsbedingungen ab. Offene Gewichte schaffen eine zusätzliche Betriebsoption. Ob Eigenbetrieb wirtschaftlicher ist, hängt jedoch von Hardware, Auslastung und Wartung ab. Einen allgemein gültigen Preisvorteil weisen die geprüften Quellen nicht nach.

Die Vergleichstabelle des Labors liefert einen Ansatzpunkt für eigene Tests: Bei Terminal-Bench 2.1 nennt sie 80,9 für Nanbeige und 73,0 für Qwen3.8-27B. Beim SWE-Bench Pro liegt dagegen Qwen mit 61,7 vor Nanbeige mit 60,3. Diese Zahlen sind unterschiedliche Testergebnisse unter den jeweiligen dokumentierten Bedingungen, keine Prozentwerte für zuverlässig erledigte Alltagsarbeit.

Auch die unabhängigen Veröffentlichungen von explainx.ai und AI/TLDR ordnen die Tabelle als Herstellerangabe ein. Sie bestätigen keine eigene Reproduktion. Gerade deshalb ist die praktische Konsequenz überschaubar: Teams können eine weitere offen verfügbare Option in ihren bestehenden Arbeitsabläufen erproben, statt aus einem Balkendiagramm sofort einen Anbieterwechsel abzuleiten.

Einfach erklärt

Man kann sich das wie eine Werkstatt vorstellen. Ein externer Dienst ist eine beauftragte Werkstatt, die ihre Ausstattung und Abläufe selbst bestimmt. Offene Modellgewichte sind eher eine Maschine, die in der eigenen Werkstatt stehen kann. Man gewinnt Einfluss darauf, wer Zugang bekommt und wie gearbeitet wird. Dafür muss man sich selbst um Einrichtung, Wartung und Qualitätskontrolle kümmern.

Ein guter Wert im Werkzeugkatalog sagt zudem nicht, ob die Maschine das eigene Werkstück sauber bearbeitet. Erst ein Versuch mit dem tatsächlich verwendeten Material zeigt, ob sie passt. Bei einem Coding-Agenten sind dieses Material die eigenen Repositories, Tests und Fehlerfälle.

Praktisches Beispiel

Ein fiktives Entwicklungsteam wählt 20 bereits gelöste Fehlermeldungen aus einem internen Projekt aus. Es gibt dem neuen Modell und seinem bisherigen Assistenten jeweils denselben Ausgangscode und dieselben Werkzeuge. Beide arbeiten nur in getrennten Testkopien, ohne Zugang zur Produktionsumgebung.

Das Team zählt anschließend bestandene Tests, nötige menschliche Korrekturen und den Aufwand pro akzeptierter Lösung. Zusätzlich prüft es, ob ein scheinbar erfolgreicher Vorschlag wichtige Prüfungen entfernt hat. Die Zahl 20 beschreibt nur dieses erfundene Testdesign; sie ist kein Ergebnis der Veröffentlichung. So wird aus einem allgemeinen Benchmark-Versprechen eine überprüfbare Entscheidung für einen konkreten Arbeitsplatz.

Einordnung und Grenzen

• Keine unabhängige Leistungsbestätigung: Die verglichenen Modelle und Testumgebungen wurden vom Anbieter ausgewählt. Die Titelgrafik zeigt dessen Vergleich, keinen Cyber-Ivy-Test. AI/TLDR weist zudem auf Abweichungen einzelner Zellen zwischen Grafik und Tabelle hin; die Zahlen im Text folgen der Modellkartentabelle.
• Eigenbetrieb benötigt Ressourcen: Die Metadaten nennen rund 33,1 Milliarden Parameter in BF16. Lange Kontexte benötigen zusätzlichen Speicher. Die Beispiele mit vierfacher Parallelisierung sind keine Zusage, dass das Modell auf einem gewöhnlichen Laptop sinnvoll läuft.
• Werkzeugzugriff bleibt ein Risiko: Offene Gewichte verhindern weder falsche Änderungen noch unerwünschte Befehle. Die Modellkarte nennt Englisch und Chinesisch; belastbare Ergebnisse für deutsche Arbeitsabläufe liefern die geprüften Quellen nicht. Solche Abläufe benötigen eigene Tests und begrenzte Rechte.

SEO- und GEO-Schlüsselbegriffe

Nanbeige4.3-33B, Nanbeige LLM Lab, BOSS Zhipin, offene Modellgewichte, Apache 2.0, Coding-Agenten, Hugging Face, Terminal-Bench, lokale KI, Modellvergleich