BOSS 直聘旗下 Nanbeige 发布 Nanbeige4.3-33B，Intelligence…
Nanbeige has released Nanbeige4.3-33B scoring 20 on the Intelligence Index | Artificial Analysis
BOSS 直聘旗下基础模型团队 Nanbeige 发布开源权重推理模型 Nanbeige4.3-33B，在 Artificial Analysis Intelligence Index v5 上得分 20，与 Qwen3.8 27B（xhigh）持平。该模型为 33B 稠密参数、Apache 2.0 许可、仅文本输入输出、524K token 上下文窗口，小到可在笔记本本地运行。它在 Terminal-Bench 4.0 得 30%、CritPt v2 Hard Subset 得 16%，均高于 Qwen3.8 27B 的 6% 和 4%；但 AA-Briefcase v1.1 为 1162 Elo、FrontierCode 2.0 为 11%、HLE-Diamond 为 7%，低于后者的 1391、15% 和 15%。其幻觉率 18%、拒答率 71%，每个 Intelligence Index 任务消耗 158K 输出 token，比 Qwen3.8 27B 的 110K 多约 44%。目前尚无确认的公开一方或三方 API。
推荐理由
精选AI 评分 62
同为 20 分，Nanbeige4.3-33B 与 Qwen3.8 27B 在终端使用、知识问答和输出 token 消耗上各有取舍，可据此判断小参数本地模型的适用边界。
主题
正文 · AI 翻译
Artificial Analysis
所有文章
2026年11月5日 Nanbeige 发布了 Nanbeige4.3-33B，这是一款开放权重模型，在 Artificial Analysis Intelligence Index v5 上得分 20，与 Qwen3.8 27B（xhigh）持平，终端使用能力更强但知识能力较弱。查看模型页面
Nanbeige 是 BOSS 直聘（由看准有限公司运营的中国招聘平台）旗下的基础模型研究团队。其稠密 33B 推理模型以 Apache 2.0 许可开放权重，仅支持文本输入和输出，上下文窗口为 524K token，体积小到可在笔记本电脑上本地运行。
主要结果：
➤ 在 30B 总参数规模下取得有竞争力的结果。Nanbeige4.3-33B 和 Qwen3.8 27B（xhigh）均得分 20，而 Muse Glimmer（high，30B）为 6。
➤ 终端使用和物理推理是相对优势。Nanbeige 在 Terminal-Bench 4.0 上得分 30%，在 CritPt v2 的 Hard Subset 上得分 16%，而 Qwen3.8 27B 分别为 6% 和 4%。
➤ 尽管总分相同，优势领域与 Qwen3.8 27B 不同。Nanbeige 在 AutomationBench-AA 上超过 Qwen3.8 27B（53% 对 48%），但在 AA-Briefcase v1.1（1162 对 1391 Elo）、FrontierCode 2.0（11% 对 15%）和 HLE-Diamond（7% 对 15%）上落后。
➤ 在 Omniscience 上拒答率高、幻觉率低。Nanbeige 在 AA-Omniscience v1.1 上得分为 -4，而 Qwen3.8 27B 为 -6，幻觉率为 18% 对 29%。它正确回答的问题更少（12% 对 17%），并拒答 71% 的问题。
➤ 智能水平相近，但每个任务消耗的输出 token 更多。Nanbeige 每个 Intelligence Index 任务使用 158K 输出 token，而 Qwen3.8 27B 为 110K，约多 44%。
其他模型细节：
➤ 类型：开放权重推理模型（Apache 2.0 许可）
➤ 规模：33B 总参数（稠密）
➤ 模态：仅文本输入和输出
➤ 上下文窗口：524K
➤ API 可用性：尚无确认的公开一方或三方 API
Nanbeige4.3-33B 以 33B 总参数在 Intelligence Index 上达到 20，与 27B 的 Qwen3.8 27B 的 20 并列，并在 Intelligence Index 对总参数上设定了新的帕累托最优点。Nanbeige4.3-33B 和 Qwen3.8 27B 均为稠密模型。DeepSeek V4.1 Flash 1017（max）以 552B 总参数得分 33，但其 MoE 架构每个 token 仅激活 16B。
Nanbeige4.3-33B 的 AA-Omniscience v1.1 结果反映了选择性作答。其幻觉率为 18%，而 Qwen3.8 27B 为 29%；其尝试率为 29%，而后者为 43%。Qwen 总体正确回答的问题更多：17% 对 12%。
Nanbeige4.3-33B 每个 Intelligence Index 任务使用 158K 输出 token，而 Qwen3.8 27B 为 110K——尽管两者均得分 20，但前者多 44%。该加权平均值包含九项 v5 评估中的答案 token 和推理 token，包括智能体工具使用轮次。
Artificial Analysis Intelligence Index v5 各项评估的完整结果
Gemini 4 Carbon 成为 Artificial Analysis Intelligence Index v5 的新第一名
谷歌的 Gemini 4 Carbon 成为 Artificial Analysis Intelligence Index v5 的新第一名，并在 Artificial Analysis Coding Agent Index 上仅次于 Claude Opus 5.5
2026年10月28日
GitHub Copilot Fusion 编排 Anthropic 和 OpenAI 模型以平衡性能与成本
GitHub 在 GitHub Copilot 中发布了 Copilot Fusion，它在 Anthropic 和 OpenAI 模型之间进行编排。在 Coding Agent Index 中，它在 Claude Code 里的得分比 Opus 5.5 低 2 分，而每个任务成本仅为其一半
2026年10月28日
Index v5 包含 2 项新基准和 3 项升级。这是 Index 首次大部分基于私有数据集构建
2026年10月27日