Das Wichtigste in Kürze
- Nanbeige 4.3 33B ist ein dichtes 33B-Sprachmodell von Nanbeige, veröffentlicht am 25. Oktober 2026 unter Apache 2.0 mit 512K-Kontextfenster.
- Laut Nanbeige erreicht es Spitzenwerte bei Agentic-Coding- und Cowork-Benchmarks unter offenen Modellen mit rund 30B Parametern und übertrifft Qwen3.8-27B bei agentischen Aufgaben.
- Der Zugang erfolgt über das offizielle Repository auf huggingface.co: Quellcode, Anleitung und Safetensors-Gewichte, ladbar per Transformers mit AutoModelForCausalLM.
- Es dient als Lehrer für das kommende Nanbeige4.3-3B und ist damit ein Bauplan für kleine, kosteneffiziente Agenten.
Kurzüberblick
| Typ | Offenes Dense-Sprachmodell, 33B Parameter |
|---|---|
| Geräte | Server/Workstation; online auf huggingface.co |
| Kosten | Offene Gewichte unter Apache 2.0 |
| Sprachen | Nicht bestätigt; auf Modellkarte prüfen |
| Highlight | 512K-Kontext, starke Agentic-Performance |
| Einstieg | Hugging-Face-Repository, Transformers |
| Kategorie | KI & Modelle |
| Urheber | Nanbeige |
| Offizielle Seite | huggingface.co ↗ |
| Trend-Index | 🔥 528,4 Tsd. Trend-Index |
| Zuletzt aktualisiert |
Was Nanbeige 4.3 33B ist und warum es gerade im Trend liegt
Nanbeige 4.3 33B ist ein offenes Sprachmodell mit 33 Milliarden Parametern in dichter Architektur, das Nanbeige am 25. Oktober 2026 angekündigt hat. Es erscheint unter der Apache-2.0-Lizenz und bringt ein Kontextfenster von 512.000 Token mit, was sehr lange Eingaben wie große Codebasen oder lange Terminal-Protokolle ermöglicht. Der Fokus liegt klar auf agentischen Aufgaben: Coding, Werkzeugnutzung und Arbeit im Terminal.
Derzeit ist das Modell über das offizielle Repository auf huggingface.co zugänglich, wo Quellcode, Anleitungen und Gewichte bereitstehen. Nanbeige beschreibt die Strategie hinter der Version 4.3 so, dass zuerst ein starker Lehrer gebaut wird, der später kleinere Modelle antreibt. Genau diese Rolle soll Nanbeige 4.3 33B übernehmen, beginnend mit dem angekündigten Nanbeige4.3-3B.
Beliebt ist das Modell, weil es die Lücke zwischen sehr großen und sehr kleinen offenen Agenten adressiert. Mit rund 30B Parametern verspricht es laut Nanbeige Spitzenwerte bei agentischen Benchmarks unter offenen Modellen und soll dabei kosteneffizient in gängigen Agenten-Harnesses laufen. Wer selbst Agenten baut, findet hier einen offenen Kandidaten mit klarer Lizenz.
- Offene Gewichte unter Apache 2.0
Die permissive Lizenz erlaubt kommerzielle Nutzung und Anpassung, sofern die Bedingungen eingehalten werden. Prüfe die genauen Pflichten im Repository.
- 512K-Kontext
Das große Kontextfenster eignet sich für lange Codebasen, Logs und mehrstufige Agentenläufe. Der tatsächliche Speicherbedarf hängt von Quantisierung und Hardware ab.
- Lehrer für Nanbeige4.3-3B
Nanbeige positioniert das 33B-Modell als Wissensquelle für das kommende 3B-Modell. Das macht es interessant für alle, die kleine Agenten trainieren wollen.
Architektur, Fähigkeiten und was das Modell im Agenten leistet
Nanbeige 4.3 33B ist ein dichtes Modell, das heißt, alle Parameter werden pro Token aktiviert, anders als bei Mixture-of-Experts-Ansätzen. Diese Bauweise ist einfacher zu bedienen, benötigt aber entsprechend mehr Rechenleistung. Das Kontextfenster von 512.000 Token ist ein zentrales Verkaufsargument, weil Agenten oft lange Verläufe, Werkzeugausgaben und Dateiinhalte gleichzeitig verarbeiten müssen.
Für Werkzeugaufrufe nutzt das Modell ein XML-Format. In der Praxis lädst du es mit Transformers über AutoModelForCausalLM und AutoTokenizer, wendest die Chat-Vorlage an und übergibst System-, Nutzer- und Werkzeugdefinitionen. So lassen sich Terminal-Befehle, Dateizugriffe und mehrstufige Aufgaben in einen Agenten-Harness einbinden, ohne eine proprietäre Schnittstelle zu benötigen.
Nanbeige nennt starke Ergebnisse bei agentischen Coding- und Cowork-Benchmarks und behauptet, Qwen3.8-27B bei agentischen Aufgaben zu übertreffen. Diese Angaben stammen vom Anbieter selbst und sind nicht unabhängig bestätigt. Wer plant, das Modell produktiv einzusetzen, sollte eigene Tests mit den eigenen Aufgaben durchführen und die Modellkarte für Details zu Trainingsdaten und Grenzen prüfen.
- Dense statt MoE
Dichte Architektur bedeutet vorhersehbares Verhalten, aber höheren Speicher- und Rechenbedarf pro Token. Für kleine Teams kann das die Hardware-Anforderungen erhöhen.
- XML-Werkzeugaufrufe
Werkzeuge werden über ein XML-Schema angesprochen, das in der Chat-Vorlage verankert ist. Teste das Format zuerst mit einfachen Aufgaben, bevor du komplexe Ketten baust.
- Kosteneffiziente Inferenz
Nanbeige betont den Einsatz in gängigen Agenten-Harnesses mit günstiger Inferenz. Die tatsächlichen Kosten hängen von Quantisierung, Batch-Größe und Hardware ab.
So lädst du Nanbeige 4.3 33B und startest deinen ersten Agenten
Der Einstieg beginnt auf huggingface.co im offiziellen Repository von Nanbeige. Dort findest du die Modellkarte, Anweisungen und im Tab für Dateien und Versionen die Safetensors-Gewichte. Prüfe vor dem Download die Lizenz, die empfohlene Transformers-Version und ob zusätzliche Dateien wie Tokenizer-Konfigurationen vorhanden sind.
Zum Laden nutzt du Transformers mit AutoModelForCausalLM und AutoTokenizer. Anschließend wendest du die mitgelieferte Chat-Vorlage an und übergibst Systemanweisung, Nutzereingabe und Werkzeugdefinitionen. Das XML-Format für Werkzeugaufrufe solltest du in einem kleinen Testskript verifizieren, bevor du es in einen größeren Agenten-Harness integrierst.
Für Terminal-Aufgaben empfiehlt sich ein schrittweises Vorgehen: erst einfache Befehle, dann mehrstufige Abläufe mit Rückmeldung. Achte auf Speicherbedarf und Kontextlänge, denn 512K Token sind nur mit ausreichend VRAM oder über Online-Ausführung praktikabel. Wenn du das Modell als Lehrer für ein kleineres Modell nutzen willst, plane die Datenaufbereitung früh ein.
- Repository prüfen
Öffne die Modellkarte und den Tab für Dateien und Versionen, um Gewichte und Anleitungen zu finden. Dort stehen auch Hinweise zu Lizenz und Nutzung.
- Transformers-Setup
Lade Modell und Tokenizer über AutoModelForCausalLM und AutoTokenizer. Die Chat-Vorlage ist entscheidend für korrekte Werkzeugaufrufe.
- Werkzeuge testen
Probiere das XML-Format mit einer einfachen Datei- oder Terminalaufgabe aus. So erkennst du Formatfehler, bevor sie komplexe Ketten stören.
Vergleich, Grenzen und für wen sich das Modell lohnt
Im Vergleich zu Qwen3.8-27B positioniert Nanbeige sein 33B-Modell als stärker bei agentischen Aufgaben, beruft sich dabei aber auf eigene Angaben. Andere offene Modelle in ähnlicher Größe setzen teils auf Mixture-of-Experts, was bei geringerer aktivierter Parameterzahl effizienter sein kann. Wer Wert auf eine permissive Lizenz und ein großes Kontextfenster legt, findet hier einen interessanten Kandidaten.
Die Grenzen liegen auf der Hand: Ein dichtes 33B-Modell braucht substanzielle Hardware, und die 512K Kontextlänge ist in der Praxis nur mit viel Speicher oder über gehostete Ausführung nutzbar. Zudem sind die Benchmark-Angaben nicht unabhängig verifiziert, und Angaben zu unterstützten Sprachen oder Feintuning-Details fehlen in den vorliegenden Informationen. Prüfe die Modellkarte für aktuelle Angaben.
Geeignet ist Nanbeige 4.3 33B für Entwicklerteams, die eigene Agenten für Coding und Terminal-Aufgaben bauen und eine offene Lizenz benötigen. Auch für Forschende, die kleine Modelle mit einem starken Lehrer destillieren wollen, ist es relevant. Wer einfach nur einen Chatbot sucht, findet bei gehosteten Diensten oft einen einfacheren Einstieg.
- Stärke bei Agenten
Der Fokus liegt auf Werkzeugnutzung, Coding und Terminal-Aufgaben. Für reine Textgenerierung ist der Vorteil weniger ausgeprägt.
- Hardware-Anforderung
Dichte 33B-Modelle benötigen viel VRAM oder mehrere GPUs. Quantisierung kann helfen, kostet aber Qualität.
- Unabhängige Tests fehlen
Die Leistungsangaben stammen von Nanbeige selbst. Eigene Benchmarks mit den eigenen Aufgaben sind ratsam.
Schritt-für-Schritt-Anleitung
Offizielles Repository öffnen
Besuche huggingface.co und suche das offizielle Nanbeige-Repository für Nanbeige 4.3 33B. Lies die Modellkarte und prüfe Lizenz, empfohlene Bibliotheksversionen und Nutzungshinweise, bevor du etwas herunterlädst.
Gewichte und Dateien prüfen
Im Tab für Dateien und Versionen findest du die Safetensors-Gewichte und Konfigurationsdateien. Kontrolliere, ob Tokenizer-Dateien und Chat-Vorlage vorhanden sind, und plane den Speicherbedarf für deine Hardware ein.
Mit Transformers laden
Lade Modell und Tokenizer über AutoModelForCausalLM und AutoTokenizer. Achte darauf, die mitgelieferte Chat-Vorlage zu verwenden, damit System-, Nutzer- und Werkzeugnachrichten korrekt formatiert werden.
Werkzeugaufrufe testen
Probiere das XML-Format für Werkzeugaufrufe mit einer einfachen Aufgabe aus, etwa dem Auflisten von Dateien. So erkennst du Formatierungsprobleme früh und kannst die Ausgabe kontrollieren, bevor du komplexere Ketten baust.
In einen Agenten-Harness integrieren
Binde das Modell in einen gängigen Agenten-Harness ein und teste Terminal- und Coding-Aufgaben schrittweise. Beobachte Latenz, Speicherverbrauch und Fehlerquote, und passe Quantisierung oder Batch-Größe an deine Umgebung an.
Häufige Fragen
Was kostet Nanbeige 4.3 33B und wo kann ich es herunterladen?
Das Modell steht unter der Apache-2.0-Lizenz und ist über das offizielle Repository auf huggingface.co zugänglich. Die Lizenz erlaubt kommerzielle Nutzung unter Bedingungen, die du im Repository nachlesen solltest. Kosten entstehen vor allem durch die Hardware oder gehostete Inferenz, nicht durch Lizenzgebühren. Prüfe die Modellkarte für die aktuell gültigen Angaben.
Auf welchen Geräten läuft das Modell?
Nanbeige 4.3 33B ist ein dichtes 33B-Modell und benötigt entsprechend viel Speicher, typischerweise mehrere GPUs oder eine Workstation mit großzügigem VRAM. Es lässt sich auch online auf huggingface.co ausprobieren, was den Einstieg erleichtert. Für den Dauerbetrieb solltest du Quantisierung und Batch-Größe an deine Hardware anpassen. Genaue Mindestanforderungen nennt die Modellkarte.
Wie funktionieren die Werkzeugaufrufe im Detail?
Das Modell nutzt ein XML-Format für Werkzeugaufrufe, das über die Chat-Vorlage übergeben wird. Du definierst System-, Nutzer- und Werkzeugnachrichten und lässt das Modell Aufrufe im XML-Schema ausgeben, die dein Harness ausführt. Teste das Format zuerst mit einfachen Aufgaben, um Fehler früh zu erkennen. Details stehen in der Anleitung im Repository.
Ist Nanbeige 4.3 33B besser als Qwen3.8-27B?
Nanbeige gibt an, bei agentischen Coding- und Cowork-Benchmarks besser abzuschneiden als Qwen3.8-27B. Diese Angaben stammen vom Anbieter und sind nicht unabhängig bestätigt. Je nach Aufgabe, Quantisierung und Harness kann das Ergebnis abweichen. Führe eigene Tests mit deinen typischen Aufgaben durch, bevor du eine Entscheidung triffst.
Welche Rolle spielt das Modell für Nanbeige4.3-3B?
Nanbeige plant, Nanbeige 4.3 33B als Lehrer für das kommende Nanbeige4.3-3B einzusetzen. Das bedeutet, das größere Modell liefert Wissen oder Trainingssignale für das kleinere. Für Entwickler kleiner Agenten ist das interessant, weil es einen Bauplan für kosteneffiziente Modelle verspricht. Details zum Verfahren und Zeitplan solltest du auf der offiziellen Seite prüfen.
