要点まとめ

  • Nanbeige 4.3 33BはNanbeigeが公開した33Bの高密度モデルで、Apache 2.0と512Kコンテキストが特徴です。
  • エージェント型コーディングやターミナル作業を想定し、XML形式のツール呼び出しで外部ツールと連携します。
  • 重みと手順はHugging Faceの公式リポジトリで公開され、Transformersから読み込んで利用できます。
  • 同社はこのモデルを、今後登場する小型のNanbeige4.3-3Bの教師として使うと説明しています。

基本情報

ジャンル・位置づけオープンな高密度LLM・エージェント向け
対応端末Hugging Face上やローカル環境で実行
料金重みは公開、利用条件は公式で確認
対応言語公式リポジトリで確認が必要
注目ポイント512KコンテキストとXMLツール呼び出し
難易度中〜上級、Pythonと推論環境が必要
カテゴリAI・新モデル
作者・提供元Nanbeige
公式サイトhuggingface.co ↗
注目度🔥 注目度 52万
最終更新

Nanbeige 4.3 33Bは何を目指したモデルなのか

Nanbeige 4.3 33Bは、Nanbeigeが2026年10月25日に発表した33Bパラメータの高密度言語モデルです。ライセンスはApache 2.0で、512Kトークンという非常に長いコンテキストを扱えるとされています。同社は、小型エージェントの性能の天井を押し上げるため、まず強力な教師モデルを作るという方針を掲げており、このモデルはその第一歩に位置づけられます。

発表では、約30B規模のオープンモデルの中でエージェント性能が最先端（SOTA）だと主張されています。具体的にはエージェント型コーディングや協働（cowork）ベンチマークで強い結果を示し、一般的なエージェント実行環境に組み込むことで実務的なタスクを低コストな推論でこなせると説明されています。

さらに、このモデルは今後登場する小型モデル群の教師として使われ、最初の対象がNanbeige4.3-3Bになると案内されています。つまり単体の完成品であると同時に、小型エージェントを育てるための土台という二つの役割を持つ点が、他の33B級モデルとの大きな違いです。

  • 33Bの高密度モデル

    Mixture-of-Expertsではなく高密度構成の33Bで、Apache 2.0として公開されています。商用利用の可否など細かな条件は公式リポジトリの記載を確認してください。

  • 512Kの長いコンテキスト

    512Kトークンを扱えるため、長いコードベースや大量のログをまとめて渡す用途に向きます。実際にどこまで安定するかは手元の環境で検証するのが確実です。

  • 教師モデルという役割

    Nanbeigeはこのモデルを、後続のNanbeige4.3-3Bなど小型モデルの教師に使うと説明しています。小型エージェントの設計図としての価値も持つ点が特徴です。

XML形式のツール呼び出しとエージェント連携の仕組み

Nanbeige 4.3 33Bの使い方は、TransformersのAutoModelForCausalLMとAutoTokenizerで重みを読み込み、チャットテンプレートを適用する流れが基本です。システムメッセージ、ユーザーメッセージ、そしてツール定義をまとめて渡すことで、モデルは会話の一部としてツール呼び出しを生成します。特別な専用APIを必要とせず、一般的な推論コードの延長で扱える点が実務では助かります。

ツール呼び出しはXML形式で表現されるのが特徴です。モデルが返すXMLをエージェント側で解析し、実際のコマンド実行やファイル操作につなげることで、ターミナル作業やエージェント型コーディングを進められます。既存のエージェント実行環境に組み込むと、現実的なタスクを低コストな推論で処理できると発表では説明されています。

ただし、XMLの正確な書式やツール定義の渡し方はモデルカードの記載に依存します。独自の解釈で実装すると呼び出しが失敗しやすいため、まず公式リポジトリのテンプレートとサンプルをそのまま動かし、挙動を確認してから自分のエージェントに移植するのが安全です。

  • Transformersで読み込む

    AutoModelForCausalLMとAutoTokenizerを使い、チャットテンプレートを適用して推論します。量子化や並列化の要否はGPUメモリに応じて判断してください。

  • XMLでツールを呼ぶ

    モデルはXML形式でツール呼び出しを出力し、エージェント側がそれを解釈して実行します。書式は公式のモデルカードで必ず確認しましょう。

  • エージェント環境に組み込む

    主流のエージェント実行環境に統合すると、ターミナル操作やコーディング作業を任せられます。まず小さなタスクで成功率を測るのがおすすめです。

Hugging Faceから始める導入手順と検証のコツ

入手先はHugging Face上の公式リポジトリで、ソースコードと手順が公開されています。モデルカードを開き、Files and versionsタブでsafetensors形式の重みを確認するのが最初の一歩です。ファイルサイズや分割の有無はリポジトリの表示で確認でき、ダウンロード前に必要なストレージを見積もれます。

読み込み後は、いきなり大きなタスクを任せるのではなく、ツール呼び出しのテンプレートを小さなエージェント環境で試すのが定石です。簡単なファイル操作やコマンド実行を数件流し、XMLの出力が期待どおりに解析できるかを確かめます。ここでつまずく場合は、テンプレートの適用漏れやツール定義の記述ミスが原因であることが多いです。

動作確認が取れたら、512Kコンテキストを活かして長いコードやログを渡す検証に進みます。ただし長い入力はメモリと時間を大きく消費するため、まず短い入力で品質を確認し、必要に応じて段階的に伸ばすと効率的です。公開直後のモデルは知見が少ないため、公式リポジトリの更新をこまめに確認してください。

  • モデルカードを読む

    ライセンス、コンテキスト長、推奨の使い方がまとまっています。推測で補わず、記載された手順に従うのが最短です。

  • 重みを確認する

    Files and versionsタブでsafetensorsの有無と分割数を確認します。必要なディスク容量と転送時間を先に見積もりましょう。

  • 小さく試す

    短いプロンプトと単純なツール呼び出しから始め、XMLが正しく解析されるかを確認します。問題があればテンプレート適用を見直します。

Qwen3.8-27Bとの比較と向き不向き

Nanbeigeは、このモデルがエージェント型コーディングとターミナル系タスクでQwen3.8-27Bを上回ると主張しています。ただしこれは提供元の発表に基づく比較であり、ベンチマークの条件や評価方法の詳細は公開情報だけでは判断しきれません。採用を検討する際は、自分の用途に近いタスクで両者を実際に走らせて確かめるのが現実的です。

サイズの面では33Bの高密度モデルであるため、27B級と比べて必要なGPUメモリが大きくなりがちです。一方で512KコンテキストやXMLベースのツール連携など、エージェント用途を強く意識した設計が利点になります。手元の計算資源とタスクの性質を照らし合わせて選ぶことが重要です。

向いているのは、長いコンテキストを扱うコーディング支援や、ツールを呼び出しながら進める自動化タスクです。逆に、軽量なチャット用途や限られたGPUで手軽に動かしたい場合には、より小さなモデルのほうが適する可能性があります。ライセンスはApache 2.0とされていますが、細かな条件は公式リポジトリで確認してください。

  • 性能比較は自己検証を

    Qwen3.8-27Bを上回るという主張は提供元によるものです。公開ベンチマークの条件を確認し、自分のタスクで比較するのが確実です。

  • 資源要件に注意

    33Bの高密度モデルは27B級よりメモリを要する傾向があります。量子化や分割実行も選択肢に入れて検討しましょう。

  • 教師モデルとしての価値

    後続の小型モデルの教師になる予定で、小型エージェント設計の参考になります。派生モデルの動向も追う価値があります。

ステップ別ガイド

  1. 公式リポジトリを開く

    Hugging Face上のNanbeigeの公式リポジトリにアクセスし、モデルカードでライセンスや使い方の概要を確認します。ここに書かれた手順が最も信頼できる情報源です。

  2. 重みを確認して取得する

    Files and versionsタブでsafetensors形式の重みを確認し、必要な容量を見積もってからダウンロードします。分割ファイルがある場合はすべて揃えてください。

  3. Transformersで読み込む

    AutoModelForCausalLMとAutoTokenizerでモデルを読み込み、公式のチャットテンプレートを適用します。GPUメモリが足りない場合は量子化や分割実行を検討します。

  4. ツール呼び出しを試す

    システム・ユーザー・ツール定義を渡し、XML形式のツール呼び出しが正しく出力されるか小さなタスクで確認します。解析に失敗する場合はテンプレートの適用を見直します。

  5. エージェント環境に統合する

    動作確認後、主流のエージェント実行環境に組み込み、ターミナル操作やコーディング作業を任せます。長いコンテキストは短い入力から段階的に試すと安全です。

よくある質問

Nanbeige 4.3 33Bは無料で使えますか？

重みはHugging Faceの公式リポジトリで公開されており、ライセンスはApache 2.0とされています。ただし商用利用や再配布の細かな条件は公式の記載が優先されるため、利用前にモデルカードを確認してください。API経由の提供や料金体系については、公式の案内を確認するのが確実です。

どんな端末や環境で動かせますか？

基本的にはPythonとTransformersを使える環境で、十分なGPUメモリを備えたマシンが想定されます。33Bの高密度モデルなので、一般的なノートPCでは厳しい可能性があります。量子化や分割実行などの工夫が必要になる場合もあるため、公式リポジトリの推奨環境を確認してください。

Qwen3.8-27Bより本当に高性能ですか？

エージェント型コーディングとターミナル系タスクで上回るという主張はNanbeigeの発表によるものです。ベンチマークの条件や評価方法の詳細は公開情報だけでは判断しきれないため、自分の用途に近いタスクで実際に比較することをおすすめします。用途によって優劣は変わります。

ツール呼び出しはどう設定しますか？

システムメッセージ、ユーザーメッセージ、ツール定義をまとめて渡し、モデルが出力するXML形式の呼び出しをエージェント側で解析して実行します。正確な書式やテンプレートは公式のモデルカードに依存するため、まずサンプルをそのまま動かして確認してください。

Nanbeige4.3-3Bとの関係は？

Nanbeigeは、この33Bモデルを今後登場する小型モデル群の教師として使うと説明しており、最初の対象がNanbeige4.3-3Bです。つまり33Bは単体で使うだけでなく、小型エージェントを育てる土台という役割も持ちます。3Bの公開時期や詳細は公式の発表を確認してください。