Nanbeige4.3-33B โมเดล dense 33B ใต้ Apache-2.0 เคลมว่าทำงาน agent เก่งที่สุดในรุ่น ~30B — DeepSWE 65.5 ทิ้ง Qwen3.8-27B (42.5) แต่ยังแพ้ใน SWE-Bench Pro และ GDPval, ทุกตัวเลขมาจากผู้พัฒนาเอง และ KV cache กินถึง ~208KB ต่อโทเคน

ทีม Nanbeige ซึ่งอยู่ในเครือ Kanzhun (บริษัทแม่ของแอปหางาน BOSS Zhipin ของจีน และเป็นทีมเดียวกับที่ทำ Nanbeige4.2-3B แบบ looped transformer) อัปโหลด Nanbeige4.3-33B กับ Nanbeige4.3-33B-Base ขึ้น Hugging Face เมื่อ 24 ต.ค. 2026 ส่วน model card ที่มีตาราง benchmark ขึ้นเมื่อ 25 ต.ค. ตัวโมเดลเป็น dense 33B ไลเซนส์ Apache-2.0 และทีมวางตำแหน่งไว้ว่าเป็น “teacher” ของซีรีส์ 4.3 เพื่อกลั่นความสามารถด้าน agent ลงไปยังรุ่นเล็กอย่าง Nanbeige4.3-3B ที่จะออกตามมา

จุดที่ทำให้คนสนใจคือตารางของผู้พัฒนา ซึ่งวัดกับ Qwen3.8-27B, Muse-Glimmer-30B และ Gemma4-31B ด้วย harness เดียวกัน และ Nanbeige ชนะใน 17 จาก 20 รายการ งาน agent coding ระยะยาวทิ้งห่างมาก เช่น DeepSWE 65.5 เทียบกับ 42.5 และ Terminal-Bench 4.0 23.8 เทียบกับ 6.3 ภายในวันเดียวหลังขึ้น Hugging Face มี quant จากชุมชนออกมาแล้วกว่า 15 ชุด รวมถึง GGUF ของ bartowski, NVFP4 และ MLX 4-bit และตอนนี้โมเดลติดหน้า trending ของ Hugging Face

ตัวเลขที่ชนะและที่แพ้

ทุกโมเดลรันที่ thinking effort สูงสุด ผลที่น่าสนใจจาก model card มีดังนี้

Benchmark	Nanbeige4.3-33B	Qwen3.8-27B	Gemma4-31B
Terminal-Bench 2.1	80.9	73.0	47.2
Terminal-Bench 4.0	23.8	6.3	0.0
DeepSWE	65.5	42.5	2.7
SWE-Bench Pro	60.3	61.7	51.2
NL2Repo	53.0	48.3	33.8
Automation Bench	54.2	38.3	9.7
GDPval	84.8	86.4	71.4
GPQA Diamond	89.5	89.2	91.3
AIME 2026	95.2	94.5	89.2

ข้อสังเกตบางอย่าง

• SWE-Bench Pro เป็น benchmark แก้บั๊กที่คนใช้อ้างอิงมากที่สุด และ Nanbeige แพ้ Qwen3.8-27B (60.3 เทียบกับ 61.7) ช่องว่างใหญ่ไปอยู่ใน benchmark ที่ใหม่กว่าและยาวกว่าอย่าง DeepSWE และ Terminal-Bench 4.0 ซึ่งทั้งสองรายการ Nanbeige รันผ่าน mini-swe-agent v2.4.6 เอง
• ด้านความรู้และการให้เหตุผล (GPQA, AIME, AA-LCR) สูสีกัน ความต่างแทบทั้งหมดอยู่ที่งาน agent
• เชิงอรรถระบุว่าใช้ preserve_thinking=true (เก็บ reasoning ของเทิร์นก่อนไว้ในบทสนทนา) เฉพาะฝั่ง Nanbeige การตั้งค่านี้ส่งผลมากกับงาน agent หลายเทิร์น
• SWE-Atlas-QnA ใช้ GPT-6 Sol เป็นกรรมการ ส่วน NL2Repo และ JobBench รันผ่าน Claude Code
• ยังไม่มีผลจากที่อื่นเลย ทั้ง Artificial Analysis และ leaderboard สาธารณะ ไม่มีรายงานเทคนิค และไม่บอกว่าเทรนด้วยข้อมูลกี่โทเคน

รุ่น Base ก็มีตารางของตัวเองที่เทียบกับ Gemma4-31B-Base เท่านั้น (MMLU-Pro 66.9 เทียบกับ 59.3, GPQA 62.0 เทียบกับ 41.5) ทีมให้เหตุผลว่า Gemma เป็นโมเดลเปิดระดับ 30B ตัวเดียวในรอบหกเดือนที่ปล่อยรุ่น base ออกมาด้วย สำหรับใครที่จะ fine-tune เอง ตรงนี้ถือเป็นข้อดีจริง เพราะ Qwen3.8-27B ไม่มีรุ่น base ให้

สถาปัตยกรรม: Llama ธรรมดา แต่ KV cache ใหญ่

config.json ระบุ LlamaForCausalLM ไม่มีโค้ดพิเศษ (auto_map ว่าง แม้ตัวอย่างใน card จะใส่ trust_remote_code=True ไว้) รายละเอียดคือ

• 52 ชั้น, hidden 7,168, FFN 22,016, attention 56 หัว, GQA 8 KV heads, head_dim 128
• vocab 166,912, ไม่ tie embedding ถ้าคำนวณจาก config จะได้ราว 33.1B พารามิเตอร์ ตรงกับชื่อรุ่น
• บริบท 524,288 โทเคน (512K) แบบเนทีฟ ใช้ RoPE theta 1.2×10⁸ ไม่มี rope scaling
• น้ำหนัก BF16 รวม ~66GB

เพราะเป็น full attention ทุกชั้น KV cache จึงกินประมาณ 208KB ต่อโทเคนที่ BF16 (52 ชั้น × 8 หัว × 128 × K/V × 2 ไบต์) ถ้าใช้บริบท 128K จะใช้ KV ประมาณ 27GB และถ้าใช้ครบ 512K จะใช้ราว 109GB ต่อ request ตัวเลขนี้ต่างกันมากกับโมเดลแบบ hybrid อย่าง Raon-1 mini ที่เราเขียนเมื่อวาน ซึ่งใช้แค่ ~8KB ต่อโทเคน ตัวเลข 512K ใน spec จึงทำได้จริงเฉพาะบนเซิร์ฟเวอร์ ตัวอย่างคำสั่ง vLLM/SGLang ใน card ก็ใช้ tensor parallel 4 GPU

รันบนเครื่องตัวเองได้ไหม

ได้ เพราะสถาปัตยกรรมเป็น Llama มาตรฐาน llama.cpp, vLLM และ SGLang จึงรองรับได้ทันทีโดยไม่ต้องใช้ fork (parser ใช้ qwen3 และ qwen3_coder) ขนาดไฟล์ GGUF ของ bartowski มีดังนี้

• Q4_K_M 20.8GB ใส่การ์ด 24GB ได้แต่เหลือที่ให้บริบทน้อย ถ้าใช้ KV แบบ q8 จะได้ราว 10–15K โทเคน
• Q5_K_M 25.1GB / Q6_K 29.0GB เหมาะกับ RTX 5090 (32GB) หรือ Mac ที่มี unified memory 48GB ขึ้นไป
• Q8_0 35.2GB สำหรับ Mac 64GB หรือการ์ดสองใบ

ข้อควรจำคือเป็นโมเดล dense ทุกโทเคนใช้ทั้ง 33B ความเร็วตอน decode จึงช้ากว่า MoE ขนาดใกล้กันที่ active แค่ 3–4B อยู่หลายเท่า และงาน agent ที่ card แนะนำให้ตั้ง max new tokens ถึง 65,536 ต่อเทิร์นก็จะยิ่งรู้สึกช้า

เรื่องไลเซนส์ ทั้งสองรีโประบุ Apache-2.0 ไว้ใน metadata ของ card แต่ไม่มีไฟล์ LICENSE ภาษาที่ระบุมีแค่อังกฤษและจีน ไม่ได้อ้างว่ารองรับภาษาไทย

มุมมอง AI Curator

ข่าวนี้น่าสนใจเพราะ สนาม “โมเดลเปิดขนาดที่รันบนเครื่องตัวเองได้สำหรับงาน agent” เริ่มแข่งกันจริงจัง หลายเดือนที่ผ่านมา Qwen3.8-27B เป็นตัวเลือกหลักในขนาดนี้ การที่บริษัทซึ่งไม่ใช่แล็บ AI ระดับแนวหน้า แต่เป็นบริษัทแพลตฟอร์มหางาน ออกมาเคลมว่าชนะใน DeepSWE ห่างถึง 23 แต้ม แสดงว่าสูตร post-training สำหรับงาน agent ระยะยาวเริ่มกระจายออกไปนอกแล็บใหญ่แล้ว แต่ต้องอ่านอย่างระวัง สัญญาณที่ควรเชื่อมากที่สุดคือ SWE-Bench Pro ซึ่ง Nanbeige แพ้ ส่วนช่องว่างใหญ่อยู่ใน benchmark ที่ผู้พัฒนารันด้วย harness ของตัวเองและใช้ preserve_thinking ฝั่งเดียว ก่อนจะสรุปว่าเป็นโมเดลเปิดที่ดีที่สุดในรุ่นนี้ ควรรอผลจาก Artificial Analysis หรือคนที่ลองใช้กับ Claude Code / OpenCode จริงสักสัปดาห์

สำหรับนักพัฒนาไทย ถ้ามีการ์ด 24–32GB ก็ลองได้เลยในคืนนี้ เพราะไม่ต้องใช้ fork และมี GGUF ครบทุกขนาด แต่ควรวัดกับงานจริงของตัวเองเทียบกับ Qwen3.8-27B ด้วย harness เดียวกัน เพราะโมเดลนี้ไม่ได้อ้างว่ารองรับภาษาไทย และ KV cache ขนาดนี้ทำให้งาน agent ที่อ่าน repo ใหญ่บนการ์ดใบเดียวชนเพดานหน่วยความจำเร็วกว่าที่ตัวเลข 512K บอก ส่วนที่น่าจับตามากกว่าคือ Nanbeige4.3-3B ที่ทีมบอกว่าจะกลั่นจากตัวนี้ ถ้าความสามารถด้าน agent ลงไปถึงขนาด 3B ได้จริง โมเดลนั้นจะรันบนโน้ตบุ๊กทั่วไปได้ และน่าจะมีผลต่อนักพัฒนาในภูมิภาคเรามากกว่ารุ่น 33B

แหล่งข่าว

• Hugging Face — Nanbeige/Nanbeige4.3-33B (model card, ตาราง benchmark, quickstart)
• Hugging Face — Nanbeige4.3-33B config.json
• Hugging Face — Nanbeige/Nanbeige4.3-33B-Base
• Hugging Face — bartowski/Nanbeige_Nanbeige4.3-33B-GGUF