Nanbeige4.3-33B dari BOSS Zhipin puncaki tren Hugging Face, unggul di benchmark agen kelas 30B

Nanbeige4.3-33B, model terbuka yang dikembangkan BOSS Zhipin, menempati puncak daftar tren global Hugging Face pada 31 Oktober 2026 menurut laporan media keuangan Tiongkok. Klaim posisi puncak itu berasal dari pemberitaan, sedangkan keberadaan model, kartu model, dan angka benchmark-nya bisa diperiksa langsung di Hugging Face. Perusahaan menyebut model ini sebagai model guru unggulan untuk seri Nanbeige4.3, yang nantinya dipakai mendistilasi kemampuan agen ke model kecil seperti Nanbeige4.3-3B.

Alasan model ini menarik ada pada tabel perbandingannya. Nanbeige menguji model 33B itu melawan tiga model sekelas 30B, yaitu Qwen3.8-27B, Muse-Glimmer-30B, dan Gemma4-31B, dengan pengaturan inferensi dan harness yang sama. Pada Terminal-Bench 2.1, Nanbeige4.3-33B mencatat 80,9 dibanding 73,0 milik Qwen3.8-27B, 61,8 milik Muse-Glimmer-30B, dan 47,2 milik Gemma4-31B. Pada Terminal-Bench 4.0, angkanya 23,8 berbanding 6,3, 1,6, dan 0,0. Jarak sebesar itu pada tugas terminal menunjukkan kemampuan menyelesaikan rangkaian perintah panjang, bukan sekadar menjawab pertanyaan.

Pola keunggulannya tidak merata, dan itu justru bagian yang membuat kartu model ini layak dibaca. Nanbeige menang jauh di DeepSWE dengan 65,5 berbanding 42,5 milik Qwen3.8-27B, dan di SWE-Atlas-QnA dengan 50,8 berbanding 41,9. Namun pada SWE-Bench Pro angkanya 60,3, sedikit di bawah 61,7 milik Qwen3.8-27B, dan pada GDPval 84,8 berbanding 86,4. Pada GPQA Diamond, Gemma4-31B justru memimpin dengan 91,3 dibanding 89,5. Artinya, model ini kuat pada tugas agen dan perkakas, tetapi bukan yang terbaik untuk semua jenis penalaran.

Untuk tugas kantor, kelompok benchmark kedua lebih relevan. Pada Automation Bench, Nanbeige mencatat 54,2 berbanding 38,3 milik Qwen3.8-27B. Pada JobBench 44,8 berbanding 34,5, pada DeepPlanning 63,3 berbanding 49,2, dan pada YC-bench model ini menghasilkan nilai tertinggi sebesar 1.025.437 dolar dibanding 641.290 dolar. Semua angka itu dilaporkan sendiri oleh pengembang model, memakai harness pihak ketiga seperti mini-swe-agent dan Claude Code, dan penilai jawaban pada satu benchmark memakai GPT-6 Sol. Karena sumbernya pihak yang berkepentingan, angka-angka ini sebaiknya diperlakukan sebagai klaim yang terukur, bukan kebenaran netral.

Selain versi utama, tersedia juga repositori FP8 terkuantisasi yang mempermudah pemakaian di GPU dengan memori terbatas. Bagi yang membangun layanan seperti otomasi dokumen, agen coding, atau asisten kantor, kehadiran model 33B dengan kemampuan agen setinggi ini penting karena mengubah perhitungan biaya: pekerjaan yang biasanya dikirim ke API berbayar bisa dicoba di mesin sendiri dengan data yang tetap di dalam jaringan. Langkah berikutnya yang masuk akal adalah mengujinya pada beberapa tugas nyata milik sendiri sebelum memutuskan, karena skor benchmark tidak selalu mencerminkan performa pada data lokal.