一句话看懂：BOSS直聘旗下基础模型团队南阁发布开源权重推理模型 Nanbeige4.3-33B，在 Artificial Analysis 智能指数 v5 上与 Qwen3.8 27B（xhigh）同为 20 分。它的意义在于：用 33B 的稠密参数规模在榜单上贴近 27B 级别的竞品，并显露出终端操作与物理推理的相对优势。
事件核心：发生了什么
据 Artificial Analysis 于 2026 年 11 月 5 日发布的评测文章，南阁（Nanbeige）是招聘平台 BOSS直聘母公司看准科技旗下的基础模型研究团队。其新模型 Nanbeige4.3-33B 采用稠密架构、总参数 33B，以 Apache 2.0 协议开放权重，仅支持文本输入输出，上下文窗口为 524K token；文章称其规模小到可在笔记本上本地运行。目前公开信息显示，尚无确认的第一方或第三方 API。评测结果仅适用于原文日期与对应评测条件。
具体数据上：Terminal-Bench 4.0 得分 30%，Qwen3.8 27B 为 6%；CritPt v2 困难子集得 16%，对方为 4%。AutomationBench-AA 以 53% 对 48% 领先，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。AA-Omniscience v1.1 中，它答对 12%、拒答 71%，幻觉率 18%，低于 Qwen 的 29%。此外，它完成每项智能指数任务平均消耗 158K 输出 token，比 Qwen 的 110K 多约 44%。
为什么重要
这一结果在“智能指数—总参数”坐标上提供了一个新的帕累托最优点：同样 20 分，Nanbeige 用 33B 稠密参数，而 Qwen3.8 27B 用 27B。对比之下，DeepSeek V4.1 Flash 1017（max）虽得 33 分，但为 552B 总参数的 MoE 架构、每 token 仅激活 16B。这说明中小规模稠密模型仍有优化空间，也为开源社区提供了另一个可本地部署的推理选项。
更值得留意的是两者“同分不同强项”：Nanbeige 在终端操作和物理推理上明显领先，知识类与代码任务偏弱，且答题更保守——拒答多、幻觉低。这种取舍对实际应用意味着可靠性与覆盖面的权衡，而非单纯的分数竞赛。
对用户/开发者/创作者的影响
对开发者而言，Apache 2.0 加 33B 稠密结构意味着较低的本地部署门槛和较宽松的商用空间，适合做智能体工具调用、终端自动化一类的实验；但需注意它每任务 token 消耗更高，推理成本可能相应上升。对普通用户和创作者，由于目前没有确认的公开 API，短期更可能通过开源自部署或第三方集成接触，而非直接调用在线服务。知识密集型任务仍建议交叉验证，或优先选用知识类表现更强的模型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是是否出现官方或第三方 API，以及定价与托管方式；二是其在更长周期、更多任务上的稳定性是否延续这一表现；三是 Qwen 等竞品是否在终端操作与物理推理方向跟进，以及 30B 级稠密模型的开源竞争是否升温。
