Nanbeige4.3-33B Açık Kaynak Yayınlandı: 512K Bağlam ve Ajan Odaklı Kodlama
Diğer AI Modelleri

Nanbeige4.3-33B Açık Kaynak Yayınlandı: 512K Bağlam ve Ajan Odaklı Kodlama

· 4 DK

Yazar: KOZBA

İçindekiler
  1. Modelin öne çıkan özellikleri
  2. Kendi beyan ettiği benchmark sonuçları
  3. Rakamlara nasıl bakmalı?
  4. Kurulum ve dağıtım notları
  5. Kimler için uygun?
  6. Sınırlar
  7. Apache 2.0 neden önemli?
  8. Alternatiflerle kısa karşılaştırma
  9. Nasıl test edilmeli?

Çinli Nanbeige LLM Lab, Nanbeige4.3-33B modelini Hugging Face üzerinde Apache 2.0 lisansıyla yayımladı. Model 33 milyar parametreli, 524.288 token bağlam penceresine sahip ve akıl yürütme varsayılan olarak açık geliyor.

Modelin öne çıkan özellikleri

  • Lisans: Apache 2.0 — ticari kullanıma açık, kaynak model ağırlıkları indirilebilir.
  • Parametre: 33 milyar; laboratuvarın deyimiyle "Nanbeige4.3 serisinin amiral gemisi öğretmen modeli".
  • Bağlam: 524.288 token. Bu, tek seferde yaklaşık yarım milyon tokenlık kod veya belge işlemek anlamına geliyor.
  • Akıl yürütme: Varsayılan olarak açık; preserve_thinking bayrağı ile akıl yürütme çok turlu görevlerde korunabiliyor.

Laboratuvar modeli, yaklaşık 30 milyar parametre sınıfında açık modeller arasında "en iyi ajan performansı" iddiasıyla duyurdu.

Kendi beyan ettiği benchmark sonuçları

Model kartındaki tabloya göre Nanbeige4.3-33B, Qwen3.8-27B'yi ajanik kodlama görevlerinin çoğunda geçiyor:

  • Terminal-Bench 2.1: 80,9 — Qwen3.8-27B 73,0
  • DeepSWE: 65,5 — Qwen3.8-27B 42,5
  • Scicode: 52,6 — Qwen3.8-27B 46,7
  • AIME 2026: 95,2 — Qwen3.8-27B 94,5

Qwen3.8-27B ise iki başlıkta önde: SWE-Bench Pro'da 61,7'ye karşı 60,3 ve GPQA Diamond'da Gemma4-31B 91,3 ile Nanbeige'in 89,5'inin önünde.

Rakamlara nasıl bakmalı?

Buradaki kritik uyarı şu: tüm sonuçlar üreticinin kendi beyanı. Sürümle birlikte yayımlanmış bağımsız bir yeniden üretim çalışması yok. Çin kaynaklı açık model duyurularında model kartı benchmark'ları düzenli olarak iyimser çıkıyor; bağımsız testler genellikle farkı bir miktar daraltıyor.

Yani karar verirken "Qwen'i geçti" cümlesini değil, kendi görev setinizdeki sonucu esas almak gerekiyor. Özellikle Terminal-Bench ve DeepSWE gibi ajanik kodlama testlerinde model kartı ile üretim performansı arasında fark görülmesi sık rastlanan bir durum.

Kurulum ve dağıtım notları

Model kartı, ciddi araç kullanımına işaret eden dağıtım ayarları veriyor:

  • SGLang ve vLLM için hazır komutlar; tensor-parallel boyutu 4.
  • Qwen3-coder araç ayrıştırıcısı (tool parser) kullanılıyor.
  • Akıl yürütme görevlerinde maksimum 262.144 token öneriliyor.
  • Araç kullanımı ve ajan görevlerinde preserve_thinking bayrağının açık tutulması tavsiye ediliyor.

Bu ayarlar, modelin tek bir GPU'ya sığmayacağını da gösteriyor: 33 milyar parametre ve 512K bağlam, en az dörtlü tensor-parallel kurulum ve ciddi miktarda VRAM anlamına geliyor.

Kimler için uygun?

Yerel kodlama ajanı çalıştıran ekipler için en mantıklı senaryo: Apache 2.0 lisansı sayesinde modeli kendi altyapınızda barındırıp, kod tabanınızı dışarı çıkarmadan ajan kullanmak. Uzun bağlam penceresi, büyük monorepo'lar veya uzun teknik dokümanlarla çalışanlar için ek avantaj.

Buna karşılık 512K bağlamı tam kapasite kullanmak maliyetli. Pratikte çoğu ekip 32K-128K aralığında çalışacak ve modelin gerçek farkını o bantta görecek.

Sınırlar

Nanbeige, Türkçe performansına dair bir değerlendirme yayımlamadı. Çok dilli yetenekler model kartında ayrı bir başlık olarak öne çıkarılmıyor; bu da Türkçe içerik üretimi veya Türkçe kod yorumları için kullanmadan önce kendi testinizi yapmanız gerektiği anlamına geliyor.

Ayrıca modelin güvenlik hizalaması ve reddetme davranışı da bağımsız olarak test edilmedi. Üretimde kullanacak ekiplerin kendi değerlendirme setlerini kurması şart.

Kısaca: Nanbeige4.3-33B, Apache 2.0 ile yayımlandı; 524.288 token bağlam ve varsayılan akıl yürütme sunuyor. Üretici verileri Terminal-Bench 2.1'de 80,9 gösteriyor ancak rakamlar bağımsız doğrulanmadı; 4'lü tensor-parallel dağıtım gerektiriyor.

Apache 2.0 neden önemli?

Modelin lisansı, benchmark tablosundan daha belirleyici olabilir. Apache 2.0; ticari kullanıma, değiştirmeye ve yeniden dağıtmaya izin veriyor ve kullanıcıyı "modelin çıktısıyla ne yaptığın seni bağlar" türü ek kısıtlar olmadan bırakıyor. Kendi ürününe model gömerek hizmet satan ekipler için bu, lisans uyumluluğu açısından en rahat seçenek.

Aynı büyüklükteki bazı açık modeller hâlâ kullanım koşullarıyla geliyor. Bu nedenle Nanbeige4.3-33B'yi değerlendirirken iki soruyu birlikte sormak gerekiyor: görev setimde yeterli mi, ve lisansı iş modelime uyuyor mu?

Alternatiflerle kısa karşılaştırma

  • Qwen3.8-27B: Daha küçük, daha az donanım ister; SWE-Bench Pro'da Nanbeige'in önünde. Yerel kodlama ajanı için hâlâ güvenli varsayılan.
  • Kimi K3.1 Pro: Çok daha büyük (3T sınıfı), 1M token bağlam; açık ağırlıkları Kasım ayında vaat ediliyor. Donanım ihtiyacı bambaşka bir lig.
  • Gemma4-31B: GPQA Diamond'da üstün; genel bilgi sorularında öne çıkıyor, ajanik kodlamada geride.
  • Nanbeige4.3-33B: Ajanik kodlama ve uzun bağlam isteyenler için; 4'lü tensor-parallel kurulum şartı var.

Nasıl test edilmeli?

Model kartındaki 80,9 ve 65,5 gibi sayılar karar için yeterli değil. Kendi değerlendirmenizi kurarken üç şeye bakmak gerekiyor: modelin gerçek deponuzda doğru dosyayı bulup bulamadığı, araç çağrılarını (terminal, dosya okuma, test çalıştırma) doğru sırayla yapıp yapmadığı ve hata sonrası kendini düzeltip düzeltmediği. Bu üç test, tek bir benchmark puanından daha fazla bilgi veriyor.

Uzun bağlam iddiasını da ayrıca sınamak gerekiyor: 512K pencereye sığdırılan bir depoda modelin ilgili satırı bulma isabeti, pencere büyüdükçe düşme eğiliminde. Bu nedenle "bağlam var" ile "bağlamı kullanabiliyor" aynı şey değil.

Paylaş