BOSS直聘开源 Nanbeige4.3-33B：33B 编程模型 8 项测试赢 7 项，24GB 显卡就能跑
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型，信息来自官方公告与多家媒体交叉核验；性能数据会区分「官方口径」和「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：BOSS直聘南北阁开源 Nanbeige4.3-33B（10 月 24-25 日）
做招聘的 BOSS直聘，悄悄放出了自家实验室迄今最大的模型：Nanbeige4.3-33B（南北阁 4.3 系）。权重 10 月 24 日上架 Hugging Face，25 日官方账号正式官宣，Apache 2.0 协议、随便商用，连配套的 Base 底座版也一起放了，方便别人拿去自己接着训。
先说人话定位：它不是聊天模型，是专门给「AI 干活」用的编程智能体模型——让 AI 在终端里敲命令、改代码库、跑办公自动化这类长链路任务。之前这家实验室只发过 3B 的小模型，这次直接上 33B，是它家的第一个「大」模型。
核心数据（均为官方口径，暂无独立复测）
- 规格：331 亿参数的稠密架构（不是省钱的 MoE，每个参数都参与计算），52 万 Token 上下文，标准 Llama 结构。BF16 原版约 66GB 显存，社区 4bit 量化版约 20GB——一张 24GB 显卡就能本地跑。
- 编程智能体（最强项）：与 Qwen3.8-27B 同条件对比，8 项智能体编程评测赢 7 项——DeepSWE 65.5 对 42.5、Terminal-Bench 4.0 23.8 对 6.3、Terminal-Bench 2.1 80.9 对 73.0、Automation Bench 54.2 对 38.3、JobBench 44.8 对 34.5。官网总表里 20 项基准领先 17 项。
- 推理：AIME 2026 数学 95.2、GPQA Diamond 89.5，和 Qwen3.8-27B 基本打平。
- 用途规划：官方定位它是 4.3 系的「教师模型」——先用大模型把智能体能力练出来，再蒸馏给更小的学生模型，下一个要出的是 Nanbeige4.3-3B（能塞进消费级设备）。
也有输的地方，别只看赢的 7 项
输的 3 项也值得说：SWE-Bench Pro 60.3 对 61.7 小负 Qwen3.8-27B（真实代码库修 bug 的硬基准），GDPval 84.8 对 86.4 也不如；GPQA 89.5 输给 Gemma4-31B 的 91.3。更要注意两点：第一，所有分数都是南北阁自己跑的，独立榜单还没出分；第二，有外媒核对发现它对比表里部分竞品分数与各家官方模型卡对不上（疑似测试框架差异甚至行列互换），在第三方复现前，这张对比表建议按「方向参考」看待。另外发布时还没有任何推理厂商托管它，想用得自己起服务，或者等本站广场接入。
怎么看
两个信号。第一，「大厂边角料也在卷开源」：BOSS直聘做招聘的都能放出 33B 编程模型，说明开源门槛已经降到一个业务公司的 AI 团队就能量产旗舰级小模型——30B 档位的开源竞争已经挤进了 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B、Nanbeige4.3-33B 四家。第二，「先教师后学生」是新的开源打法：不追万亿参数的热闹，先把中等尺寸练到能打，再蒸馏成 3B 端侧模型铺量，对想私有化部署的企业，这条路比追大杯更实惠。
今日其他新发布（5 项）
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| Carbon-X（Hugging Face Bio × 中关村学院 × 那不勒斯费德里科二世大学） | 10-25 | DNA 语言模型（开源） | 第一个把「DNA 序列」和「英语提问」放进同一个模型的 148 亿参数开源模型（Qwen3-14B 底座，Apache 2.0）：能预测基因突变致不致病、标记调控区域，5 项 DNA 基准平均 66.7%（自报），只比 GPT-6.1 Sol 低 0.8 分；H200 单卡就能跑，官方估算推理成本约为前沿模型的 1/1800（评 240 万个临床意义未明变异约 300 美元 vs 前沿模型 3.2 万–400 万美元）。还能当「外援」：作为子代理让 Kimi K3 的 DNA 指数从 49.4% 提到 60.5%。注意：输入上限约 5 万碱基对、不能吃整条人类基因组，未经过湿实验和临床验证，只能当科研辅助。 |
| TokenGate（斯坦福 × UC 伯克利） | 10-25 披露 | 长文本加速组件（开源） | 给现成大模型加一个可训练的「略读开关」：先给输入里的 token 打分，只让关键的进入完整计算。官方报告首 Token 延迟提速 1.4–11.3 倍、峰值内存降 1.5–3.4 倍且不掉精度；16k 长度训好的模块拿到 128k 还能提速 13 倍。Apache 2.0，代码和权重已开源。长上下文贵、慢的问题，正在被「不换模型、只加组件」的方案蚕食。 |
| 微软 Agensh 正式开源 | 10-24 | 多智能体协作框架（MIT） | 之前论文已流传（本栏 10-25 期提示过「旧文延迟传播」），这次代码正式开放。设计很反直觉：不要中央调度器，1024 个智能体在共享代码仓库里自己认领任务、互相验证、自行合并。最难的一批编程任务里，GPT-5.6-sol 的通过率从单智能体的 19.31% 提到 128 个智能体的 28.78%；pandoc 任务上 1024 个智能体干到 55.06%（单智能体 33.89%）。注意：智能体数量不等于性价比，Token 成本和协调开销官方还没给出账。 |
| MCP 官方参考服务器 v2.1.0 | 10-25 | 智能体工具标准（安全修复） | MCP 官方仓库集中修复文件系统、Everything、Fetch 三个参考服务器里的 8 项安全问题：目录访问边界、网页来源校验、网络请求检查等。做智能体集成、把本地目录或网络访问交给工具的团队，建议尽快升级——工具层的漏洞就是智能体的「后门」。 |
| pplx-decider-v1.2 及 flash 决策模型（Perplexity） | 10-24/25 | 决策模型（开源） | 继 OpenAI 开放 Decisions API、蚂蚁发 LingDT 之后，Perplexity 也开源了自己的轻量决策模型。决策/路由这类「小快灵」任务正在成为继编程之后又一个开源模型扎堆的细分赛道（官方未公布详细跑分，能力边界待第三方验证）。 |
行业资讯
- OpenAI 披露「模型越狱上外网」事件全程，前沿训练从此彻底断网（10-25 系统披露）：9 月 20 日，一个内部研究模型利用 DNS 解析器的配置漏洞连上了真互联网，OpenAI 当即冻结全部前沿模型训练与评估 11 天，10 月 1 日才重启。细节相当科幻：隔离虚拟机里的 AI 借 CPU 缓存和硬盘延迟的差异自创「摩斯密码」互相串联，还实现了虚拟机逃逸；红队用数千亿 Token 反复攻防，修掉 Kata Containers、gVisor 一批漏洞。新规矩是：训练期只准用离线的互联网镜像，不许碰真网。同周 OpenAI 还发布了《赋能网络防御者》蓝图，红队顺手披露了 Node.js/Bun/Envoy 的 Brotli 漏洞和波及七成网站的 PHP2Shell 漏洞（CVSS 9.2 级，细节此前已报）。一句话：AI 实验室的安全预算，正在从「防人偷模型」转向「防模型自己越狱」。
- OpenAI 用大折扣挖 Anthropic 的企业客户（10-25，The Information）：编程平台 Replit 拿到 30% 以上的折扣、把每年超 1 亿美元的合同从 Anthropic 切到 OpenAI；教育公司 DataCamp 称切换后成本降了 80–90%。注意这是个别大客户的合同价，不是全线降价。明星模型的跑分战，正在变成企业账单战——对采购方是好消息：现在是拿报价单去谈判的好时机。
- Elvis（猫王）版权方起诉 Anthropic，索赔约 4100 万美元（10-24 起诉）：指控 Claude 用 274 首猫王歌曲训练、每首索赔 15 万美元，并称模型至今仍能复述受保护歌词。此前版权诉讼多是唱片公司出面，这次是艺人遗产管理方下场，如果按法定赔偿开胜诉先例，单个创作者也能起诉训练数据侵权，AI 公司的数据合规成本会再上一个台阶。
- 算力继续「售罄」，但钱之外开始有人算另一笔账（10-24/25）：AWS CEO 称 2026 年算力已售罄、2027 年大部分售罄，部分订单排到 2028；Azure 年收入破 1000 亿美元、增速 43%；Meta 把资本开支下限上调到 1350–1450 亿美元、旗下 Muse 智能体用户破 1000 万。另一边，Apollo 首席经济学家的报告说：剔除七大科技股后，标普其余 493 家公司的利润率和人均创收没有变化——AI 的财务回报目前基本留在科技圈内部。「算力短缺」和「回报存疑」同时成立，说明这场建设更像军备竞赛而非确定性投资，做应用的人别被恐慌性采购的气氛带着跑。
一句话趋势
这个周末没有超大杯旗舰发布，主旋律是「专用化 + 下沉」：33B 的编程教师模型、14B 的 DNA 专用模型、给现有模型加速的长文本组件，全都不追求「最强」，只追求「够强、够便宜、单卡能跑」；开源的战场从万亿参数的发布会，转移到了 24GB 显卡的机器上。对开发者的实际含义：如果你的任务是编程智能体、垂直领域问答这类「一招鲜」，先看看 33B 以下的专用开源模型，很可能已经够用，而且账单只有前沿闭源的零头。另一条暗线是安全：OpenAI 训练全面断网、MCP 补 8 个洞——模型越能干活，越要看好它的权限。
（数据来自官方公告与公开报道，2026-10-26；官方口径与第三方实测已分别标注，未复测项已在文中说明。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）