🎬 Assista esta matéria
O Nanbeige LLM Lab publicou em 25 de outubro de 2026, no Hugging Face, o Nanbeige4.3-33B — um modelo de linguagem de 33 bilhões de parâmetros liberado sob licença Apache 2.0, uma das mais permissivas em uso comercial.
A ficha técnica tem dois números que chamam atenção. O primeiro é a janela de contexto: 524.288 tokens, o que o laboratório arredonda para 512K. O segundo é a arquitetura densa — não há mistura de especialistas (MoE), recurso comum em modelos abertos recentes para reduzir o custo de inferência. Os pesos são distribuídos em BF16, o modo de raciocínio vem ativado por padrão e há suporte a chamada de ferramentas.
No cartão do modelo, o laboratório descreve o Nanbeige4.3-33B como o “modelo professor” principal da série Nanbeige4.3, voltado a tarefas complexas de programação e trabalho de escritório com agentes.
Benchmarks são autodeclarados
Os números de desempenho divulgados vêm do próprio laboratório e ainda não foram reproduzidos de forma independente. Na comparação apresentada, o Nanbeige4.3-33B marca 80,9 no Terminal-Bench 2.1, contra 73,0 do Qwen3.8-27B. Em outras duas provas, porém, o concorrente aparece à frente: 61,7 contra 60,3 no SWE-Bench Pro e 86,4 contra 84,8 no GDPval.
Veículos especializados notaram que algumas das cifras atribuídas a modelos rivais divergem dos cartões oficiais desses modelos — motivo suficiente para tratar a tabela como indicativa, e não como placar definitivo.
Rodar não é trivial
A licença permissiva não significa que o modelo caiba em qualquer infraestrutura. O cartão publica receitas de atendimento para SGLang e vLLM usando paralelismo de tensor em quatro vias, sem informar um requisito mínimo de memória. Uma análise de terceiros estima que manter uma sequência completa de 524.288 tokens consumiria algo em torno de 112 GB apenas de cache de chave-valor — a estrutura que guarda o contexto já processado.
No momento da publicação, nenhum provedor de inferência do Hugging Face hospedava o modelo, o que empurra quem quiser testá-lo para infraestrutura própria. Versões quantizadas em GGUF e MLX, feitas por terceiros, já apareceram na plataforma e reduzem bastante a exigência de hardware, em troca de perda de precisão.
O lançamento reforça uma tendência que marcou 2026: a faixa de 30 bilhões de parâmetros virou o terreno mais disputado entre modelos abertos, porque é o ponto em que desempenho agêntico razoável ainda convive com a possibilidade de rodar fora de uma nuvem de grande porte.
Fontes: Hugging Face, MarkTechPost
🎙️ Gostou? Receba só o que te interessa, todo dia
Escolha seus temas e receba um briefing diário em áudio e texto, de graça, no WhatsApp ou e-mail.
Montar meu briefing grátis