这个周末，BOSS直聘开源了一个模型，最大的看点不是80.9分，而是它背后的23.8分。
10月25日，BOSS直聘旗下南北阁团队放出 Nanbeige4.3-33B，Apache 2.0 协议可商用、512K 上下文、思考模式默认开。这个模型定位也很直白：教师模型，先训大的、再蒸馏出 3B 小模型，3B 还没发布。哔哩哔哩哔哩哔哩哔哩哔哩
官方自测跑分（对手：Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B，全部最高思考档、同一套推理参数）：
终端任务测试2.1版：80.9分，赢了Qwen的73.0；
换成更难的4.0版：四个模型集体塌方，它仍是最高，但只剩23.8分；
代码智能体DeepSWE：65.5分，领先第二名23分；
但SWE-Bench Pro 60.3分，落后Qwen的61.7，办公场景GDPval 84.8分同样输给Qwen。
80.9是旧版测试的分，更难的4.0版上大家都低、它仍是四个里最高的23.8。一句话：智能体方向赢，通用方向输，证据到哪儿，结论就只能说到哪儿。哔哩哔哩
再看本地玩家的现实。BF16权重66.3GB，量化之后：同样16G显卡，Qwen3.8-27B的Q3刚好塞得下，它的Q3塞不下。哔哩哔哩
社区实测反馈KV缓存约是Qwen的4倍、暂不支持推测解码，玩家总结很直接——“让 Pro 6000 的富哥们玩玩得了”。哔哩哔哩
已经上手测试的用户反馈写代码bug不少，不如Qwen3.8-27B稳。连画时钟的小测试都翻了车。哔哩哔哩哔哩哔哩
那到底该不该下？
追Agent跑分、手里有24G以上显存的玩家，可以等第三方复现和GGUF量化成熟再定；16G显卡用户先别碰，Q3都装不下，硬压只会整页换页慢到没法用；想等蒸馏3B的，这个33B本来就跟你没关系。
今年本地AI圈，从125B"专才"到这颗33B智能体，所有人都在抢着把"能干长任务"塞进家里。但下载只要一分钟，跑起来的电费和等待是你自己的——双11前，别为别人的自测分数下单。
