Nanbeige 4.2 开源：3B 智能体模型靠循环架构跑赢 9B

很多人想在自己的本地电脑上跑一个真正能干活的 AI 智能体，但现实往往很尴尬：能干活的模型太大，显存直接撑爆；塞得进消费级显卡的小模型，又经常在复杂长任务里犯傻。现在，这种妥协可能要有解法了。

Nanbeige 正式开源了 30 亿参数的紧凑型智能体模型 Nanbeige 4.2。最让人意外的是，这个非嵌入参数仅 3B 的小家伙，在多项核心智能体评测中，直接超越了参数量是其三倍的 Qwen 3.5 9B，甚至逼平了接近四倍体量的 Google Gemma 4（12B）。

把数据送回网络再跑一圈

Nanbeige 4.2 之所以能以小博大，核心秘密在于它采用的循环 Transformer 架构（Looped Transformer）。

普通大模型处理数据时，每一层网络只走一遍。而 Nanbeige 选择复用相同的层结构，让隐藏状态像在回回路里一样再次穿过网络层。这就等于在不增加独立参数量的前提下，大幅拉伸了模型的计算深度。

研发团队从零开始，用这种循环架构在 28T token 的海量数据上进行了预训练。因为参数只有 30 亿，完整的模型权重体积只有 8GB 左右，绝大多数主流消费级 GPU 都能轻松吞下。模型上线后反响热烈，据相关评测视频介绍，仅发布两天其在 Hugging Face 上的下载量就突破了 4000 次。

为了让它真正具备落地干活的能力，团队还构建了一套混合环境池，包含大量真实环境与合成资产，覆盖代码仓库级维护和办公软件任务。在后训练上，他们引入了覆盖 Think 与 Non-Think 输出的两阶段 RLHF，并配合长度控制推理以及结合结果与过程奖励的智能体强化学习，专门解决长流程任务容易走偏、死循环和幻觉的痛点。

越级打平 12B 模型

从实测基准来看，Nanbeige 4.2 几乎成了当前参数效率最顶尖的选手之一。

在代码智能体基准 SWE-bench Verified、SWE-bench Pro，以及终端操作基准 Terminal Bench、工具调用基准 MCP Atlas 和 Claw Eval 上，它的综合表现全面优于同级别的 Qwen 3.5 4B，并稳步超越了 9B 级别的 Qwen 3.5。

即使在考查硬核推理和通识知识的 GPQA Diamond 与 Humanity’s Last Exam 上，面对参数量接近其四倍的 Google Gemma 4（12B），它同样展现出了极具竞争力的统治力。结合开源智能体框架 OpenClaw，Nanbeige 4.2 已经可以充当本地个人助理，处理日常答疑、复杂表格处理和深度研究调研。

为什么重要

对开发者和极客用户来说，Nanbeige 4.2 最大的价值在于把全功能个人智能体的门槛拉到了消费级硬件上。你不需要租用昂贵的云端 A100，也不用把敏感的代码库和公司文档上传给第三方服务，一张普通显卡就能把一个懂工具调用、能自己查错改代码的助手跑在本地。

对整个行业而言，它验证了一条不同于盲目堆参数的技术路线：通过架构层面的循环复用，小模型依然可以通过延长有效计算时间来换取极高的任务完成率。未来端侧 AI 和边缘设备未必需要动辄数十亿的新参数，架构巧思同样能带来代际跃迁。

我们认为这一步走得相当务实。当然，循环架构也有它的潜在代价——反复通过网络层意味着推理时的 Token 生成速度可能会慢于同尺寸传统模型，它是用时间换参数。但对于更看重结果准确率的长流程智能体任务来说，多等两秒但把事情办对，显然比飞速给出一个满是漏洞的回答聪明得多。