Nanbeige4.3-33B vs Qwen 3.6 35B-A3B: Nanbeige ha confrontato con benchmark un Qwen diverso, e questa è la storia

Apri la model card di Nanbeige per Nanbeige4.3-33B e conta le colonne Qwen. Ce n'è esattamente una, e appartiene a Qwen3.8-27B — un modello multimodale denso rilasciato in agosto 2026. Qwen 3.6 35B-A3B, il modello mixture-of-experts che Liquid AI ha usato come proprio punto di riferimento per LFM2.5 e rispetto al quale la maggior parte dell'ecosistema di agenti open-weight esegue benchmark, non compare affatto nella tabella a venti righe di Nanbeige.

Quell’assenza è una scelta, e rende questo confronto più interessante di un normale testa a testa. Nanbeige4.3-33B è stato confrontato con il modello Qwen che poteva battere nelle righe agentiche a lungo orizzonte. Qwen 3.6 35B-A3B è il modello Qwen il cui costo di esecuzione è un quarto, accetta immagini e video ed è in produzione da aprile. Che si tratti di un confronto più equo o più facile dipende da ciò che si sta acquistando, e i due modelli non sono ottimizzati per lo stesso acquirente.

Uno di questi è denso e l'altro no, e questo decide il conto

La differenza più rilevante in assoluto non risiede in alcun benchmark.

• Parametri — 33,1B in totale, tutti attivi, per Nanbeige4.3-33B. 35B in totale con circa 3B attivi per token per Qwen 3.6 35B-A3B, una miscela di esperti.

• Calcolo per token — un passaggio in avanti denso completo per Nanbeige4.3-33B rispetto a uno sparso su un piccolo sottoinsieme di esperti per Qwen 3.6 35B-A3B. Sullo stesso hardware, il modello Qwen produce molti più token al secondo per GPU.

• Memoria per i pesi — 66,3 GB in bfloat16 per Nanbeige4.3-33B. Il modello Qwen entra comodamente su una singola scheda quando è quantizzato.

• Contesto — 524.288 token nativi per Nanbeige4.3-33B. 262.144 per Qwen 3.6 35B-A3B, con un massimo di 65.536 token in output.

• Modalità — testo in ingresso, testo in uscita, inglese e cinese, per Nanbeige4.3-33B. Testo, immagine e video in ingresso per Qwen 3.6 35B-A3B.

• Prezzo: nessun endpoint ospitato per Nanbeige4.3-33B. Qwen 3.6 35B-A3B su OrcaRouter a 0,25 $ per milione di token di input e 1,49 $ per milione di token di output, con un tempo al primo token p50 di 6,67 secondi.

• Licenza — Apache 2.0 su entrambi.

Leggi due volte la riga del calcolo. Un modello denso da 33B che genera una risposta agentica da 65.536 token — il tetto massimo consigliato da Nanbeige stesso — svolge, per ciascuno di quei token, un lavoro pari a 33 miliardi di parametri. Il modello Qwen ne fa circa un decimo. Se i due ottengono punteggi che differiscono di pochi punti sullo stesso task, il modello sparso vince sul piano economico di un ordine di grandezza, e nessuna tabella di benchmark te lo dirà.

I punteggi non possono essere sottratti, e la ragione è metodologica.

Nanbeige4.3-33B si trova a 20 sull'Artificial Analysis Intelligence Index v5.0.1. Qwen 3.6 35B-A3B non ha alcun punteggio sul composito v5 — la sua pagina del modello riporta N/D, perché l'indice attuale assegna un punteggio solo alle configurazioni con un'API disponibile pubblicamente o con un'esecuzione interna completata, e gli ultimi dati pubblicati di Artificial Analysis per esso risalgono al vecchio indice v4.3.x, attestandosi tra 17 e 19 per la configurazione di ragionamento.

Quei numeri non sono un confronto. L'indice v5 è un set di valutazione ribasato, e un punteggio v4.3.x non è trasferibile. Chiunque presenti "20 contro 18" sta sottraendo attraverso due esami diversi, che è l'errore più comune in assoluto nella scrittura di confronti tra modelli e merita di essere nominato esplicitamente qui.

Ciò che esiste davvero su un terreno comune è più limitato, e tuttavia ancora utile.

• Terminal-Bench — Artificial Analysis ha eseguito Qwen 3.6 35B-A3B ottenendo il 41,6% su Terminal-Bench 2.1 e il 25,8% su Terminal-Bench Hard. Ha eseguito Nanbeige4.3-33B ottenendo il 29,8% su Terminal-Bench 4.0. Benchmark diversi, quindi non è ancora un delta, ma entrambe sono misurazioni esterne sulla stessa famiglia di attività.

• Dichiarazione del fornitore su Terminal-Bench — Nanbeige riporta 80,9 su Terminal-Bench 2.1 per Nanbeige4.3-33B, lo stesso benchmark sul quale Qwen 3.6 35B-A3B è stato misurato indipendentemente al 41,6%. Se quel dato del fornitore regge, si tratta del divario più ampio dell'intero confronto. Non è stato riprodotto in modo indipendente, e la nota a piè di pagina di Nanbeige stessa afferma che è stato eseguito con un harness Terminus 2.

• Conoscenza — Artificial Analysis assegna a Nanbeige4.3-33B un'accuratezza dell'11,7% su AA-Omniscience, con l'81,8% di non-allucinazione. I dati Omniscience di Qwen 3.6 35B-A3B precedono la ricostruzione v5, quindi si collocano su una scala diversa e non possono essere allineati a quelli di Nanbeige. Ciò che si può dire è di natura direzionale ed è coerente con quanto osservano gli utenti di entrambe le famiglie: il modello Qwen sa di più, mentre il modello Nanbeige rifiuta di rispondere più spesso.

• {{1}}Ragionamento{{/1}} — GPQA Diamond 84.8 con ragionamento attivo e 84.1 nell'impostazione valutata per Qwen 3.6 35B-A3B. La scheda di Nanbeige4.3-33B dichiara 89.5, non riprodotto.

Perché Nanbeige ha invece scelto Qwen3.8-27B

C’è una ragione difendibile per confrontare un modello dense da 33B con un modello dense da 27B e non con un mixture of experts da 35B, e non è disonestà. È che un confronto a parità di architettura rende il paragone incentrato sulla qualità dell’addestramento anziché sull’efficienza di serving. Due modelli dense di scala simile ti dicono quale laboratorio ha addestrato meglio. Un confronto dense-versus-MoE ti dice quale progettazione è più economica, che è una domanda diversa con una risposta diversa.

Ma la scelta ha un costo per il lettore, perché la maggior parte di chi sceglie un modello lo fa in base al costo totale di proprietà, non alla qualità dell'addestramento in astratto. Su questo asse Qwen 3.6 35B-A3B ha un vantaggio che la tabella di Nanbeige non mette mai in luce: 3B parametri attivi significa che lo si può servire su hardware che probabilmente si ha già, e accetta screenshot e fotogrammi video, cosa che il 33B dense non può fare a nessun prezzo.

La controargomentazione è altrettanto concreta. Nanbeige4.3-33B gestisce 524.288 token nativamente, senza scaling, e uno stack denso rende il suo comportamento a contesto lungo prevedibile in un modo in cui quello di un modello sparso non lo è. A 208 KiB di cache KV per token su 52 layer, la sua finestra completa costa circa 104 GiB — il che è un avvertimento, non un punto di forza, ma significa anche che non c'è alcuna approssimazione nascosta tra ciò che la scheda promette e ciò che il modello fa.

Dove la decisione effettivamente si colloca

Se il tuo lavoro è multimodale, Qwen 3.6 35B-A3B è la risposta prima ancora di consultare qualsiasi benchmark. Nanbeige4.3-33B è solo testo, e un modello con 3B attivi che legge le immagini a un quarto del prezzo per token non è un secondo così vicino per una pipeline di screenshot.

Se il tuo lavoro è automazione terminale a lungo orizzonte e hai quattro GPU, il 29,8% di Nanbeige4.3-33B su Terminal-Bench 4.0 è il miglior numero pubblicato esterno in questa coppia, e il tasso di non allucinazione dell'81,8% del modello è il tratto che impedisce a un ciclo di agenti di fare con sicurezza la cosa sbagliata per venti minuti. È un vantaggio reale e non è economico.

Per tutti quelli nel mezzo, la risposta pratica è che Qwen 3.6 35B-A3B è il modello che puoi valutare questo pomeriggio e Nanbeige4.3-33B è il modello che valuti dopo aver acquistato l'hardware. Qwen 3.6 35B-A3B è nel catalogo OrcaRouter al prezzo indicato sopra, sulla stessa chiave del resto dei oltre 200 modelli, con failover automatico tra i provider upstream e un DSL di routing se vuoi suddividere il traffico tra esso e un secondo modello senza scrivere un secondo client. Nanbeige4.3-33B non è nel catalogo — non lo ospitiamo, e nulla in questo articolo afferma che lo facciamo.

Quell'asimmetria è il riassunto onesto dell'intera comparazione. Uno di questi modelli è un servizio che puoi misurare e da cui puoi passare ad altro in un pomeriggio. L'altro è un checkpoint che adotti. Nanbeige ha creato deliberatamente il secondo tipo: è un teacher, la sua card lo dice, e lo student 3B che lo renderà rilevante non è ancora stato rilasciato.