Nanbeige4.3-33B 対 Qwen 3.6 35B-A3B：Nanbeige がベンチマークしたのは別の Qwen だった、それがこの話の核心だ

Nanbeige4.3-33B の Nanbeige のモデルカードを開いて、Qwen の列を数えてください。それはちょうど 1 つだけで、Qwen3.8-27B に属しています。これは 2026 年 8 月にリリースされた Dense 型マルチモーダルモデルです。Qwen 3.6 35B-A3B は、Liquid AI が LFM2.5 の独自の基準点として用い、ほとんどのオープンウェイトのエージェントエコシステムがベンチマークの比較対象にしている Mixture-of-Experts モデルですが、Nanbeige の 20 行の表にはまったく現れません。

その不在は意図的な選択であり、この対戦を通常の一対一比較より面白くしている。Nanbeige4.3-33B は、長期的なエージェント型タスクの行で打ち負かせる Qwen モデルと比較された。Qwen 3.6 35B-A3B は、実行コストが4分の1で、画像と動画を入力でき、4月から本番稼働している Qwen モデルだ。それがより公平な比較なのか、それともより楽な比較なのかは、何を購入するかによって決まり、この2つのモデルは同じ買い手向けに最適化されているわけではない。

これらのうち一方は密度が高く、もう一方はそうではなく、それが請求額を決める。

最も重大な違いは、どのベンチマークにも表れない。

• パラメータ — Nanbeige4.3-33B は合計 33.1B で、すべてアクティブです。Qwen 3.6 35B-A3B は混合エキスパート（MoE）で、合計 35B、トークンあたり約 3B がアクティブです。

• トークンあたりの計算 — Nanbeige4.3-33B では完全な密なフォワードパスを、Qwen 3.6 35B-A3B では小規模なエキスパートサブセットに対するスパースなフォワードパスを実行します。同じハードウェア上で、Qwen モデルは GPU あたり毎秒はるかに多くのトークンを生成します。

• 重み用メモリ — Nanbeige4.3-33B の bfloat16 で 66.3 GB。Qwen モデルは量子化すれば単一カードに余裕で収まる。

• コンテキスト — Nanbeige4.3-33B はネイティブで524,288トークン。Qwen 3.6 35B-A3B は262,144トークンで、最大出力は65,536トークンです。

• モダリティ — テキスト入力・テキスト出力、英語と中国語、Nanbeige4.3-33B向け。テキスト・画像・動画入力、Qwen 3.6 35B-A3B向け。

• 価格 — Nanbeige4.3-33B にはホスト型エンドポイントがありません。OrcaRouter 上の Qwen 3.6 35B-A3B は、入力100万トークンあたり $0.25、出力100万トークンあたり $1.49 で、最初のトークンが出力されるまでの時間（p50）は 6.67 秒です。

• ライセンス — 両方とも Apache 2.0。

計算量の行を2回読んでほしい。33Bのdenseモデルが65,536トークンのエージェント応答——Nanbeige自身が推奨する上限——を実行すると、そのトークン1つひとつに対して330億パラメータ分の計算を行う。Qwenモデルはそのおよそ10分の1しか行わない。同じタスクで両者が数点差以内のスコアなら、スパースモデルは経済性で桁違いに勝る——そして、どのベンチマーク表もそのことを教えてはくれない。

スコアは減算できず、その理由は方法論にある。

Nanbeige4.3-33BはArtificial Analysis Intelligence Index v5.0.1で20です。Qwen 3.6 35B-A3Bはv5の総合スコアをまったく持っていません。モデルページにはN/Aと表示されています。現在のインデックスは、公開APIまたは完了した社内実行を備えた構成のみを採点対象としており、同モデルについて最後に公開されたArtificial Analysisの数値は古いv4.3.xインデックスにあり、推論構成では10代後半です。

その数値は比較ではない。v5インデックスは基準を変更した評価セットであり、v4.3.xのスコアはそのまま移行しない。「20 対 18」と提示している人は、異なる2つの試験をまたいで引き算しているのであり、これはモデル比較の文章における最もよくある誤りの一つとして、ここで明示的に名指しする価値がある。

共通の基盤に実際に存在するものは、より狭いが、それでもなお有用である。

• Terminal-Bench — Artificial AnalysisはQwen 3.6 35B-A3BをTerminal-Bench 2.1で41.6%、Terminal-Bench Hardで25.8%で実行しました。Nanbeige4.3-33BをTerminal-Bench 4.0で29.8%で実行しました。ベンチマークが異なるため、依然として差分ではありませんが、どちらも同じタスクファミリーに対する外部測定です。

• ベンダーによるTerminal-Benchの主張 — Nanbeigeは、Nanbeige4.3-33BがTerminal-Bench 2.1で80.9を記録したと報告している。これは、Qwen 3.6 35B-A3Bが独立測定で41.6%を記録したのと同じベンチマークである。そのベンダー公表値が信頼できるなら、この比較全体で最大の差となる。独立再現はされておらず、Nanbeige自身の脚注にはTerminus 2ハーネスで実行されたと記されている。

• {{1}}知識{{/1}} — Artificial Analysisは、AA-Omniscienceにおける{{2}}Nanbeige4.3-33B{{/2}}の精度を11.7%、非ハルシネーション率を81.8%と評価しています。{{3}}Qwen 3.6 35B-A3B{{/3}}のOmniscienceの数値はv5の再構築前のものであるため、別の尺度に基づいており、Nanbeigeの数値と並べて比較することはできません。言えるのは方向性のみで、それは両ファミリーのユーザーに一致します。Qwenモデルはより多くを知っており、Nanbeigeモデルはより頻繁に回答を控えます。

• 推論 — Qwen 3.6 35B-A3B では、推論をオンにした場合 GPQA Diamond 84.8、評価設定で 84.1。Nanbeige4.3-33B のカードは 89.5 を主張しているが、未再現。

なぜNanbeigeはQwen3.8-27Bの方を選んだのか

33Bのdenseモデルを、35Bのmixture of expertsではなく27Bのdenseモデルと比較してベンチマークするのには、擁護できる理由があり、それは不誠実さによるものではありません。それは、アーキテクチャを同一条件にすることで、比較がサービング効率ではなくトレーニング品質についてのものになるからです。同程度の規模の2つのdenseモデルは、どちらのラボがより良くトレーニングしたかを示します。dense対MoEの比較は、どちらの設計がより安価かを示すものであり、それは別の問いで、答えも別です。

しかし、この選択には読者にとってコストが伴います。というのも、モデルを選ぶ人の大半は、抽象的な学習品質ではなく総所有コストで選んでいるからです。その軸では、Qwen 3.6 35B-A3B に Nanbeige の表が決して示さない優位性があります。3B のアクティブパラメータとは、おそらくすでに手持ちのハードウェアで運用できるということであり、さらにスクリーンショットや動画フレームを受け付けますが、これは dense な 33B にはどんな価格でもできないことです。

反論も同じくらい具体的だ。Nanbeige4.3-33Bはスケーリングなしで524,288トークンをネイティブに保持し、密なスタックによって、その長文脈挙動は疎なモデルでは得られない形で予測可能になる。52層全体でトークンあたり208 KiBのKVキャッシュでは、全ウィンドウのコストは約104 GiBになる——これは警告であり売り文句ではないが、カードが約束する内容とモデルが実際に行うことの間に隠れた近似がないことも意味している。

決定が実際にどこに落ち着くか

あなたの作業がマルチモーダルなら、ベンチマークを参照するまでもなく、Qwen 3.6 35B-A3B が答えです。Nanbeige4.3-33B はテキスト専用であり、画像を読み取る 3B アクティブのモデルがトークンあたり 4 分の 1 の価格であっても、スクリーンショットのパイプラインでは有力な次点にはなりません。

あなたの仕事が長期的なターミナル自動化で、GPUを4基持っているなら、Nanbeige4.3-33BのTerminal-Bench 4.0での29.8%は、この2つのモデルの中で公表されている外部数値として最も強く、またこのモデルの81.8%という非ハルシネーション率は、エージェントループが20分間にわたって自信満々に間違ったことをし続けるのを防ぐ特性です。それは確かな利点であり、決して安上がりではありません。

その中間にいるすべての人にとって、現実的な答えは、Qwen 3.6 35B-A3B が今日の午後にも評価できるモデルであり、Nanbeige4.3-33B がハードウェアを購入した後に評価するモデルだということです。Qwen 3.6 35B-A3B は上記の価格で OrcaRouter のカタログに掲載されています、他の200以上のモデルと同じキーで、アップストリームプロバイダー間の自動フェイルオーバーを備え、2つ目のクライアントを書かずに、これと2つ目のモデルの間でトラフィックを分割したい場合のルーティングDSLも利用できます。Nanbeige4.3-33B はカタログにありません。当社はそれをホストしておらず、この記事には当社がホストしていると主張する内容はありません。

この非対称性こそが、比較全体を正直に要約したものだ。これらのモデルの一方は、利用量を計測でき、午後には乗り換えられるサービスである。もう一方は、採用するチェックポイントだ。Nanbeigeは二番目の種類を意図的に作った。それは教師であり、モデルカードにもそう書かれている。そして、それを意味あるものにする3Bの生徒モデルはまだ出荷されていない。