Nanbeige4.3-33B vs Qwen 3.6 35B-A3B: Nanbeige heeft een andere Qwen gebenchmarkt, en dat is het verhaal

Open de modelkaart van Nanbeige voor Nanbeige4.3-33B en tel de Qwen-kolommen. Er is er precies één, en die hoort bij Qwen3.8-27B — een dense multimodaal model dat in augustus 2026 is uitgebracht. Qwen 3.6 35B-A3B, het mixture-of-expertsmodel dat Liquid AI als eigen referentiepunt voor LFM2.5 gebruikte en waartegen het grootste deel van het open-weight-agentecosysteem benchmarkt, komt helemaal niet voor in Nanbeige's twintigrijige tabel.

Die afwezigheid is een keuze, en ze maakt deze confrontatie interessanter dan een gewone rechtstreekse vergelijking. Nanbeige4.3-33B werd vergeleken met het Qwen-model dat het kon verslaan op langdurige agentische taken. Qwen 3.6 35B-A3B is het Qwen-model dat een kwart kost om te draaien, afbeeldingen en video accepteert en sinds april in productie is. Of dat een eerlijkere of juist een makkelijkere vergelijking is, hangt af van wat je koopt, en de twee modellen zijn niet geoptimaliseerd voor dezelfde koper.

Een van deze is dicht en de andere niet, en dat bepaalt de rekening.

Het meest verstrekkende verschil staat op geen enkele benchmark.

• Parameters — 33,1B totaal, allemaal actief, voor Nanbeige4.3-33B. 35B totaal met ongeveer 3B actief per token voor Qwen 3.6 35B-A3B, een mengsel van experts.

Berekenen per token — een volledige dichte forward-pass voor Nanbeige4.3-33B versus een schaarse forward-pass over een kleine expertsubset voor Qwen 3.6 35B-A3B. Op dezelfde hardware produceert het Qwen-model veel meer tokens per seconde per GPU.

• Geheugen voor gewichten — 66,3 GB in bfloat16 voor Nanbeige4.3-33B. Het Qwen-model past comfortabel op één kaart wanneer het gekwantiseerd is.

• Context — 524.288 tokens native voor Nanbeige4.3-33B. 262.144 voor Qwen 3.6 35B-A3B, met een maximale uitvoer van 65.536 tokens.

• Modaliteit — tekst in, tekst uit, Engels en Chinees, voor Nanbeige4.3-33B. Tekst, afbeelding en video in voor Qwen 3.6 35B-A3B.

• Prijs — geen gehoste endpoint voor Nanbeige4.3-33B. Qwen 3.6 35B-A3B op OrcaRouter voor $0,25 per miljoen inputtokens en $1,49 per miljoen outputtokens, met een p50-tijd-tot-eerste-token van 6,67 seconden.

• Licentie — Apache 2.0 op beide.

Lees de regel over rekenkracht twee keer. Een 33B dense model dat een agentische respons van 65.536 tokens genereert — het eigen aanbevolen plafond van Nanbeige — verricht voor elk van die tokens werk ter waarde van 33 miljard parameters. Het Qwen-model doet ongeveer een tiende daarvan. Als de twee op dezelfde taak binnen een paar punten van elkaar scoren, wint het sparse model op economisch vlak met een orde van grootte, en geen enkele benchmarktabel zal je dat vertellen.

De scores kunnen niet van elkaar worden afgetrokken, en de reden daarvoor is methodologisch.

Nanbeige4.3-33B staat op 20 in de Artificial Analysis Intelligence Index v5.0.1. Qwen 3.6 35B-A3B heeft helemaal geen score op de v5-composiet — op de modelpagina staat N/A, omdat de huidige index alleen configuraties scoort met een openbaar beschikbare API of een voltooide interne run, en de laatst gepubliceerde Artificial Analysis-cijfers voor dit model op de oudere v4.3.x-index staan, in de hoge tieners voor de reasoning-configuratie.

Die cijfers zijn geen vergelijking. De v5-index is een geherbaseerde evaluatieset, en een v4.3.x-score is niet overdraagbaar. Wie "20 tegenover 18" presenteert, trekt af over twee verschillende examens, wat de meest voorkomende fout is in teksten over modelvergelijkingen en hier expliciet benoemd moet worden.

Wat er op gemeenschappelijke grond wél bestaat, is beperkter en nog steeds nuttig.

• Terminal-Bench — Artificial Analysis behaalde 41,6% met Qwen 3.6 35B-A3B op Terminal-Bench 2.1 en 25,8% op Terminal-Bench Hard. Het behaalde 29,8% met Nanbeige4.3-33B op Terminal-Bench 4.0. Verschillende benchmarks, dus nog steeds geen delta, maar beide zijn externe metingen op dezelfde taakfamilie.

• Claim van de leverancier over Terminal-Bench — Nanbeige meldt 80,9 op Terminal-Bench 2.1 voor Nanbeige4.3-33B, dezelfde benchmark waarop Qwen 3.6 35B-A3B onafhankelijk op 41,6% werd gemeten. Als die leveranciersregel standhoudt, is dit de grootste kloof in deze hele vergelijking. Het is niet onafhankelijk gereproduceerd, en Nanbeige's eigen voetnoot zegt dat het met een Terminus 2-harness is uitgevoerd.

• {{1}}Kennis{{/1}} — Artificial Analysis scoort {{2}}Nanbeige4.3-33B{{/2}} op 11,7% nauwkeurigheid op {{3}}AA-Omniscience{{/3}} met 81,8% niet-hallucinatie. De Omniscience-cijfers van {{4}}Qwen 3.6 35B-A3B{{/4}} dateren van vóór de herbouw naar {{5}}v5{{/5}}, dus ze liggen op een andere schaal en kunnen niet naast die van {{6}}Nanbeige{{/6}} worden gelegd. Wat wel gezegd kan worden, is richtinggevend en komt overeen met de gebruikers van beide families: het {{7}}Qwen{{/7}}-model weet meer, het {{8}}Nanbeige{{/8}}-model weigert vaker te antwoorden.

• Redeneren — GPQA Diamond 84,8 met redeneren aan en 84,1 bij de geëvalueerde instelling voor Qwen 3.6 35B-A3B. De kaart van Nanbeige4.3-33B beweert 89,5, niet gereproduceerd.

Waarom Nanbeige in plaats daarvan voor Qwen3.8-27B koos

Er is een verdedigbare reden om een 33B dense model te benchmarken tegen een 27B dense model en niet tegen een 35B mixture of experts, en dat is geen oneerlijkheid. Die reden is dat je met gelijke architectuur de vergelijking over trainingskwaliteit laat gaan in plaats van over serveerefficiëntie. Twee dense modellen van vergelijkbare schaal vertellen je welk lab beter heeft getraind. Een vergelijking tussen dense en MoE vertelt je welk ontwerp goedkoper is, wat een andere vraag is met een ander antwoord.

Maar de keuze heeft een prijs voor de lezer, want de meeste mensen die een model kiezen, kiezen op basis van totale eigendomskosten, niet op basis van trainingskwaliteit in abstracto. Op dat vlak heeft Qwen 3.6 35B-A3B een voordeel dat de tabel van Nanbeige nooit laat zien: 3B actieve parameters betekent dat je het serveert op hardware die je waarschijnlijk al hebt, en het accepteert screenshots en videoframes, wat het dense 33B-model tegen geen enkele prijs kan.

Het tegenargument is even concreet. Nanbeige4.3-33B bevat native 524.288 tokens zonder scaling, en een dense stack maakt het gedrag bij lange context voorspelbaar op een manier waarop dat bij een sparse model niet het geval is. Bij 208 KiB KV-cache per token over 52 lagen kost het volledige venster ongeveer 104 GiB — wat een waarschuwing is, geen verkoopargument, maar het betekent ook dat er geen verborgen benadering zit tussen wat de kaart belooft en wat het model doet.

Waar de beslissing daadwerkelijk terechtkomt

Als je werk multimodaal is, is Qwen 3.6 35B-A3B het antwoord voordat er ook maar een benchmark wordt geraadpleegd. Nanbeige4.3-33B is alleen tekst, en een 3B-actief model dat afbeeldingen leest voor een kwart van de prijs per token is geen goede tweede voor een screenshot-pipeline.

Als je werk langdurige terminalautomatisering is en je hebt vier GPU's, dan is de 29,8% van Nanbeige4.3-33B op Terminal-Bench 4.0 de sterkste gepubliceerde externe score in dit tweetal, en het niet-hallucinatiepercentage van 81,8% van het model is de eigenschap die voorkomt dat een agentlus twintig minuten lang vol vertrouwen het verkeerde doet. Dat is een echt voordeel, en het is niet goedkoop.

Voor iedereen daartussenin is het praktische antwoord dat Qwen 3.6 35B-A3B het model is dat je vanmiddag kunt evalueren en Nanbeige4.3-33B het model dat je evalueert nadat je hardware hebt gekocht. Qwen 3.6 35B-A3B staat in de OrcaRouter-catalogus tegen de hierboven vermelde prijs, op dezelfde sleutel als de rest van de 200-plus modellen, met automatische failover tussen upstreamproviders en een routing-DSL als je verkeer wilt splitsen tussen dit model en een tweede model zonder een tweede client te schrijven. Nanbeige4.3-33B staat niet in de catalogus — wij hosten het niet, en niets in dit artikel beweert dat we dat wel doen.

Die asymmetrie is de eerlijke samenvatting van de hele vergelijking. Een van deze modellen is een dienst waarvan je het verbruik kunt meten en waar je binnen een middag van kunt overstappen. Het andere is een checkpoint dat je adopteert. Nanbeige heeft de tweede soort bewust gebouwd: het is een leraar, dat staat op de modelkaart, en de 3B-student die het verschil zal maken, is nog niet uitgebracht.