À mesure que les grands modèles de langage évoluent vers des agents intelligents, des fonctionnalités telles que l'invocation d'outils, la planification de tâches et l'exécution en plusieurs étapes deviennent essentielles. Cependant, ces fonctionnalités reposent généralement sur un plus grand nombre de paramètres, ce qui entraîne une augmentation de la consommation de mémoire et des coûts de déploiement, rendant difficile l'exécution locale d'agents intelligents performants.

Le Nanbeige 4.2-3B de Nanbeige Labs, conçu par Boss Zhipin, est une tentative pour briser cette contrainte.Ce modèle est basé sur Nanbeige4.2-3B et utilise une architecture de transformateurs en boucle. Il améliore la capacité du modèle en réutilisant les couches de transformateurs, optimisant ainsi les performances sans augmenter le nombre de paramètres.Le modèle ne contient que 3 milliards de paramètres non intégrés (sur un total d'environ 4 milliards de paramètres), mais il surpasse ses concurrents à plus grande échelle dans de multiples tests de référence d'agents, notamment Qwen3.5-9B et Gemma4-12B.

Plus précisément, Nanbeige4.2-3B a obtenu un score de 63,6 sur la tâche SWE-Bench Verified pour les agents intelligents basés sur le code et de 87,4 sur le benchmark de raisonnement scientifique GPQA-Diamond. Outre ses capacités d'agent, le modèle est spécifiquement optimisé pour les scénarios de raisonnement : il prend en charge le mode de réflexion, ce qui lui permet de rester compétitif dans les tâches de raisonnement mathématique, basé sur le code et scientifique. La fenêtre de contexte peut contenir jusqu'à 262 000 jetons, couvrant ainsi les documents longs, les dialogues à plusieurs tours et les flux de travail complexes.

« Nanbeige 4.2-3B : Modèle d'agent intelligent compact » est désormais disponible sur HyperAI (hyper.ai), permettant aux développeurs d'explorer des applications d'agents intelligents natifs à moindre coût. Les utilisateurs intéressés peuvent le découvrir en un seul clic ! ⬇️

Exécutez en ligne :https://go.hyper.ai/HAMqL

Plus de tutoriels en ligne :

https://hyper.ai/notebooks

Essai de démonstration

1. Après avoir accédé à la page d'accueil d'hyper.ai, sélectionnez la page « Tutoriels », ou cliquez sur « Voir plus de tutoriels », sélectionnez « Nanbeige4.2-3B : Modèle d'agent compact », puis cliquez sur « Exécuter ce tutoriel ».

2. Une fois la page redirigée, cliquez sur « Cloner » en haut à droite pour cloner le tutoriel dans votre propre conteneur.

Remarque : Vous pouvez changer de langue en haut à droite de la page. Actuellement, le chinois et l’anglais sont disponibles. Ce tutoriel présente les étapes en anglais.

3. Sélectionnez les images « NVIDIA RTX 5090 » et « PyTorch », puis cliquez sur « Continuer l'exécution de la tâche ».

4. Attendez que les ressources soient allouées. Une fois que le statut passe à « En cours d'exécution », cliquez sur « Ouvrir l'espace de travail » pour accéder à l'espace de travail Jupyter.

Affichage des effets

1. Une fois la page redirigée, cliquez sur le fichier README à gauche, puis sur « Exécuter » en haut.

2. Une fois le processus terminé, suivez les instructions du fichier README pour saisir le code dans le terminal afin de démarrer Open WebUI. Cliquez ensuite sur l'adresse de l'API à droite pour accéder à la page de démonstration.