大規模な言語モデルがインテリジェントエージェントへと進化するにつれ、ツール呼び出し、タスク計画、複数ステップ実行といった機能が不可欠になってきています。しかし、これらの機能は通常、より大規模なパラメータに依存するため、メモリ使用量と導入コストが増加し、高性能なインテリジェントエージェントをローカル環境で実行することが困難になっています。

Zhipin氏が率いるNanbeige LabsのNanbeige 4.2-3Bは、この制約を打ち破ろうとする試みである。このモデルはNanbeige4.2-3B-Baseをベースに構築されており、ループ型トランスフォーマーアーキテクチャを採用しています。トランスフォーマー層を再利用することでモデル容量を向上させ、パラメータ数を増やさずにパフォーマンスを高めています。このモデルは、埋め込みパラメータ以外のパラメータがわずか30億個（合計約40億個のパラメータのうち）しか含まれていないにもかかわらず、Qwen3.5-9BやGemma4-12Bなどのマルチエージェントベンチマークテストにおいて、より大規模な競合モデルを上回る性能を発揮します。

具体的には、Nanbeige4.2-3Bは、コードベースのインテリジェントエージェントを対象としたSWE-Bench Verifiedタスクで63.6点、科学的推論ベンチマークであるGPQA-Diamondで87.4点を獲得しました。エージェントの機能に加え、このモデルは推論シナリオに特化して最適化されており、思考モードをサポートすることで、数学的、コードベース、科学的推論タスクにおいて高い競争力を維持しています。コンテキストウィンドウは最大262,000トークンをサポートし、長文ドキュメント、複数ターンの対話、複雑なワークフローに対応します。

「Nanbeige 4.2-3B: コンパクトインテリジェントエージェントモデル」がHyperAI（hyper.ai）で公開されました。開発者は、より低コストでネイティブなインテリジェントエージェントアプリケーションを探索できます。興味のある方は、ワンクリックでご覧いただけます！⬇️

オンラインで実行:https://go.hyper.ai/HAMqL

その他のオンラインチュートリアル：

https://hyper.ai/notebooks

デモの実行

1. hyper.ai のホームページにアクセスしたら、「チュートリアル」ページを選択するか、「その他のチュートリアルを表示」をクリックし、「Nanbeige4.2-3B: Compact Agent Model」を選択して、「このチュートリアルを実行」をクリックします。

2. ページがリダイレクトされたら、右上隅の「複製」をクリックして、チュートリアルを独自のコンテナーに複製します。

注：ページの右上で言語を切り替えることができます。現在、中国語と英語が利用可能です。このチュートリアルでは英語で手順を説明します。

3. 「NVIDIA RTX 5090」と「PyTorch」の画像を選択し、「ジョブの実行を続行」をクリックします。

4. リソースが割り当てられるのを待ちます。ステータスが「実行中」に変わったら、「ワークスペースを開く」をクリックしてJupyterワークスペースに入ります。

エフェクト表示

1. ページがリダイレクトされたら、左側のREADMEファイルをクリックし、上部の「実行」をクリックします。

2. 処理が完了したら、README の手順に従ってターミナルにコードを入力し、Open WebUI を起動します。次に、右側の API アドレスをクリックしてデモページに移動します。