Beschreibung
Nanbeige4.2-3B ist ein kompaktes Modell, das entwickelt wurde, um stark agentisches Verhalten und umfassende Schlussfolgerungsfähigkeiten zu bieten. Basierend auf dem Nanbeige4.2-3B-Base nutzt es eine Looped Transformer-Architektur, die Transformer-Schichten wiederverwendet, um die Modellkapazität zu erhöhen, ohne die Parameter zu erhöhen. Mit nur 3 Milliarden Nicht-Embedding-Parametern erzielt es beeindruckende Leistungen in allgemeinen Agenten- und Code-Agenten-Aufgaben.
Weiterlesen
Das Modell durchläuft eine überwachte Feinabstimmung (SFT), um die Trainingsumgebungen und Aufgabentypen zu diversifizieren und sicherzustellen, dass die Trainingsdaten durch strenge Filter- und Validierungsprozesse von hoher Qualität sind. Während des Reinforcement Learning (RL) werden Ergebnis- und Prozessbelohnungen kombiniert, um die Trainingsstabilität zu verbessern.
Nanbeige4.2-3B zeigt solides agentisches Verhalten in komplexen Werkzeugnutzungen, Büro-Agenten- und Code-Agenten-Benchmarks und übertrifft größere Modelle wie Qwen3.5-9B und Gemma4-12B. Es glänzt auch in mathematischen, programmierbezogenen und wissenschaftlichen Schlussfolgerungsaufgaben und setzt die starke Schlussfolgerungsleistung seines Vorgängers, Nanbeige4.1-3B, fort.
Das Modell eignet sich für lokale persönliche Assistentenanwendungen und unterstützt erweiterte Aufgaben in der täglichen Assistenz, Büroarbeit und tiefen Forschung, wenn es mit einem agentischen Gerüst wie OpenClaw integriert wird. Es ist kompakt genug für den lokalen Einsatz und behält gleichzeitig die notwendigen Fähigkeiten für mehrstufige Arbeitsabläufe.
Nanbeige4.2-3B unterstützt eine Kontextlänge von bis zu 262.144 Tokens und bietet konfigurierbare Chat-Vorlagen für Schlussfolgerungs- und Werkzeugnutzungsszenarien. Benutzer können die Inferenz-Einstellungen basierend auf dem Ziel-Szenario anpassen, wie z.B. agentische Aufgaben oder Schlussfolgerungs- und Chat-Aufgaben.
Trotz seiner Stärken kann das Modell unerwartete oder unangemessene Ausgaben erzeugen, die auf seiner probabilistischen Natur beruhen. Benutzer werden geraten, solche Ausgaben verantwortungsbewusst zu behandeln, da die Entwickler keine Verantwortung für die Folgen unangemessener Inhalte übernehmen.
- KategorieKI-Modelle & LLMs
- PreismodellOpen Source
- BereitstellungLäuft lokal
- PlattformenWeb
Nanbeige4.2-3B im Überblick
Looped Transformer-Architektur
3 Milliarden Nicht-Embedding-Parameter
Stark agentisches Verhalten
Umfassende Schlussfolgerungsfähigkeiten
Überwachte Feinabstimmung
Stabilität durch Reinforcement Learning
Eignung für lokale persönliche Assistenten
Konfigurierbare Chat-Vorlagen
Erste Schritte mit Nanbeige4.2-3B
Zugriff auf die Modellseite: Besuchen Sie Hugging Face
Authentifizieren: Melden Sie sich bei Ihrem Konto an
Konfigurieren: Richten Sie Chat-Vorlagen ein
Eingabeaufforderungen senden: Interagieren Sie mit dem Modell
Feinabstimmen: Passen Sie die Einstellungen für Aufgaben an
Nanbeige4.2-3B's Anwendungsfälle
- Allgemeine Agenten-Aufgaben
- Code-Agenten-Aufgaben
- Mathematische Schlussfolgerung
- Wissenschaftliche Forschung
- Persönliche Assistenz
