本帖最后由 异或Lambda 于 2026-2-27 23:02 编辑
最近玩本地大模型的圈子有点热闹。大家苦“偏科”的小模型久矣——平时在本地跑个 3B、4B 的微型模型，往往是写代码的聊不了天，能聊天的做不了长线任务。稍微让它调用几次外部搜索工具，马上就开始胡言乱语、陷入“幻觉”。
但 Boss直聘旗下的南北阁（Nanbeige）最近悄悄开源了一个“异类”：Nanbeige4.1-3B。
体积只有 30 亿参数，却硬生生把小模型的“偏科病”给治好了。
越级的 Deep Search（深度搜索）
这模型最离谱的地方，在于它极其强悍的 Agent 智能体能力。
平时我们用几十上百亿参数的模型做复杂任务，能稳定跑个几十轮工具调用就算烧高香了。而这台 30 亿参数的“小钢炮”，居然能稳定扛住高达 600 轮的复杂工具交互而不崩溃。
在 GAIA、xBench 等地狱级难度的搜索榜单上，它的成绩不仅碾压了同量级的选手，甚至逼近了 30B 级别的专用搜索 Agent。这意味着，你可以完全放心地把它挂在后台，让它自己去翻网页、查资料、做多跳逻辑推理。
不仅要写对，还要“跑得快”
除了搜索，它的代码能力也相当硬核。
很多模型过代码测试靠的是“死记硬背”，只要能跑通就算赢。但 Nanbeige4.1-3B 在训练时引入了时间复杂度奖励机制——它不仅要求代码无 Bug，还逼着模型去死磕 算法 / 数据结构 的最优解。在近期的 LeetCode 真实周赛测试中，它拿下了 85% 的高通过率，给出的解法往往干净利落，执行效率极高。
端侧 AI 的新玩法
为什么这个模型值得我们去折腾？
官方技术报告透了个底：只要数据洗得够精细（比如基于维基百科图谱做多跳问答的随机游走合成），再加上单点与成对的双重强化学习调教，极小参数也能压榨出极其恐怖的逻辑连贯性。
这几天在 云栈社区（ https://yunpan.plus ） 里，已经有不少极客开始把它塞进树莓派、旧手机或者轻薄本里跑 开源实战 了。做个个人的桌面级搜索助手，或者挂在 IDE 里当个不占内存的代码审查员，体验都非常流畅。
当一个 3B 模型就能自主上网查资料、写出高效率代码时，我们真的还需要给每个日常任务都分配 70B 甚至更大的算力吗？端侧 人工智能 的爆发点，可能比我们预想的要近得多。
大家对这种“超大杯能力、微小杯体积”的模型怎么看？如果你的电脑能无压力跑起这个 3B 模型，你准备拿它来做点什么有意思的自动化项目？欢迎在评论区聊聊你的脑洞。
关注《异或Lambda》跟踪 AI 发展，今天的科幻，明天的日常 —— AI 改造世界进行时。
标签：#大模型 #开源AI #Nanbeige #智能体Agent #深度搜索 #Boss直聘 #云栈社区 | 
发表于 2026-2-27 22:56:29
|
查看: 130|
回复: 0
