/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,5 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
31 окт 2025

Nanbeige4-3B-Base

Генерация текстаТекст → текст12 профессий

Базовая языковая модель Nanbeige на 3,5 млрд параметров для генерации текста и последующей адаптации, с контекстом до 32 768 токенов.

456скачиваний за 30 дней60лайковвеса обновлены13 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nanbeige4-3B-Base — базовая языковая модель из семейства Nanbeige четвёртого поколения, разработанная командой Nanbeige. Модель содержит 3,5 млрд параметров, построена на плотной архитектуре Llama и предназначена для генерации текста и дальнейшей адаптации под прикладные задачи, например через supervised fine-tuning. В обучении использовался корпус из веб-текстов, книг, кода и научных статей, дополненный синтетическими данными для вопросов и ответов и рассуждений.

Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В карточке указаны английский и китайский языки. Разработчики сообщают о сильных результатах после дообучения на математических задачах и тестах на научные знания, в отдельных сравнениях превосходящих модели большего размера. Это базовый чекпойнт, поэтому для диалогового использования может потребоваться дополнительная настройка. Модель распространяется по лицензии Apache-2.0.

Как и другие вероятностные языковые модели, она может выдавать ошибочную или неожиданную информацию, а также предвзятые или дискриминационные ответы. Разработчики не гарантируют отсутствие такого контента.

Сценарии применения

  • генерация продолжений текста
  • дообучение языковой модели под прикладные задачи
  • адаптация модели для математических рассуждений
  • создание модели для ответов на вопросы после дообучения
  • эксперименты с настройкой компактных языковых моделей

Ограничения

Модель может выдавать ошибочную, неожиданную, предвзятую или дискриминационную информацию. Для диалогового применения может потребоваться дополнительное дообучение.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

1. Introduction

Nanbeige4-3B-Base is a 3B-parameter base model within the fourth-generation Nanbeige LLM family. It showcases that even a compact model can achieve advanced performances through continuous enhancements in data quality and training methodologies. When performing supervised fine-tuning (SFT) on the same training data, our model significantly outperforms open-source models of the same size, and even surpasses larger models such as Qwen3-8B.

2. Model Summary

Training Data

  • We constructed a comprehensive 23T-tokens training corpus from web texts, books, code, and papers, meticulously filtered through a hybrid strategy of tagging-based scoring and retrieval-based recalling. This foundation was then augmented with knowledge-dense and reasoning-intensive synthetic data, including Q&A pairs, textbooks, and Long-COTs, which significantly benefited the downstream task performance.

Training Recipe

  • We designed an innovative FG-WSD (Fine-Grained Warmup-Stable-Decay) training scheduler, meticulously refining the conventional WSD approach. This scheduler was implemented with a fine-grained, quality-progressive data curriculum, dividing the Stable stage into multiple phases with progressively improved data mixtures. Compared to the vanilla WSD, our method achieved notable performance gains. During the Decay stage, we increased the proportion of math, code, synthetic QA, and synthetic Long-COT data to further enhance reasoning capabilities. | Stage | Training Tokens | Learning Rate | |-------------------------------|-----------------|-----------------------| | Warmup Stage | 0.1T | 0 ——> 4.5e-4 | | Diversity-Enriched Stable Stage| 12.4T | Constant 4.5e-4 | | High-Quality Stable Stage | 6.5T | Constant 4.5e-4 | | Decay and Long-Context Stage | 4T | 4.5e-4 ——> 1.5e-6 |

3. Model Performance

For model performance comparison, we fine-tuned both our base model and the Qwen series base models using the same fine-tuning data and evaluated their downstream task metrics. We believe that when evaluating base models, this end-to-end validation approach better reflects the model's ultimate performance in downstream tasks compared to the few-shot testing approach.

To ensure a fair comparison, we conducted experiments with three distinct datasets, including Nemotron-Dataset-v1, Ring-lite-sft-data, and OpenThoughts3. For each dataset, we randomly select 500k training samples for SFT experiments.

  • Finetuned with Nemotron-Dataset-v1 | Model | AIME2024 | AIME2025 | Math-500 | GPQA | |--------------------|----------|----------|----------|------| | Qwen3-4B-Base | 24.6 | 25.0 | 90.4 | 44.6 | | Qwen3-8B-Base | 37.9 | 29.6 | 91.1 | 48.9 | | Nanbeige4-3B-Base | 52.9 | 40.8 | 93.4 | 53.4 |

  • Finetuned with Ring-lite-sft-data | Model | AIME2024 | AIME2025 | Math-500 | GPQA | |--------------------|----------|----------|----------|------| | Qwen3-4B-Base | 40.4 | 31.3 | 93.6 | 51.4 | | Qwen3-8B-Base | 50.0 | 35.8 | 94.4 | 55.1 | | Nanbeige4-3B-Base | 56.8 | 45.3 | 95.5 | 57.7 |

  • Finetuned with OpenThoughts3 | Model | AIME2024 | AIME2025 | Math-500 | GPQA | |--------------------|----------|----------|----------|------| | Qwen3-4B-Base | 52.9 | 42.1 | 93.2 | 49.6 | | Qwen3-8B-Base | 60.4 | 47.1 | 95.0 | 55.3 | | Nanbeige4-3B-Base | 62.4 | 49.2 | 94.6 | 56.9 |

The results demonstrate that Nanbeige4-3B-Base significantly outperforms Qwen3-4B-Base, and even surpasses the larger Qwen3-8B-Base, highlighting the greater potential of our base model after fine-tuning. This advantage stems from the optimized training recipe during our Stable stage and the extensive high-quality synthetic data incorporated during the Decay stage.

4. Quickstart

from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained(
  'Nanbeige/Nanbeige4-3B-Base',
  use_fast=False,
  trust_remote_code=True
)
model = AutoModelForCausalLM.from_pretrained(
  'Nanbeige/Nanbeige4-3B-Base',
  torch_dtype='auto',
  device_map='auto',
  trust_remote_code=True
)
prompt = "中国的首都是"
input_ids = tokenizer(prompt, return_tensors='pt').input_ids
output_ids = model.generate(input_ids.to('cuda'))
resp = tokenizer.decode(output_ids[0][len(input_ids[0]):], skip_special_tokens=True)
print(resp)

5. Limitations

While we place great emphasis on the safety of the model during the training process, striving to ensure that its outputs align with ethical and legal requirements, it may not completely avoid generating unexpected outputs due to the model's size and probabilistic nature. These outputs may include harmful content such as bias or discrimination. Please don't propagate such content. We do not assume any responsibility for the consequences resulting from the dissemination of inappropriate information.

6. Citation

If you find our model useful or want to use it in your projects, please cite as follows:

@misc{yang2025nanbeige43btechnicalreportexploring,
      title={Nanbeige4-3B Technical Report: Exploring the Frontier of Small Language Models}, 
      author={Chen Yang and Guangyue Peng and Jiaying Zhu and Ran Le and Ruixiang Feng and Tao Zhang and Wei Ruan and Xiaoqi Liu and Xiaoxue Cheng and Xiyun Xu and Yang Song and Yanzipeng Gao and Yiming Jia and Yun Xing and Yuntao Wen and Zekai Wang and Zhenwei An and Zhicong Sun and Zongchao Chen},
      year={2025},
      eprint={2512.06266},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2512.06266}, 
}

7. Contact

If you have any questions, please raise an issue or contact us at nanbeige@126.com.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
8eeb734

0 моделей