Un modello da 3 miliardi di parametri che, secondo chi lo ha costruito, supera modelli tre o quattro volte più grandi su prove di programmazione e ragionamento. È Nanbeige4.2-3B, rilasciato a fine luglio 2026 dal laboratorio cinese Nanbeige con licenza Apache 2.0 e, cosa che lo rende subito interessante per chi non ha una GPU potente, abbastanza leggero da girare su un portatile. La chiave è un'architettura poco comune: il «Looped Transformer».
Il trucco: riusare i layer invece di aggiungerne
L'idea del Looped Transformer è semplice da spiegare e potente nelle conseguenze: invece di aumentare la capacità del modello impilando altri strati (che significano più parametri, più memoria, più costi), Nanbeige4.2 riutilizza in ciclo gli stessi strati, facendoci passare l'informazione più volte. Il risultato è più «profondità di ragionamento» a parità di dimensioni. Sulla carta il modello conta 4 miliardi di parametri totali, di cui 3 miliardi «non-embedding», ed è pensato in modo specifico per l'uso agentico, la chiamata di strumenti (tool calling) e i compiti di ragionamento.
La finestra di contesto arriva a 262.144 token (256K), un valore da modello grande, e l'addestramento — riferisce la scheda tecnica — ha usato circa 28.000 miliardi di token, con un forte peso di matematica, codice e materie scientifiche.
I numeri dichiarati contro i modelli più grandi
La tabella pubblicata sulla scheda del modello confronta Nanbeige4.2-3B con Qwen3.5-9B e Gemma4-12B, entrambi molto più grandi. Alcuni risultati dichiarati: 63,6 su SWE-Bench Verified (contro 53,1 e 44,2), 87,4 su GPQA-Diamond (contro 81,7 e 78,8), 82,8 su HMMT-Feb-2026 (contro 69,6 e 51,5), 46,9 su SWE-Bench Pro (contro 33,8 e 21,9). Sono numeri auto-riportati dal produttore e non ancora verificati da terzi indipendenti, quindi vanno letti come una dichiarazione promozionale in attesa di riscontri. Ma se anche solo in parte confermati, raccontano bene la direzione della ricerca: ottenere di più da modelli piccoli, invece di limitarsi a ingrandirli.
Come scaricarlo e provarlo in locale
Essendo un modello da 3 miliardi di parametri, Nanbeige4.2 gira su hardware consumer: una scheda grafica con circa 6-8 GB di memoria in versione quantizzata, oppure su CPU tramite i file in formato GGUF, adatti anche a computer senza GPU dedicata. I pesi ufficiali sono su Hugging Face nel repository Nanbeige/Nanbeige4.2-3B, con licenza Apache 2.0 (uso commerciale libero).
Il modo più rapido per provarlo sul proprio computer è tramite Ollama. Al momento è disponibile un caricamento della community verificato; il comando è:
ollama run ndavat/Nanbeige4.2-3BPoi si può chattare direttamente dal terminale. Un prompt di prova:
Scrivi una funzione Python che, dato un elenco di numeri, restituisca i due che sommati danno un valore target. Aggiungi un breve test.
Risultato atteso: il modello produce la funzione (tipicamente con un dizionario per la ricerca in tempo lineare) e un piccolo test con un esempio. In alternativa, chi lavora in Python può caricarlo con la libreria transformers:
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained(
"Nanbeige/Nanbeige4.2-3B",
device_map="auto",
trust_remote_code=True,
)Il parametro trust_remote_code=True è necessario perché l'architettura Looped Transformer usa codice personalizzato non ancora incluso nelle versioni standard della libreria.
A chi conviene e cosa aspettarsi
Nanbeige4.2-3B è interessante soprattutto per chi vuole un modello locale, gratuito e privato per compiti di codice, ragionamento e automazione, senza pagare API né inviare dati all'esterno: sviluppatori, studenti, piccole aziende attente alla riservatezza. La combinazione di dimensioni ridotte, contesto ampio e licenza permissiva lo rende un buon candidato per agenti locali e integrazioni in strumenti come Ollama o LM Studio.
Le cautele sono due. La prima: i benchmark sono dichiarati dal produttore, e un modello da 3 miliardi di parametri, per quanto ottimizzato, difficilmente eguaglia i migliori modelli commerciali sui compiti più complessi. La seconda: essendo un'architettura sperimentale con codice personalizzato, il supporto negli strumenti standard è ancora in evoluzione, e conviene verificare la provenienza dei caricamenti su Ollama prima di usarli. Detto questo, Nanbeige4.2 è un esempio concreto della tendenza più promettente del momento: modelli piccoli e furbi, che portano capacità un tempo riservate a data center interi direttamente sul computer di casa.
