你让一个小模型独立订行程、查资料、调用工具，它常在任务变长后顾此失彼。通常的解决办法是把模型做大，但更大的模型也更占内存。Nanbeige4.2-3B尝试了另一条路：不一味增加参数，而是让同一组网络层循环工作，用更多计算轮次换取更深的处理过程。
这款模型已由Nanbeige发布在Hugging Face。以下架构、训练和成绩均来自官方模型卡，尚未看到独立复现。
让同一套积木多搭几遍
Nanbeige4.2-3B基于Nanbeige4.2-3B-Base构建，定位是紧凑型Agentic model——不只负责生成文字，还要为多步任务规划行动、调用工具并判断下一步做什么。
它的关键是Looped Transformer。Transformer是现代语言模型常用的计算架构，通常由多层网络逐步处理上下文。常规做法像不断添新楼层，每层都有自己的参数；循环架构则让同一组楼层反复运行。换句话说，它增加了计算深度，却不按循环次数复制权重。这是一种“多算几轮、少存一些参数”的交换，并不等于免费提升：参数没有随循环增加，运行时的计算仍可能增加。
官方把它称为3B模型，但这个数字特指约30亿个非嵌入参数。嵌入参数负责把词元转换成模型可处理的数值表示；若把它们也算进去，官方表格列出的总参数量是4B。因此，不能简单说它的全部参数恰好只有30亿。
小模型真的越级了吗？
官方给出的对比很亮眼。在通用Agent测试GDPval rubrics上，Nanbeige4.2-3B得分74.3，高于Qwen3.5-9B的61.9和Gemma4-12B的68.5。在检验模型解决真实软件问题能力的SWE-Bench Verified上，它得到63.6，对比两者的53.1和44.2。数学、编码与科学推理测试中，它也在多项指标领先，例如GPQA-Diamond为87.4，高于Qwen3.5-9B的81.7和Gemma4-12B的78.8。
这说明至少在官方采用的评测设置里，较少参数配合循环计算，确实可能胜过更大的对手。不过，Reddit标题所称“超过参数规模四倍的模型”缺少明确的比较对象、评测条件和计算口径，现有材料不足以支持这个概括。
训练也不只依赖架构。官方称，监督微调（SFT——用示范答案教模型如何完成任务）加入了真实环境和大规模合成环境，并在完整行动轨迹与单轮步骤两个层面过滤数据。强化学习（RL——根据任务反馈继续调整模型）则同时使用结果奖励和过程奖励，以提高紧凑模型的训练稳定性。现有信息无法拆分：成绩究竟有多少来自循环架构，又有多少来自数据和训练方法。
为什么值得关注
对希望在有限显存或本地设备上部署Agent的开发者，这条路线提供了一个不同的尺度选择：模型权重可以保持紧凑，再用更多计算轮次换能力。Nanbeige4.2-3B也已给出Transformers、vLLM、SGLang和Docker Model Runner的加载或部署方式，说明它并非只停留在架构展示。
更重要的是，它把“小模型”问题从“还能压缩多少参数”改写成“有限参数能否被反复利用”。如果这条思路经得住独立测试，小型Agent未必只能靠继续堆参数追赶。
局限与未知
- 当前成绩来自官方模型卡，材料没有提供独立复现。
- 现有片段未披露具体循环次数、额外计算开销及完整评测条件，无法判断速度和资源代价。
- 官方代码还提到LoopSplit、mHC with depth attention和拼接式n-gram embeddings等改进，但材料没有解释各自贡献，不能把提升单独归因于循环复用层。