Nanbeige4.2-3B एक कॉम्पैक्ट सामान्य एजेंटिक मॉडल है जिसमें 3B नॉन-एम्बेडिंग पैरामीटर हैं, जिसे Looped Transformer आर्किटेक्चर का उपयोग करके 28T टोकन पर स्क्रैच से प्रीट्रेन किया गया है, जो परतों के स्टैक को पुन: उपयोग करके बिना पैरामीटर बढ़ाए क्षमता बढ़ाता है।
मॉडल Think और Non-Think प्रतिक्रियाओं पर मिक्स्ड-मोड RLHF, लंबाई-नियंत्रित तर्क RL, और परिणाम और प्रक्रिया पुरस्कारों के साथ एजेंटिक RL का उपयोग करता है ताकि प्रशिक्षण को स्थिर किया जा सके। यह कोड-एजेंट, ऑफिस-एजेंट और जटिल टूल-यूज़ कार्य में मजबूत प्रदर्शन दिखाता है जबकि गणित, कोडिंग और विज्ञान में प्रतिस्पर्धी तर्क क्षमताओं को बनाए रखता है।
विस्तृत मूल्यांकन दिखाते हैं कि Nanbeige4.2-3B विभिन्न एजेंटिक बेंचमार्क्स पर Qwen3.5-9B और Gemma4-12B सहित बड़े मॉडल से बेहतर प्रदर्शन करता है। OpenClaw के साथ इसका प्रदर्शन इसे एक कॉम्पैक्ट स्थानीय व्यक्तिगत सहायक के रूप में उपयोग करने का समर्थन करता है।