Nanbeige4.1-3B：能推理、对齐与行动的小型通用模型

我们提出 Nanbeige4.1-3B，一个统一的通用语言模型，仅以 3B 参数同时实现强大的 agentic 行为、代码生成与通用推理。据我们所知，它是在单一模型中实现这种多样能力的首个开源小语言模型（SLM）。为改进推理与偏好对齐，我们结合逐点（point-wise）与逐对（pair-wise）奖励建模，确保高质量、符合人类偏好的回应。在代码生成方面，我们在强化学习中设计复杂度感知奖励，同时优化正确性与效率。在深度搜索方面，我们进行复杂的数据合成，并在训练中引入轮级监督。这带来稳定的长程工具交互，使 Nanbeige4.1-3B 能够为复杂问题求解可靠地执行多达 600 轮工具调用。大量实验结果表明，Nanbeige4.1-3B 显著优于同规模的先前模型（如 Nanbeige4-3B-2511 与 Qwen3-4B），甚至比 Qwen3-30B-A3B 等大得多的模型表现更好。我们的结果表明，小模型可以同时具备广泛能力与强专精能力，重新定义了 3B 参数模型的潜力。