Nanbeige4.2-3B：在紧凑模型中释放智能体能力

我们提出 Nanbeige4.2-3B，一个拥有 3B 非嵌入参数的紧凑通用智能体模型。它在代码智能体、办公智能体和复杂工具使用任务上表现强劲，同时在数学、编程与科学方面保持极具竞争力的推理能力。Nanbeige4.2-3B 从零开始在 28T token 上预训练，采用复用层堆栈的 Looped Transformer，在不增加参数的情况下提升容量。在 SFT 数据与轨迹构建方面，我们通过真实部署与大规模合成来扩展可执行环境、任务资产和智能体脚手架的多样性。我们的 RL 管线对 Think 与 Non-Think 响应施加混合模式 RLHF 以提升整体模型质量并减少失败案例，采用长度受控的推理 RL 来平衡准确率与推理效率，并使用带结果与过程奖励的智能体 RL 来稳定长时程训练。大量评估表明，Nanbeige4.2-3B 在多种智能体基准上超越更大的模型（包括 Qwen3.5-9B 和 Gemma4-12B），同时在推理与对齐任务上保持竞争力。在 OpenClaw 上的表现进一步支持其作为紧凑本地个人助手的应用。