# Nanbeige4.1-3B
## 论文
[Nanbeige4.1-3B](https://arxiv.org/abs/2602.13367)
## 模型简介
Nanbeige4.1-3B是基于Nanbeige4-3B-Base构建的，是我们之前的推理模型Nanbeige4-3B-Thinking-2511的增强版本。该模型通过进一步的监督微调（SFT）和强化学习（RL）后训练优化而实现。作为小参数量规模下极具竞争力的开源模型，Nanbeige4.1-3B展示了紧凑型模型能够同时实现强大的推理能力、偏好对齐和有效的智能体行为。

<div align=center>
    <img src="./doc/perf.jpg"/>
</div>

具体而言，Nanbeige4.1-3B展现出以下核心优势：  
**强大推理能力**：Nanbeige4.1-3B能够在单次前向传播中通过持续连贯的推理解决复杂的多步骤问题，并在LiveCodeBench-Pro、IMO-Answer-Bench和AIME 2026 I等具有挑战性的任务上稳定输出正确的最终答案。  
**稳健的偏好对齐**：Nanbeige4.1-3B实现了出色的对齐性能，在Arena-Hard-v2和Multi-Challenge基准测试中不仅超越了Qwen3-4B-2507和Nanbeige4-3B-2511等同规模模型，而且显著优于包括Qwen3-30B-A3B和Qwen3-32B在内的更大规模模型。  
**智能体能力**：Nanbeige4.1-3B是首个原生支持深度搜索任务并能够稳定处理超过500轮工具调用复杂问题求解的小型通用模型。它填补了小模型生态中长期存在的空白——即模型通常要么针对通用推理进行优化，要么针对智能体场景进行优化，但很少能在两方面都表现卓越。  


## 环境依赖

|     软件     |                      版本                      |
| :----------: | :--------------------------------------------: |
|     DTK      |                    26.04.2                     |
|    python    |                    3.10.12                     |
| transformers |                     4.57.6                     |
|    torch     |   2.5.1+das.opt1.dtk2604.20260116.g78471bfd    |
|  accelerate  |                     1.12.0                     |
| torchvision  |   0.20.1+das.opt1.dtk2604.20260116.g65c66897   |
|  flash_attn  |   2.6.1+das.opt1.dtk2604.20260131.g4edd8bf9    |
|     vllm     | 0.11.0+das.opt1.rc2.dtk2604.20260128.g0bf89b0c |

推荐使用镜像:harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk26.04-0130-py3.10-20260202

- 挂载地址`-v`根据实际模型情况修改

```bash
docker run -it \
    --shm-size 60g \
    --network=host \
    --name Nanbeige4.1 \
    --privileged \
    --device=/dev/kfd \
    --device=/dev/dri \
    --device=/dev/mkfd \
    --group-add video \
    --cap-add=SYS_PTRACE \
    --security-opt seccomp=unconfined \
    -u root \
    -v /opt/hyhal/:/opt/hyhal/:ro \
    -v /path/your_code_data/:/path/your_code_data/ \
    harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk26.04-0130-py3.10-20260202 bash
```
更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用。

关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装。


## 数据集

`暂无`

## 训练

`暂无`

## 推理

## vllm

#### 单机推理

```bash
## serve启动
可参考vllm_serve.sh脚本
vllm serve Nanbeige/Nanbeige4.1-3B --trust-remote-code --dtype bfloat16 -tp 1 --max-model-len 32768 --port 8010
## client访问
可参考vllm_cilent.sh
curl -X POST "http://localhost:8010/v1/chat/completions"      -H "Content-Type: application/json"     --data '{
                "model": "Nanbeige/Nanbeige4.1-3B",
                "messages": [
                        {
                                "role": "user",
                                "content": "中国的首都是什么"
                        }
                ]
        }'

```

## 效果展示

<div align=center>
    <img src="./doc/result.png"/>
</div>


### 精度

`DCU与GPU精度一致，推理框架：vllm。`

## 预训练权重

|     **模型名称**     | **权重大小** |  **DCU型号**  | **最低卡数需求** |                         **下载地址**                         |
| :------------------: | :----------: | :-----------: | :--------------: | :----------------------------------------------------------: |
| Nanbeige4.1-3B |     3B      | K100AI |        1         | [Nanbeige4.1-3B](https://huggingface.co/Nanbeige/Nanbeige4.1-3B) |




## 源码仓库及问题反馈

- https://developer.sourcefind.cn/codes/modelzoo/nanbeige4.1_vllm
## 参考资料

- https://huggingface.co/Nanbeige/Nanbeige4.1-3B