Nanbeige4.1-3B：一个能够推理、对齐和行动的小型通用模型

本文提出Nanbeige4.1-3B，一种仅使用30亿参数即可实现强大代理行为、代码生成和通用推理能力的统一通用语言模型。据我们所知，这是首个在单一模型中实现如此多功能性的开源小型语言模型（SLM）。为提升推理能力和偏好对齐，我们结合了点对点和成对奖励建模，确保高质量且符合人类偏好的响应。在代码生成方面，我们设计了复杂度感知奖励机制，在强化学习中优化正确性和效率。在深度搜索中，我们进行了复杂数据合成，并在训练过程中引入回合级监督。这使得Nanbeige4.1-3B能够稳定地进行长期工具交互，可靠地执行多达600次工具调用以解决复杂问题。大量实验结果表明，Nanbeige4.1-3B显著优于同类规模的先前模型，如Nanbeige4-3B-2511和Qwen3-4B，甚至在性能上超越了更大的模型，如Qwen3-30B-A3B。我们的结果表明，小型模型可以同时实现广泛的能力和强大的专业性，重新定义了30亿参数模型的潜力。