
MAI Decision 1 vs. Nimble v3: Ein gehosteter Scorer gegen eine Lizenz, die Sie nicht ausliefern können
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 182 tok/s
Das Erste, was MAI Decision 1 — das von Microsoft auf der Ignite herausgebrachte Modell mit der Bezeichnung Microsoft-Decision-1.1 — von Nimble v3, bei Hugging Face als Bespoke-Nimble-9B-v3 eingereicht, trennt, ist kein Benchmark. Es ist eine Lizenzklausel. Nimble v3 ist ein LoRA-Adapter, veröffentlicht unter CC BY-NC 4.0, was die Modellkarte als „darf nicht für kommerzielle Zwecke verwendet werden“ umschreibt. Microsofts Modell ist ein gehosteter Endpunkt, den man pro Token mietet, sodass sich die Lizenzfrage nie stellt und sich die Frage des Selbsthostings ebenso wenig stellt. Eines davon kann man in ein Produkt einbauen; das andere kann man in ein Notebook stecken. Alles Weitere in diesem Vergleich folgt aus dieser Weggabelung, einschließlich dessen, warum ihre veröffentlichten Ergebnisse nicht voneinander abgezogen werden sollten.
Was jedes Einzelne davon mechanisch tatsächlich ist
Microsoft-Decision-1.1 ist eine Foundry-Bereitstellung, live seit 17. November 2026, nachtrainiert von Microsoft auf Gemma 4 26B-A4B. Sie senden einen Zustand und typisierte Fragen an einen Entscheidungsendpunkt, erhalten kalibrierte Wahrscheinlichkeiten zurück und zahlen 0,042 $ pro Million Eingabetokens im Global Standard bzw. 0,05 $ in den Datenzonen EU und APAC. Es gibt keinen Download, keinen Fine-Tuning-Pfad und keine Self-Hosting-Option in der Modellkarte. Die Latenz beträgt 123 ms pro Aufgabe gemäß der Messung von Artificial Analysis; der Kontext umfasst 32.768 Eingabetokens; es liest sowohl Bilder als auch Text.
Nimble v3 ist ein PEFT-Adapter aus fünf Dateien für Qwen3.5-9B, hochgeladen am 30. September 2026 – ohne begleitende Ankündigung, ohne Blogbeitrag und ohne Versionshinweis von Bespoke Labs. Das Repository enthält eine README, eine Adapter-Konfiguration, Adapter-Gewichte, eine Schema-Konfiguration und eine gitattributes-Datei — das ist die vollständige Liste. Das Basismodell, die Inferenz-Engine und die GPU bringen Sie selbst mit. Das begleitende Dataset-Repository enthält den vollständigen Decision-Index-Lauf, die Engine und die Reproduktionsanweisungen; das ist mehr Transparenz, als die meisten Anbieter bieten, und zugleich mehr Aufwand, als die meisten Käufer erwarten.
• Gewichte — nur gehostet, kein Download vs. ein 20-GB-BF16-Adapter, den Sie auf Qwen3.5-9B aufsetzen
• Lizenz — Microsoft-Servicebedingungen vs. CC BY-NC 4.0, nicht kommerziell, mit einer Apache-2.0-Basis, die die Einschränkung des Adapters nicht lockert
• Schnittstelle — ein Entscheidungs-Endpunkt mit typisierten Fragen und Wahrscheinlichkeiten vs. Ihrem eigenen Inferenzcode, per Hash an Prompt-Dateien und Optionscode-Tokens gebunden
• Kontext — 32,768 Token vs. 32,768 Token, wobei überdimensionierte Anfragen abgelehnt statt abgeschnitten werden
• Bilder – bis zu 8 pro Frage, 280 bis 1.568 Pixel pro Seite gegenüber reinem Text
• Preis — 0,042 $ pro Million Tokens, nur Eingabe, im Vergleich zu Hardware, Strom und einem Ingenieur
• Veröffentlichter Wert — 67,78 auf dem AA Decision Index v2.1 gegenüber 56,88 auf dem Decision Index 0.2.1

Die beiden Zahlen sind nicht auf demselben Lineal.
Der letzte Punkt ist der, der in Vergleichsbeiträgen missbraucht wird, deshalb lohnt es sich, direkt zu sein: 56,88 und 67,78 sind nicht vergleichbar. Der Wert von Nimble v3 stammt aus Decision Index 0.2.1, dem offenen Kit, das Bespoke Labs selbst betreibt, auf seinem eigenen Harness, mit seiner eigenen Referenzimplementierung. Microsofts 67,78 stammt aus Artificial Analysis Decision Index v2.1, einer anderen Zusammensetzung von Evaluierungen mit anderen Gewichtungen, einer anderen Bewertungsfunktion und einer anderen Auswahl an Modellen im Feld.
Beide Boards messen dieselbe Verhaltensfamilie – du wählst aus begrenzten Optionen und wirst an der Genauigkeit bewertet, abzüglich dessen, wie stark deine angegebene Konfidenz danebenlag. Aber ein gewichtetes Kompositum aus sechs Bewertungen mit einem Symmetrieterm ist nicht dasselbe Instrument wie ein öffentlicher Kit-Durchlauf, und das eine vom anderen abzuziehen erzeugt eine „Lücke“ von 10,9 Punkten, die größtenteils ein Unterschied der Maßstäbe ist. Wer Ihnen diese Subtraktion zeigt, ist entweder nachlässig oder will Ihnen etwas verkaufen.
Was sich ohne Überinterpretation sagen lässt, ist richtungsweisend. Die eigene Model Card von Nimble v3 nennt eine einzige Zahl und keine Aufschlüsselung – in einer Familie, deren früherer Checkpoint eine deutlich vollständigere Tabelle veröffentlicht hat: 90,12 % Übereinstimmung mit Referenzlabels gegenüber 93,21 % für Jev 1.13.0 bei 324 zurückgehaltenen kontrastiven Paaren und 75,7 % gegenüber 76,0 % bei 3.880 menschlich annotierten Entscheidungen über dreizehn öffentliche Datensätze hinweg. Das sind die Zahlen des ersten Nimble, nicht die von v3, und das Projekt kennzeichnet sie als eigene Messungen. Decision 1.1 dagegen weist einen unabhängigen Wert von 67,78 mit sechs veröffentlichten Teilwerten und einem Brier-Score von 0,160 auf einem Leaderboard auf, das auch seine Konkurrenten auf dieselbe Weise einordnet. Wenn Sie eine Zahl brauchen, die Sie in einer Beschaffungsprüfung verteidigen können, liefert nur eine davon eine solche.

Die Lizenz ist die ganze Entscheidung, und sie ist schlimmer, als es aussieht
CC BY-NC 4.0 auf dem Adapter bedeutet keine kommerzielle Nutzung. Das ist keine Grauzone, um die man herumargumentieren kann, und der naheliegende Workaround funktioniert nicht: Das Basismodell Qwen3.5-9B ist Apache 2.0, und die Model Card von Bespoke sagt das ausdrücklich – aber ein permissives Basismodell lockert einen nichtkommerziellen Adapter nicht, und im Adapter steckt das Entscheidungsverhalten. Entfernt man den Adapter, hat man ein allgemeines 9B-Modell, das überhaupt kein Entscheidungsmodell ist.
Es gibt ein zweites, weniger diskutiertes Problem. Das GitHub-Repository des Nimble-Projekts meldet über die API überhaupt keine Lizenz, was bedeutet, dass für den Trainings- und Kurationscode ebenfalls keine Bedingungen deklariert sind. Wenn Ihr Rechtsteam fragt, was Sie mit der Pipeline tun dürfen, die die Gewichte erzeugt hat, lautet die Antwort, dass das Projekt dazu nichts gesagt hat.
Vergleichen Sie das mit Microsofts Modell: Sie können es nicht herunterladen, also nicht forken, aber Sie können auch nicht versehentlich ein Produkt auf einer Lizenz aufbauen, die das Produkt verbietet. Für ein Team, das zwischen den beiden entscheidet, ist die praktische Einordnung, dass das eine ein Kauf und das andere ein Forschungsartefakt ist. Wenn die Workload kommerziell ist, endet der Vergleich hier und das gehostete Modell gewinnt standardmäßig. Wenn nicht – ein internes Evaluierungs-Harness, eine akademische Studie, ein Prototyp, den Sie ersetzen wollen –, dann ist der Adapter wirklich interessant, und sein 20-GB-Fußabdruck bedeutet, dass er auf einer einzelnen GPU läuft, die Sie möglicherweise bereits besitzen.
Deployment-Realität auf jeder Seite
Nimble v3 korrekt auszuführen ist keine Frage davon, den Adapter zu laden und mit ihm zu chatten. Die Dataset-Card macht ausdrücklich deutlich, dass die Engine die Prompts baut, die ihre Schema-Konfiguration per Hash festlegt, und jede Anfrage mit dem Attention-Muster liest, mit dem das Modell trainiert wurde; die Gewichte als einfaches Chat-Modell zu laden oder Text zu generieren reproduziert seine Antworten nicht. Die Engine verweigert das Laden, wenn die Prompt-Dateien oder Option-Code-Tokens von denen des Trainings abweichen. Sie benötigen CUDA, BF16, torch 2.8, transformers 5.17.0, peft und zwei Attention-Kernel, und Anfragen über dem Kontextlimit werden abgelehnt statt gekürzt.
Das ist ein echtes technisches Commitment, und es verschafft dir etwas, das das gehostete Modell nicht bieten kann: die Möglichkeit, ohne Netzwerk-Egress auf deiner eigenen Hardware zu laufen, mit der Option, jeden Prompt einzusehen. Für regulierte Umgebungen, in denen ein Modellaufruf das Gebäude nicht verlassen darf, ist es von den beiden das einzige, das überhaupt in Frage kommt – und die nicht-kommerzielle Lizenz kann es trotzdem ausschließen, und genau darin liegt die Falle.
Auf der Microsoft-Seite sind die Kosten anders und geringer. Eine Foundry-Bereitstellung, ein Endpunkt, ein Bereitstellungsname, ein Schlüssel oder ein Entra-Token. Platzieren Sie die Foundry-Ressource zusammen mit Ihrer Anwendung, wenn Latenz eine Rolle spielt; verwenden Sie eine Data-Zone-Bereitstellung, wenn die Inferenz in der Region bleiben muss, zu $0.05 pro Million Token statt $0.042. Ihre Integration ist ein HTTPS-Aufruf mit einem JSON-Body, und die Antwortform sind Wahrscheinlichkeiten, auf die Sie einen Schwellenwert anwenden.
• Zeit bis zum ersten Aufruf — unter einer Stunde auf Foundry vs. einem GPU-Setup, einer gepinnten Toolchain und einem Reproduktionslauf
• Fehlermodus — ein Rate-Limit oder ein Regionsausfall vs. ein CUDA-OOM oder eine Nichtübereinstimmung der Kernel-Version
• Upgrade-Pfad – keiner: Der Anbieter liefert eine neue Version vs. ein neues Adapter-Tag, das Sie pinnen oder ignorieren können.
• Exit-Pfad — keiner, nur gehostet vs. die Gewichte bleiben, wo sie sind, vorbehaltlich der Lizenz
Wo der Nachfolger die Geschichte komplizierter macht
Nimble v3 ist nicht das aktuelle Modell von Bespoke Labs, und das ist für jeden wichtig, der es jetzt bewertet. Nimble-v4-max, hochgeladen am 3. November 2026, ist ein vollständiges Fine-Tuning von Qwen3.8-27B statt eines Adapters, veröffentlicht mit einer Tag-Historie und einer Benchmark-Tabelle: 72,74 bei Decision Index 0.3 public, ein Anstieg von 68,46 bei v4.0, über 43 Benchmarks hinweg, deren Ergebnisse pro Benchmark in einer JSON-Datei mitgeliefert werden. Es benötigt etwa 55 GB in BF16 und eine 80-GB-GPU. Es steht außerdem unter CC BY-NC 4.0.
Die ehrliche Einschätzung zu Nimble v3 ist heute, dass es die vorherige Generation einer Reihe ist, die sich bereits zweimal weiterentwickelt hat, und seine einzige veröffentlichte Bewertung sich auf eine Kit-Version bezieht, die das aktuelle Modell hinter sich gelassen hat. Einen drei Wochen alten gehosteten Flaggschiff eines Anbieters mit einem still hochgeladenen Adapter zwei Revisionen älter zu vergleichen, ist auf keiner der beiden Achsen ein fairer Vergleich. Die Produktfrage lautet wirklich Microsoft-Decision-1.1 gegen Nimble-v4-max, und selbst dort ist die Lizenzantwort unverändert.
Ein wichtiger Punkt, solange Sie sich noch entscheiden.
Keines der beiden Modelle steht im Katalog von OrcaRouter, und dieser Beitrag wird auch nichts anderes nahelegen: Microsoft-Decision-1.1 ist ausschließlich bei Foundry verfügbar, und einen CC BY-NC-Adapter kann ein kommerzieller Router nicht anbieten. Was der Katalog jedoch bietet, ist die Nachbarschaft – und genau dort beginnen die meisten Evaluierungen in der Praxis.
Die Nachbarschaft ist weiterhin nützlich, denn beide Seiten dieses Vergleichs positionieren sich gegenüber demselben Rivalen. Jev 1.14 ist dieser Rivale: Microsoft-Decision-1.1 schlägt ihn auf dem unabhängigen Leaderboard um 1,55 Punkte, und Bespokes früherer Checkpoint hat sich in seinem eigenen README an Jev 1.13.0 gemessen. Jev 1.14 kostet 0,042 $ pro Million Tokens für Eingabe und Ausgabe. Die Basis Gemma 4 26B A4B, auf der Microsoft nachtrainiert hat, ist für 0,25 $ pro Million Input-Tokens und 2,90 $ pro Million Output-Tokens routbar. Setzen Sie Jev und ein allgemeines Modell auf Ihren eigenen gelabelten Traffic hinter einen einzigen Endpunkt, mit automatischem Failover, und Sie erfahren innerhalb eines Nachmittags, ob ein Entscheidungsmodell seinen Platz im Pfad verdient – vor einem Beschaffungszyklus und vor einem GPU-Kauf. Falls ja, bleibt der Router vor jedem Entscheidungsmodell, das Sie einsetzen, sodass ein Rate Limit eines Anbieters zu einem Reroute statt zu einem Vorfall führt.

Was Ihnen diese Testumgebung nicht verrät, ist, wie sich Decision 1.1 selbst auf Ihren Daten verhält. Dafür benötigen Sie eine Foundry-Bereitstellung und Ihre eigenen Labels, und um das Labeling gibt es keinen Weg herum.
Wie man wählt
Nehmen Sie Microsoft-Decision-1.1, wenn die Workload kommerziell ist, wenn Sie eine kalibrierte Bewertung wünschen, die Sie einem unabhängigen Gremium vorlegen können, wenn Sie Bildeingaben benötigen oder wenn Sie lieber 123 ms mieten möchten, statt eine eigene GPU-Pipeline zu betreiben. Das trifft auf die meisten Teams zu.
Ziehen Sie Nimble v3 nur in Betracht, wenn alle drei folgenden Bedingungen erfüllt sind: Die Nutzung ist nicht kommerziell, der Modellaufruf kann Ihre Infrastruktur nicht verlassen, und Sie sind bereit, die projekt eigene Engine statt eines generischen Loaders zu betreiben. Wenn auch nur eine Bedingung nicht erfüllt ist, haben die Lizenz oder die technische Umsetzung die Entscheidung bereits für Sie getroffen — und wenn Sie heute überhaupt ein Nimble wählen, sehen Sie sich zuerst Nimble-v4-max an, denn der einzige veröffentlichte Wert von v3 ist die älteste Zahl im Vergleich.
Wogegen man sich wehren muss, ist die aufgeräumte Tabelle. Ein Wert von 56,88 gegen 67,78 sieht wie ein Urteil aus und ist keines; es sind zwei verschiedene Kits, zwei verschiedene Altersstufen und zwei verschiedene Lizenzen, die als Pferderennen verkleidet sind. Das Modell, das mit Ihrem Produkt ausgeliefert wird, ist das gehostete, und das Modell, das in Ihrem Labor läuft, ist das offene — das ist die eigentliche Trennung, und kein Benchmark ändert daran etwas.
