Eine generierte Titelkarte für den Artikel, die besagt, dass Bespoke-Nimble-9B-v3 am 30. September 2026 ohne Ankündigung des Anbieters auf Hugging Face erschien und dass die Veröffentlichung die Familie von Apache 2.0 auf CC BY-NC 4.0 umstellte.
Engineering & Research

Nimble v3 wurde still und leise veröffentlicht: Bespoke Labs' 9B-Entscheidungsmodell wurde nichtkommerziell

Autor

Gideon Frost

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Die Gewichte für Nimble v3 — eingetragen als Bespoke-Nimble-9B-v3 — wurden am 30. September 2026 auf Hugging Face hochgeladen, und dreizehn Tage später hat Bespoke Labs öffentlich noch kein Wort über sie verloren. Es gibt keinen Beitrag im eigenen Blog des Labors, keine Versionshinweise, keinen Eintrag in der Pull-Request-Historie des Repositorys, der die Version erwähnt, und keine Zeile im Changelog der Projekt-README. Was existiert, ist ein Repository mit fünf Dateien, ein begleitender Evaluierungsdatensatz, eine kurze Modellkarte und eine Lizenz, die sich geändert hat. Dasselbe Labor hat außerdem einen Platzhalter für Bespoke-Nimble-27B-v3 am 9. Oktober angelegt — ein Repository, dessen einzige Modelldatei eine Notiz ist, die erklärt, dass die Gewichte noch nicht existieren.

Das ist alles, was von Anbieterseite aus bekannt sein kann, und es lohnt sich, es von dem zu trennen, was nicht bekannt sein kann. Alles Folgende stammt aus der Hugging Face API, den rohen Modellkarten, der GitHub API und den Packaging-Metadaten, die das Modell nun mit sich führt; wo eine Zahl vom Anbieter selbst stammt, wird das angegeben.

Was befindet sich eigentlich im Repository?

Bespoke-Nimble-9B-v3 enthält README.md, adapter_config.json, adapter_model.safetensors, eine schema_config.json, und .gitattributes. Das ist die vollständige Liste. Es ist ein PEFT-LoRA-Adapter, kein eigenständiges Modell: Die Modellkarte nennt Qwen/Qwen3.5-9B als Basis, und die Basis ist im Repository nicht dupliziert.

Die Karte selbst besteht aus vier kurzen Abschnitten. Sie besagt, dass der Adapter „einen Kontext und typisierte Fragen (eine Auswahl unter Optionen oder Ja oder Nein)“ entgegennimmt und für jede Option eine Wahrscheinlichkeit zurückgibt. Sie gibt einen Wert von 56,88 für den Decision Index 0.2.1 an. Sie nennt die Lizenz. Sie enthält eine Quellenangabe, in der Shreyas Pimpalgaonkar, Sid Devic, Mrinal Kumar, Pratik Dalal und Mahesh Sathiamoorthy genannt werden.

Was nicht darin enthalten ist, zählt genauso viel. Es gibt keinen Tokenizer, keinen Prompt-Builder, keinen Referenz-Inferenzcode, keine Prüfsummendatei, keinen Herkunftsnachweis und keinen Kontextlängen-Vertrag — all das, was die erste Veröffentlichung der Familie, Bespoke-Nimble-9B, am 18. September zusammen mit ihren eigenen Gewichten als Teil eines Pakets aus einundzwanzig Dateien ausgeliefert hat. Das v3-Repository ist ein Adapter-Checkpoint und eine Lizenzzeile. Alles, was Sie brauchen, um es korrekt auszuführen, stellen Sie jetzt selbst zusammen oder beziehen es von einem Paketierer.

A screenshot of the Bespoke-Nimble-9B-v3 model card on Hugging Face, showing the repository file list of five files, the CC BY-NC 4.0 licence declaration, the Qwen3.5-9B base model, the Decision Index 0.2.1 score of 56.88, and the five named authors in the citation block.

Die Lizenz ist der Teil, der darüber entscheiden wird, wer sie nutzen darf.

Der eine Satz in der v3-Karte, der ein Beschaffungsgespräch verändert, ist dieser: Bespoke-Nimble-9B-v3 wird veröffentlicht unter CC BY-NC 4.0, was die Karte mit „es darf nicht für kommerzielle Zwecke verwendet werden“ umschreibt.

Jeder bisherige Nimble-Checkpoint war Apache 2.0. Bespoke-Nimble-9B ist Apache 2.0. Bespoke-Nimble-9B-v2, hochgeladen am 23. September, ist Apache 2.0. Das Basismodell ist Apache 2.0 und bleibt es auch — Bespokes Model Card sagt das ausdrücklich, was das Ehrliche ist und zugleich der Grund, warum ein Unternehmen die Beschränkung nicht umgehen kann, indem es auf die Lizenz des Basismodells verweist. Eine permissiv lizenzierte Basis lockert einen nicht-kommerziellen Adapter nicht, und im Adapter liegt das Entscheidungsverhalten.

Es gibt eine zweite Lizenzfrage, die schlimmer ist, weil sie mehrdeutig und nicht bloß restriktiv ist. Das GitHub-Repository bespokelabsai/nimble – die Projekt-Homepage, derzeit bei 2.179 Sternen – meldet überhaupt keine Lizenz über die GitHub-API. Ein Repository ohne Lizenzdatei ist in keinem Sinne Open Source, den ein Anwalt akzeptieren würde, und das gilt unabhängig davon, ob die Maintainer es beabsichtigt haben oder nicht. Die README des Labors selbst räumt raue Kanten in der ersten Veröffentlichung des Modells ein; eine nicht lizenzierte Codebasis für Training und Kuratierung ist eine andere Kategorie von Problem.

Die praktische Konsequenz für alle, die heute ein Produkt planen, ist also: Die Gewichte von Nimble v3 sind lesbar, herunterladbar und nicht kommerziell; für den Code, der sie erzeugt hat, sind keine Bedingungen angegeben. Wenn Sie ein kommerziell nutzbares Entscheidungsmodell auf der Qwen3.5-9B-Basis brauchen, ist dies nicht das passende, und die Alternativen werden in Nimble v3 vs Kev und Nimble v3 vs Decider.

Drei Sätze Zahlen, drei verschiedene Instrumente

Die v3-Karte enthält genau einen Score: 56,88 auf dem Decision Index 0.2.1. Das begleitende Datensatz-Repository von Bespoke Labs veröffentlicht den vollständigen Lauf, die Engine und Anleitungen zur Reproduktion – mehr Transparenz, als die meisten Anbieter bieten – und die Zahl stammt weiterhin vom Herausgeber selbst, gemessen mit seiner eigenen Referenzimplementierung eines Kits eines Drittanbieters.

Für den früheren Checkpoint veröffentlichte die Familie eine deutlich breitere Tabelle, und sie ist das einzige Head-to-Head-Material, das gegen das Modell existiert, durch das diese Kategorie definiert wird. Auf 324 zurückgehaltenen kontrastiven Paaren traf das Modell vom 18. September 90,12 % der Referenzlabels, gegenüber 93,21 % für TypeSafe's Jev 1.13.0, wobei die Qwen3.5-9B-Basis bei 66,36 % lag. Auf 3.880 von Hand gelabelten Entscheidungen über dreizehn öffentliche Datensätze hinweg betrug der Abstand 75,7 % gegenüber Jevs 76,0 % — ein totes Rennen. Diese Zahlen gehören zum ersten Nimble, nicht zu v3, und das Projekt kennzeichnet sie als seine eigenen Messungen.

Das dritte Set ist dasjenige, das niemand bei Bespoke Labs ausgeführt hat. Das Paket, das das Modell jetzt für die lokale Nutzung ausliefert, veröffentlichte einen Durchlauf mit 231 Fällen des JevBench-Originals, Easy- und Hard-Sets, auf einem Apple M5 Max mit einer 40-Kern-GPU: 201 von 231 korrekt bei 88 ms Median-Latenz für den unquantisierten MLX-Build, 202 von 231 bei 176 ms für den unquantisierten GGUF-Build und 198 von 231 bei 168 ms für die Q4_K_M-Quantisierung – mit dem neben der Tabelle abgedruckten Vorbehalt, dass die Quantisierung Scores und Entscheidungen verändert. Dies ist ein Drittanbieter-Harness, aber es ist ein Packaging-Harness, kein unabhängiges Audit, und die Packager sagen unumwunden, dass JevBench und der Decision Index unterschiedliche Aufgaben und unterschiedliche Bewertungsverfahren verwenden.

A screenshot of the bespokelabsai/nimble GitHub repository, showing the description 'Local typed decisions, contrastive data curation, and model evaluation', the README heading 'Data, Model, Recipe for an open Jev', the star count, and the absence of a declared licence in the sidebar.

Was Bespoke Labs nicht gesagt hat

Fünf Dinge, die ein Leser vernünftigerweise zu finden erwarten wird und nicht finden wird:

• Eine Kontextlänge. Die v3-Karte gibt keine an. Das Listing des Packagers wirbt mit 32.768 Token, und das frühere Release der Familie dokumentiert einen 8.192-Token-Vertrag, bei dem übergroße Prompts abgelehnt statt abgeschnitten werden. Das sind unterschiedliche Zahlen, die unterschiedliche Dinge beschreiben, und nichts in Bespokes eigenem v3-Material klärt, welche für den Adapter selbst gilt.

• Eine Obergrenze für Optionen. Frühere Nimble-Checkpoints dokumentierten 1 bis 255 Auswahlmöglichkeiten pro Feld – eine bewusste Erweiterung über die ursprünglichen 26 hinaus unter Verwendung zusätzlicher Einzeltoken-Vokabularslots. Ob v3 diese Obergrenze übernimmt, wird nicht angegeben.

• Eine Temperatur. Die Historie dieser Familie ist hier wirklich nützlich und wissenswert: Der ursprüngliche Checkpoint wurde mit einem angepassten Wert nahe 2,18 ausgeliefert, das Update vom 24. September setzte den Standard auf 1,0 ohne separaten Fit, und Zwischenversionen hatten ihre eigenen Einstellungen. Die falsche anzuwenden, ändert nicht, welche Antwort gewinnt, aber sie verändert jede Wahrscheinlichkeit – was das gesamte Produkt ausmacht. Die v3-Karte schweigt.

• Jede Aussage darüber, was sich geändert hat. Die PR-Historie des Repositorys springt vom 24. September mit „Unterstützung der neuesten Nimble-9B-Version und Checkpoint-Standardwerte“ zu einem README-Badge am 13. Oktober. Es gibt keine Änderungsnotiz zu v3, kein Update zur Datenherkunft, keine Trainingszusammenfassung.

• Alles, was es überhaupt über das 27B gibt.Das Bespoke-Nimble-27B-v3 Repository, erstellt am 9. Oktober, enthält eine Lizenzangabe, eine README und eine Datei, deren gesamter Inhalt darin besteht, dass die Gewichte noch nicht veröffentlicht wurden. Die README nennt eine einzige Zahl – 65,33 in der öffentlichen Suite Decision Index 0.3 – und besagt, dass das Modell auf der gehosteten API von Bespoke Labs läuft, wobei der Zugang über die Kontaktaufnahme mit dem Lab erfolgt. Kein Download, kein Datum, keine Gewichte. Es ist ein Platzhalter und sollte auch als solcher gelesen werden.

Das ist die Gestalt einer stillen Auslieferung: Ein Checkpoint erscheint, die Dokumentation nicht, und die Versionsnummer ist der einzige Hinweis darauf, dass eine Entscheidung getroffen wurde.

Was hat sich diese Woche tatsächlich geändert?

Der Upload vom 30. September ist nicht das, was das heute schreibbar macht. Was es schreibbar macht, ist: Nimble v3 wurde installierbar in den letzten Tagen. Eine lokale Modell-Runtime hat nimble-v3 am 13. Oktober in ihre öffentliche Bibliothek aufgenommen, wobei der Adapter in die Qwen3.5-9B-Basis integriert wurde, sodass ein einziger Pull-Befehl ein lauffähiges 9B-Entscheidungsmodell in sechs Gewichtsformaten liefert — zwei unquantisierte Builds mit 17,9 GB, einen 9,3 GB großen MXFP8-MLX-Build, einen 6,9 GB großen NVFP4-Build, einen 9,5 GB großen Q8_0- und einen 5,6 GB großen Q4_K_M-Build. Zum Zeitpunkt des Schreibens zeigte der Eintrag 45 Downloads und einen Stempel „vor drei Stunden aktualisiert“, was ungefähr so frisch ist, wie ein Modellkatalog-Eintrag nur sein kann.

Zwei Dinge folgen daraus. Das erste ist, dass sich die Zugangsfrage im Charakter verändert hat: Vor dreizehn Tagen bedeutete die Nutzung von Nimble v3, eine 9B-Basis herunterzuladen, ein LoRA zu mergen und ein Prompt-Format zu rekonstruieren, das das Repository nicht mehr dokumentiert. Jetzt bedeutet es, ein Paket zu ziehen – mit der Lizenzbeschränkung, die darin mitreist, und mit der Anmerkung des Paketierers selbst, dass er den Adapter in die vom Herausgeber angegebene Basis gemergt hat, statt irgendetwas weiterzuverbreiten, das Bespoke Labs nicht veröffentlicht hat.

Das Zweite ist, dass es jetzt eine Erstlauf-Zahl für ein Modell gibt, für das es zuvor keine gab. Ein Genauigkeitswert über 231 Fälle und eine Latenzverteilung aus einer Testumgebung, die nicht die des Anbieters ist, sind genau die Art von Belegen, die dieser Kategorie gefehlt hat, und es lohnt sich, sie als Untergrenze statt als Urteil zu lesen: Derselbe Lauf brachte den quantisierten Build 4 Fälle unter den nicht quantisierten, und die Packager warnen, dass Ihre Schwellenwerte anhand Ihrer eigenen Beispiele erneut validiert werden müssen.

Was das für das Routing bedeutet: Ein Entscheidungsmodell ist eine eng gefasste Komponente, und Nimble v3 beantwortet nur die Fragen, die man ihm übergibt — es kann nicht schreiben, erklären oder eine Antwort zurückgeben, die nicht eine Ihrer Optionen ist. Die generative Hälfte einer solchen Pipeline ist der Teil, den OrcaRouter abdeckt: 200+ Modelle hinter einem einzigen OpenAI-kompatiblen Schlüssel zum Listenpreis des Anbieters, mit 0 % Aufschlag durchgereicht, mit automatischem Failover und einer Routing-DSL, die Sie als Code ausdrücken können. OrcaRouter bedient Nimble v3 nicht, und nichts hier sollte als Behauptung gelesen werden, dass dem so sei. Die treffende Einordnung ist, dass ein günstiger, lokaler Entscheidungs-Head und ein dahinter geroutetes generatives Modell zwei Hälften eines Musters sind, und wenn Sie die zweite Hälfte bauen, sind wir das.

A generated scoreboard card for Nimble v3 listing six dimensions: release date September 30 2026, licence CC BY-NC 4.0 non-commercial, base model Qwen3.5-9B with a LoRA adapter, repository size five files, headline score 56.88 on Decision Index 0.2.1 measured by the publisher, and vendor announcement status none, with a footer noting that all figures are publisher-reported and the 56.88 comes from the publisher's own implementation of a third-party benchmark kit.

Was damit zu tun ist und worauf man achten sollte

Wenn Sie Entscheidungsmodelle evaluieren, statt eines auszuliefern, ist Nimble v3 jetzt der günstigste Einstieg in diese Kategorie: ein einzelner Pull, keine über einen Laptop hinausgehende GPU erforderlich, ein dokumentierter Genauigkeitswert eines Drittanbieters und eine Lizenz, die für die Forschung in Ordnung ist. Wenn Sie ein Produkt entwickeln, beantwortet die Lizenz die Frage, bevor die Benchmarks es tun, und der fehlende Kontextvertrag und die fehlende Temperatur bedeuten, dass Sie auf Ihren eigenen Daten kalibrieren werden, ob Sie es beabsichtigt haben oder nicht.

Die drei Dinge, die diese Einschätzung ändern würden: eine Anbieterankündigung, die die Lizenz klärt (CC BY-NC für einen Flaggschiff-Checkpoint ist ungewöhnlich für ein Labor, das ansonsten Apache 2.0 ausgeliefert und 40 Mio. $ aufgebracht hat, um für Unternehmen zu entwickeln), ein gefülltes 27B-Repository und ein Änderungshinweis, der erklärt, was v3 tatsächlich anders gemacht hat als v2. Bis dahin lautet die ehrliche Zusammenfassung, dass ein kompetentes Team einen Checkpoint hochgeladen, seine Nutzung eingeschränkt und die Ankündigung den Packagern überlassen hat.

Nimble v3 ist ein Adapter mit offenen Gewichten, den du selbst bereitstellst; die generative Hälfte derselben Pipeline ist das, was OrcaRouter abdeckt. Über 200 Modelle hinter einem einzigen OpenAI-kompatiblen Schlüssel OrcaRouter stellt Nimble v3 nicht bereit, und nichts in diesem Artikel sollte als Behauptung gelesen werden, dass dies der Fall sei.