
Nimble v3 se lanzó en silencio: el modelo de decisión 9B de Bespoke Labs se volvió no comercial
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 185 tok/s
- openaiNUEVOOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 por 1M de tokens · 76 tok/s
- openaiNUEVOOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 por 1M de tokens · 151 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 240 tok/s
- AlibabaNUEVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 178 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 94 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 por 1M de tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 104 tok/s
Los pesos de Nimble v3 — registrados como Bespoke-Nimble-9B-v3 — se subieron a Hugging Face el 30 de septiembre de 2026, y trece días después Bespoke Labs todavía no ha dicho una palabra sobre ellos en público. No hay ninguna publicación en el blog del propio laboratorio, ninguna nota de lanzamiento, ninguna entrada en el historial de pull requests del repositorio que mencione la versión, y ninguna línea en el registro de cambios del README del proyecto. Lo que existe es un repositorio de cinco archivos, un conjunto de datos de evaluación complementario, una breve tarjeta de modelo y una licencia que cambió. El mismo laboratorio también dejó un marcador de posición para Bespoke-Nimble-27B-v3 el 9 de octubre — un repositorio cuyo único archivo de modelo es una nota que explica que los pesos todavía no existen.
Eso es todo lo que se puede saber desde el lado del proveedor, y merece la pena separarlo de lo que no. Todo lo que aparece a continuación procede de la API de Hugging Face, las tarjetas de modelo sin procesar, la API de GitHub y los metadatos de empaquetado que el modelo ahora lleva; cuando una cifra es del propio proveedor, se indica así.
¿Qué hay realmente en el repositorio?
Bespoke-Nimble-9B-v3 contiene README.md, adapter_config.json, adapter_model.safetensors, un schema_config.json, y .gitattributes. Esa es la lista completa. Es un adaptador PEFT LoRA, no un modelo independiente: la tarjeta nombra Qwen/Qwen3.5-9B como base, y la base no se duplica en el repositorio.
La tarjeta en sí consta de cuatro secciones breves. Indica que el adaptador toma "un contexto y preguntas tipadas (una elección entre opciones, o sí o no)" y devuelve una probabilidad para cada opción. Informa una puntuación de 56.88 en Decision Index 0.2.1. Indica la licencia. Incluye una cita que nombra a Shreyas Pimpalgaonkar, Sid Devic, Mrinal Kumar, Pratik Dalal y Mahesh Sathiamoorthy.
Lo que no hay en él importa igual. No hay tokenizador, ni constructor de prompts, ni código de inferencia de referencia, ni archivo de suma de comprobación, ni registro de procedencia, ni contrato de longitud de contexto — todo lo cual la primera versión de la familia, Bespoke-Nimble-9B, se lanzó junto con sus propios pesos el 18 de septiembre como parte de un paquete de veintiún archivos. El repositorio v3 es un checkpoint de adaptador y una línea de licencia. Todo lo que necesites para ejecutarlo correctamente, ahora lo reúnes tú mismo o lo tomas de un empaquetador.

La licencia es la parte que decidirá quién puede usarla.
La única frase de la tarjeta v3 que cambia una conversación de adquisiciones es esta: Bespoke-Nimble-9B-v3 se publica bajo CC BY-NC 4.0, que la tarjeta glosa como "no puede utilizarse con fines comerciales".
Todos los checkpoints anteriores de Nimble eran Apache 2.0. Bespoke-Nimble-9B es Apache 2.0. Bespoke-Nimble-9B-v2, subido el 23 de septiembre, es Apache 2.0. El modelo base es Apache 2.0 y sigue siéndolo — la tarjeta de Bespoke lo dice explícitamente, lo cual es lo honesto y también la razón por la que una empresa no puede eludir la restricción señalando la licencia del modelo base. Una base con licencia permisiva no relaja un adaptador no comercial, y el adaptador es donde reside el comportamiento de decisión.
Hay una segunda cuestión de licencia que es peor, porque es ambigua en lugar de meramente restrictiva. El repositorio de GitHub bespokelabsai/nimble —la sede del proyecto, que actualmente tiene 2.179 estrellas— informa de que no hay licencia alguna a través de la API de GitHub. Un repositorio sin archivo de licencia no es de código abierto en ningún sentido que un abogado acepte, y eso es cierto tanto si los mantenedores lo pretendían como si no. El propio README del laboratorio reconoce imperfecciones en la primera versión del modelo; una base de código de entrenamiento y curación sin licencia es una clase de problema diferente.
Así que la postura práctica para cualquiera que planee un producto hoy es: los pesos de Nimble v3 son legibles, descargables y no comerciales; el código que los produjo no tiene términos declarados. Si necesitas un modelo de decisión utilizable comercialmente sobre la base Qwen3.5-9B, este no es el indicado, y las alternativas se examinan en Nimble v3 vs Kev y Nimble v3 vs Decider.
Tres conjuntos de números, tres instrumentos diferentes
La ficha v3 contiene exactamente una puntuación: 56.88 en Decision Index 0.2.1. El repositorio de conjuntos de datos complementario de Bespoke Labs publica la ejecución completa, el motor y las instrucciones de reproducción, lo que supone más transparencia de la que ofrece la mayoría de los proveedores, y la cifra sigue siendo del propio editor: medida con su propia implementación de referencia de un kit de terceros.
Para el checkpoint anterior, la familia publicó una tabla mucho más amplia, y es el único material comparativo directo que existe frente al modelo que define esta categoría. Sobre 324 pares contrastivos reservados, el modelo del 18 de septiembre coincidió con el 90,12 % de las etiquetas de referencia frente al 93,21 % de Jev 1.13.0 de TypeSafe, con la base Qwen3.5-9B en el 66,36 %. Sobre 3.880 decisiones etiquetadas por humanos en trece conjuntos de datos públicos, el margen fue del 75,7 % frente al 76,0 % de Jev: un empate técnico. Esas cifras pertenecen al primer Nimble, no a la v3, y el proyecto las etiqueta como sus propias mediciones.
El tercer conjunto es el que nadie de Bespoke Labs ejecutó. El paquete que ahora distribuye el modelo para uso local publicó una ejecución de 231 casos del JevBench original, los conjuntos fácil y difícil, en un Apple M5 Max con una GPU de 40 núcleos: 201 de 231 correctos con una latencia mediana de 88 ms para la compilación MLX sin cuantización, 202 de 231 a 176 ms para la compilación GGUF sin cuantización, y 198 de 231 a 168 ms para la cuantización Q4_K_M — con la advertencia impresa junto a la tabla de que la cuantización cambia las puntuaciones y las decisiones. Este es un arnés de terceros, pero es un arnés de empaquetado, no una auditoría independiente, y los empaquetadores dicen sin rodeos que JevBench y el Decision Index usan tareas distintas y puntuaciones distintas.

Lo que Bespoke Labs no ha dicho
Cinco cosas que un lector esperará razonablemente encontrar y no encontrará:
• Una longitud de contexto. La ficha de la v3 no indica ninguna. El listado del empaquetador anuncia 32.768 tokens, y una versión anterior de la familia documenta un contrato de 8.192 tokens con prompts demasiado largos que se rechazan en lugar de truncarse. Son números distintos que describen cosas distintas, y nada en el propio material de la v3 de Bespoke aclara cuál se aplica al adaptador en sí.
• Un techo de opciones. Los checkpoints anteriores de Nimble documentaban de 1 a 255 opciones por campo — una expansión deliberada más allá de las 26 originales, usando ranuras adicionales de vocabulario de un solo token. No se especifica si la v3 hereda ese techo.
• Una temperatura. La historia de la familia aquí es genuinamente útil y vale la pena conocerla: el checkpoint original se lanzó con un valor ajustado cercano a 2.18, la actualización del 24 de septiembre cambió el valor predeterminado a 1.0 sin un ajuste por separado, y las versiones intermedias traían sus propios ajustes. Aplicar el incorrecto no cambia qué respuesta gana, pero cambia todas las probabilidades — lo cual constituye todo el producto. La tarjeta v3 guarda silencio.
• Cualquier declaración de lo que cambió. El historial de PR del repositorio salta de «Support latest Nimble 9B release and checkpoint defaults» el 24 de septiembre a una insignia del README el 13 de octubre. No hay nota de cambios de la v3, ni actualización del linaje de datos, ni resumen de entrenamiento.
• Cualquier cosa que haya sobre el 27B. El repositorio Bespoke-Nimble-27B-v3, creado el 9 de octubre, contiene una declaración de licencia, un README y un archivo cuyo contenido completo es que los pesos aún no se han publicado. El README da un solo número —65,33 en la suite pública Decision Index 0.3— y dice que el modelo se ejecuta en la API alojada de Bespoke Labs, a la que se accede contactando al laboratorio. No hay descarga, ni fecha, ni pesos. Es un marcador de posición y debe leerse como tal.
Esa es la forma de un envío silencioso: aparece un punto de control, la documentación no lo hace, y el número de versión es la única indicación de que se tomó una decisión.
Qué cambió realmente esta semana
La carga del 30 de septiembre no es lo que lo hace escribible hoy. Lo que lo hace escribible es que Nimble v3 se volvió instalable en los últimos días. Un entorno de ejecución de modelos local agregó nimble-v3 a su biblioteca pública el 13 de octubre, fusionando el adaptador en la base Qwen3.5-9B para que un solo comando pull produzca un modelo de decisión 9B ejecutable en seis formatos de peso: dos compilaciones sin cuantificar de 17.9 GB, una compilación MXFP8 MLX de 9.3 GB, una compilación NVFP4 de 6.9 GB, un Q8_0 de 9.5 GB y un Q4_K_M de 5.6 GB. En el momento de escribir, el listado mostraba 45 descargas y un sello de "actualizado hace tres horas", que es casi lo más reciente que puede estar una entrada de catálogo de modelos.
Dos cosas se derivan de esto. La primera es que la cuestión del acceso ha cambiado de carácter: hace trece días, usar Nimble v3 significaba descargar una base de 9B, fusionar una LoRA y reconstruir un formato de prompt que el repositorio ya no documenta. Ahora significa descargar un paquete —con la restricción de licencia viajando dentro de él, y con la nota del propio empaquetador de que fusionó el adaptador en la base especificada por el publicador en lugar de redistribuir nada que Bespoke Labs no haya publicado.
Lo segundo es que ahora existe una cifra de primera ejecución para un modelo que no tenía ninguna. Una cifra de precisión de 231 casos y una distribución de latencia de un arnés que no es el del proveedor son exactamente el tipo de evidencia que le ha faltado a esta categoría, y vale la pena interpretarlo como un mínimo y no como un veredicto: la misma ejecución dejó a la compilación cuantizada 4 casos por debajo de la no cuantizada, y los empaquetadores advierten que tus umbrales necesitan revalidarse con tus propios ejemplos.
Dónde deja esto al enrutamiento: un modelo de decisión es un componente limitado, y Nimble v3 responde únicamente a las preguntas que le entregas — no puede escribir, explicar ni devolver una respuesta que no sea una de tus opciones. La mitad generativa de un pipeline así es la parte que cubre OrcaRouter: más de 200 modelos tras una sola clave compatible con OpenAI a precio de lista del proveedor repercutido con 0 % de margen, con conmutación por error automática y un DSL de enrutamiento que puedes expresar como código. OrcaRouter no sirve Nimble v3, y nada de lo aquí dicho debe interpretarse como una afirmación de que lo hace. El planteamiento correcto es que una cabeza de decisión local y económica y un modelo generativo enrutado detrás de ella son las dos mitades de un mismo patrón, y si estás construyendo la segunda mitad, ese es nuestro terreno.

Qué hacer con ello, y a qué prestar atención
Si estás evaluando modelos de decisión en lugar de lanzar uno a producción, Nimble v3 es ahora la forma más barata de entrar en la categoría: una sola descarga, no se necesita ninguna GPU más allá de un portátil, una cifra de precisión documentada por terceros y una licencia que es válida para investigación. Si estás construyendo un producto, la licencia responde a la pregunta antes de que lo hagan los benchmarks, y la falta de un contrato de contexto y de temperatura significa que calibrarás con tus propios datos, tanto si lo pretendías como si no.
Las tres cosas que cambiarían esta evaluación: un anuncio del proveedor que aclare la licencia (CC BY-NC en un checkpoint insignia es inusual para un laboratorio que, por lo demás, ha publicado bajo Apache 2.0 y ha recaudado $40M para desarrollar para empresas), un repositorio de 27B con contenido, y una nota de cambios que explique qué hizo v3 realmente de forma diferente a v2. Hasta entonces, el resumen honesto es que un equipo competente subió un checkpoint, restringió su uso y dejó que los empaquetadores hicieran el anuncio.
Nimble v3 es un adaptador de pesos abiertos que alojas tú mismo; la mitad generativa de ese mismo pipeline es lo que cubre OrcaRouter. Más de 200 modelos tras una única clave compatible con OpenAI OrcaRouter no ofrece Nimble v3, y nada en este artículo debe interpretarse como una afirmación de que sí lo hace.
