
MAI Decision 1 vs Nimble v3 : un outil de scoring hébergé contre une licence que vous ne pouvez pas distribuer
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 182 tok/s
La première chose qui distingue MAI Decision 1 — le modèle que Microsoft a livré à Ignite sous le nom de Microsoft-Decision-1.1 — de Nimble v3, déposé sur Hugging Face sous le nom de Bespoke-Nimble-9B-v3, n’est pas un benchmark. C’est une clause de licence. Nimble v3 est un adaptateur LoRA publié sous CC BY-NC 4.0, que la fiche du modèle présente comme « ne peut pas être utilisé à des fins commerciales ». Le modèle de Microsoft est un point de terminaison hébergé que l’on loue au token, si bien que la question de la licence ne se pose jamais, et celle de l’auto-hébergement non plus. L’un de ces modèles peut être intégré à un produit ; l’autre peut être mis dans un notebook. Tout le reste dans cette comparaison découle de cette divergence, y compris la raison pour laquelle leurs scores publiés ne devraient pas être soustraits l’un de l’autre.
Ce que chacun est réellement, mécaniquement
{{1}}Microsoft-Decision-1.1{{/1}} est un déploiement {{2}}Foundry{{/2}}, en service depuis le {{3}}17 novembre 2026{{/3}}, post-entraîné par {{4}}Microsoft{{/4}} sur {{5}}Gemma 4 26B-A4B{{/5}}. Vous envoyez un {{6}}état{{/6}} et des {{7}}questions typées{{/7}} à un {{8}}point de terminaison de décision{{/8}}, vous recevez des {{9}}probabilités calibrées{{/9}} en retour, et vous êtes facturé {{10}}$0.042{{/10}} {{11}}par million de jetons d'entrée{{/11}} sur {{12}}Global Standard{{/12}} ou {{13}}$0.05{{/13}} dans les {{14}}zones de données UE et APAC{{/14}}. Il n'y a pas de {{15}}téléchargement{{/15}}, pas de {{16}}voie de fine-tuning{{/16}} et pas d'{{17}}option d'auto-hébergement{{/17}} dans la fiche du modèle. La latence est de {{18}}123 ms{{/18}} par tâche selon la {{19}}mesure d'Artificial Analysis{{/19}} ; le contexte est de {{20}}32 768 jetons d'entrée{{/20}} ; il lit les {{21}}images ainsi que le texte{{/21}}.
Nimble v3 est un adaptateur PEFT à cinq fichiers pour Qwen3.5-9B, mis en ligne le 30 septembre 2026 sans annonce, sans article de blog ni note de version de la part de Bespoke Labs. Le dépôt contient un README, une configuration d’adaptateur, les poids de l’adaptateur, une configuration de schéma et un fichier gitattributes — c’est la liste complète. Vous fournissez vous-même le modèle de base, le moteur d’inférence et le GPU. Le dépôt de jeu de données associé contient l’exécution complète de Decision Index, le moteur et les instructions de reproduction, ce qui représente plus de transparence que la plupart des fournisseurs n’en offrent et aussi plus de travail que la plupart des acheteurs ne s’y attendent.
• Poids — hébergés uniquement, aucun téléchargement, contre un adaptateur BF16 de 20 Go que vous assemblez sur Qwen3.5-9B
• Licence — conditions d’utilisation des services Microsoft vs CC BY-NC 4.0, non commercial, avec une base Apache 2.0 qui n’assouplit pas la restriction de l’adaptateur
• Interface — un point de terminaison de décision avec des questions typées et des probabilités vs votre propre code d’inférence, épinglé aux fichiers de prompt et aux jetons de code d’option par hachage
• Contexte — 32 768 tokens vs 32 768 tokens, les requêtes surdimensionnées étant refusées plutôt que tronquées
• Images — jusqu'à 8 par question, 280 à 1 568 pixels par côté vs texte uniquement
• Prix — $0.042 par million de tokens, en entrée uniquement, par rapport au matériel, à l’électricité et à un ingénieur
• Score publié — 67,78 sur AA Decision Index v2.1 contre 56,88 sur Decision Index 0.2.1

Les deux nombres ne sont pas sur la même règle.
Ce dernier point est celui qui est exploité de manière abusive dans les articles comparatifs, il vaut donc la peine d’être direct : 56,88 et 67,78 ne sont pas comparables. Le chiffre de Nimble v3 provient de Decision Index 0.2.1, le kit ouvert que Bespoke Labs fait tourner lui-même, sur son propre banc d’essai, avec sa propre implémentation de référence. Le 67,78 de Microsoft provient d’Artificial Analysis Decision Index v2.1, une composition différente d’évaluations avec des pondérations différentes, une fonction de notation différente et un ensemble différent de modèles sur le terrain.
Les deux bancs d’essai mesurent la même famille de comportements — vous choisissez parmi des options bornées et vous êtes noté sur votre exactitude, réduite en fonction de la gravité de l’erreur de votre confiance déclarée. Mais un composite pondéré de six évaluations, avec un terme de symétrie, n’est pas le même instrument qu’une exécution de kit public, et soustraire l’un de l’autre produit un « écart » de 10,9 points qui tient surtout à une différence de règles de mesure. Quiconque vous montre cette soustraction est soit négligent, soit en train de vous vendre quelque chose.
Ce qui peut être affirmé sans exagération est indicatif. La propre fiche de Nimble v3 ne rapporte qu’un chiffre, sans ventilation, au sein d’une famille dont un point de contrôle antérieur publiait un tableau bien plus complet : 90,12 % d’accord avec les étiquettes de référence, contre 93,21 % pour Jev 1.13.0 sur 324 paires contrastives tenues à l’écart, et 75,7 % contre 76,0 % sur 3 880 décisions annotées par des humains réparties sur treize jeux de données publics. Ce sont les chiffres du premier Nimble, pas ceux de v3, et le projet les présente comme ses propres mesures. Decision 1.1, en revanche, affiche un 67,78 indépendant, avec six sous-scores publiés et un Brier de 0,160 sur un classement qui classe aussi ses concurrents de la même manière. Si vous avez besoin d’un chiffre défendable lors d’une revue d’achat, un seul de ces modèles vous en fournit un.

La licence est l'élément décisif, et c'est pire qu'il n'y paraît.
La licence CC BY-NC 4.0 sur l'adaptateur signifie aucun usage commercial. Ce n'est pas une zone grise que l'on peut contourner par le raisonnement, et le contournement évident ne fonctionne pas : le modèle de base, Qwen3.5-9B, est sous Apache 2.0, et la fiche de Bespoke le dit explicitement — mais une base permissive ne relâche pas un adaptateur non commercial, et c'est dans l'adaptateur que réside le comportement décisionnel. Retirez l'adaptateur et vous obtenez un modèle généraliste de 9B qui n'est pas du tout un modèle de décision.
Il existe un second problème, moins discuté. Le dépôt GitHub du projet Nimble ne déclare aucune licence via l’API, ce qui signifie que le code d’entraînement et de curation n’a pas non plus de conditions déclarées. Si votre équipe juridique demande ce que vous pouvez faire avec le pipeline qui a produit les poids, la réponse est que le projet ne s’est pas prononcé.
Comparez cela au modèle de Microsoft : vous ne pouvez pas le télécharger, donc vous ne pouvez pas le forker, mais vous ne pouvez pas non plus construire accidentellement un produit sur une licence qui interdit ce produit. Pour une équipe qui doit choisir entre les deux, le cadre pratique est que l'un est un achat et l'autre un artefact de recherche. Si la charge de travail est commerciale, la comparaison s'arrête ici et le modèle hébergé l'emporte par défaut. Si elle ne l'est pas — un banc d'évaluation interne, une étude universitaire, un prototype que vous comptez remplacer — alors l'adaptateur est réellement intéressant, et son empreinte de 20 Go signifie qu'il tourne sur un seul GPU que vous possédez peut-être déjà.
La réalité du déploiement de chaque côté
Exécuter correctement Nimble v3 ne se résume pas à charger l’adaptateur et à discuter avec lui. La fiche du jeu de données indique explicitement que le moteur construit les prompts que sa configuration de schéma fixe par hachage et lit chaque requête selon le motif d’attention avec lequel le modèle a été entraîné ; charger les poids comme un modèle conversationnel ordinaire, ou générer du texte, ne reproduit pas ses réponses. Le moteur refuse de se charger si les fichiers de prompts ou les jetons de code d’option diffèrent de ceux de l’entraînement. Il vous faudra CUDA, BF16, torch 2.8, transformers 5.17.0, peft et deux noyaux d’attention, et les requêtes dépassant la limite de contexte sont rejetées plutôt que raccourcies.
C’est un véritable engagement d’ingénierie, et il vous apporte quelque chose que le modèle hébergé ne peut pas offrir : la possibilité de fonctionner sans trafic réseau sortant, sur votre propre matériel, avec la possibilité d’inspecter chaque invite. Pour les environnements réglementés où un appel au modèle ne peut pas quitter le bâtiment, c’est le seul des deux à être ne serait-ce qu’un candidat — et la licence non commerciale peut encore l’exclure, ce qui est le piège.
Côté Microsoft, le coût est différent et plus faible. Un déploiement Foundry, un point de terminaison, un nom de déploiement, une clé ou un jeton Entra. Colocalisez la ressource Foundry avec votre application si la latence compte ; utilisez un déploiement en zone de données si l’inférence doit rester dans la région, à 0,05 $ par million de jetons plutôt qu’à 0,042 $. Votre intégration est un appel HTTPS avec un corps JSON, et la forme de la réponse correspond à des probabilités auxquelles vous appliquez un seuil.
• Temps jusqu’au premier appel — moins d’une heure sur Foundry, contre une configuration GPU, une chaîne d’outils épinglée et une exécution de reproduction
• Mode de défaillance — une limite de débit ou une panne régionale vs un OOM CUDA ou une incompatibilité de version de noyau
• Voie de mise à niveau — aucune : le fournisseur livre une nouvelle version plutôt qu’un nouveau tag d’adaptateur que vous pouvez épingler ou ignorer
• Voie de sortie — aucune, hébergement uniquement vs maintien des poids là où ils sont, sous réserve de la licence
Là où le successeur complique l’histoire
Nimble v3 n'est pas le modèle actuel de Bespoke Labs, et cela importe pour quiconque l'évalue aujourd'hui. Nimble-v4-max, mis en ligne le 3 novembre 2026, est un fine-tune complet de Qwen3.8-27B plutôt qu'un adaptateur, publié avec un historique de tags et un tableau de benchmarks : 72,74 sur Decision Index 0.3 public, contre 68,46 pour la v4.0, sur 43 benchmarks dont les scores par benchmark sont fournis dans un fichier JSON. Il nécessite environ 55 Go en BF16 et un GPU de 80 Go. Il est également sous licence CC BY-NC 4.0.
La lecture honnête de Nimble v3 aujourd’hui, c’est qu’il s’agit de la génération précédente d’une gamme qui a déjà évolué deux fois, et que son unique score publié porte sur une version de kit que le modèle actuel a dépassée. Comparer le fleuron hébergé d’un fournisseur, vieux de trois semaines, à un adaptateur discrètement mis en ligne et vieux de deux révisions, n’est pas un combat équitable sur l’un ou l’autre axe. La question produit oppose véritablement Microsoft-Decision-1.1 à Nimble-v4-max, et même là, la réponse en matière de licence reste inchangée.
Une clé, lorsque vous êtes encore en train de décider
Aucun des deux modèles ne figure au catalogue d’OrcaRouter, et cet article ne va pas prétendre le contraire : Microsoft-Decision-1.1 est réservé à Foundry, et un adaptateur sous licence CC BY-NC n’est pas quelque chose qu’un routeur commercial peut servir. Ce que le catalogue propose, lui, c’est le voisinage, et c’est là que la plupart des évaluations commencent en réalité.
Le voisinage reste utile, car les deux camps de cette confrontation se définissent par rapport au même rival. Jev 1.14est ce rival : Microsoft-Decision-1.1 le devance de 1,55 point sur le classement indépendant, et le point de contrôle antérieur de Bespoke s’est comparé à Jev 1.13.0 dans son propre README. Jev 1.14 répond à 0,042 $ par million de tokens en entrée et en sortie. La base Gemma 4 26B A4B, sur laquelle Microsoft a effectué son post-entraînement, est routable à 0,25 $ par million de tokens en entrée et 2,90 $ en sortie. Placez Jev et un modèle généraliste sur votre propre trafic étiqueté derrière un point de terminaison unique, avec basculement automatique, et vous saurez en un après-midi si un modèle de décision mérite sa place dans le chemin — avant un cycle d’approvisionnement, et avant l’achat d’un GPU. Si c’est le cas, le routeur reste devant le modèle de décision que vous déployez, de sorte qu’une limite de débit d’un fournisseur soit une redirection plutôt qu’un incident.

Ce que ce banc d’essai ne vous dira pas, c’est comment Decision 1.1 se comporte lui-même sur vos données. Pour cela, il vous faut un déploiement Foundry et vos propres étiquettes, et il n’existe aucun raccourci pour l’étiquetage.
Comment choisir
Choisissez Microsoft-Decision-1.1 si la charge de travail est commerciale, si vous voulez un score calibré que vous pouvez présenter à un comité indépendant, si vous avez besoin d’une entrée image, ou si vous préférez louer 123 ms plutôt que posséder un pipeline GPU. C’est le cas de la plupart des équipes.
N'envisagez Nimble v3 que si ces trois conditions sont réunies : l'usage est non commercial, l'appel au modèle ne peut pas quitter votre infrastructure, et vous êtes prêt à exécuter le moteur propre au projet plutôt qu'un chargeur générique. Si l'une d'elles fait défaut, la licence ou l'ingénierie a déjà tranché pour vous — et si vous choisissez un Nimble aujourd'hui, regardez d'abord Nimble-v4-max, car l'unique score publié de v3 est le chiffre le plus ancien de la comparaison.
Ce à quoi il faut résister, c’est le tableau bien rangé. Un 56,88 face à un 67,78 ressemble à un verdict et n’en est pas un ; ce sont deux kits différents, deux âges différents et deux licences différentes déguisés en course de chevaux. Le modèle livré dans votre produit est celui hébergé, et le modèle qui tourne dans votre laboratoire est le modèle ouvert — c’est là la vraie fracture, et aucun benchmark ne la déplace.
