
Nimble v3 est sorti discrètement : le modèle de décision 9B de Bespoke Labs est passé en non commercial
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 185 tok/s
- openaiNOUVEAUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 par million de tokens · 76 tok/s
- openaiNOUVEAUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 par million de tokens · 151 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 240 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 178 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 94 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 par million de tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 39 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 · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 104 tok/s
Les poids de Nimble v3 — déposés sous le nom de Bespoke-Nimble-9B-v3 — ont été mis en ligne sur Hugging Face le 30 septembre 2026, et treize jours plus tard, Bespoke Labs n'a toujours pas dit un mot à leur sujet en public. Il n'y a aucun article sur le blog du laboratoire lui-même, aucune note de version, aucune entrée dans l'historique des pull requests du dépôt qui mentionne cette version, et aucune ligne dans le changelog du README du projet. Ce qui existe, c'est un dépôt de cinq fichiers, un jeu de données d'évaluation associé, une courte fiche modèle et une licence qui a changé. Le même laboratoire a aussi déposé un espace réservé pour Bespoke-Nimble-27B-v3 le 9 octobre — un dépôt dont le seul fichier de modèle est une note expliquant que les poids n'existent pas encore.
C'est tout ce qui est connaissable du côté du fournisseur, et il vaut la peine de le distinguer de ce qui ne l'est pas. Tout ce qui suit provient de l'API Hugging Face, des fiches de modèle brutes, de l'API GitHub et des métadonnées d'empaquetage que le modèle porte désormais ; lorsqu'un chiffre est celui du fournisseur lui-même, cela est indiqué.
Qu'y a-t-il réellement dans le dépôt ?
Bespoke-Nimble-9B-v3 contient README.md, adapter_config.json, adapter_model.safetensors, un schema_config.json, et .gitattributes. C'est la liste complète. Il s'agit d'un adaptateur PEFT LoRA, et non d'un modèle autonome : la fiche indique Qwen/Qwen3.5-9B comme base, et la base n'est pas dupliquée dans le dépôt.
La fiche elle-même comporte quatre courtes sections. Il y est indiqué que l’adaptateur prend « un contexte et des questions typées (un choix parmi des options, ou oui/non) » et renvoie une probabilité pour chaque option. Il rapporte un score Decision Index 0.2.1 de 56,88. Il précise la licence. Il comporte une citation nommant Shreyas Pimpalgaonkar, Sid Devic, Mrinal Kumar, Pratik Dalal et Mahesh Sathiamoorthy.
Ce qui n'est pas dedans compte tout autant.Bespoke-Nimble-9B, les a livrés avec ses propres poids le 18 septembre dans un paquet de vingt et un fichiers. Le dépôt v3 est un point de contrôle d'adaptateur et une ligne de licence. Tout ce dont vous avez besoin pour l'exécuter correctement, vous devez désormais l'assembler vous-même ou vous le procurer auprès d'un empaqueteur.

La licence est la partie qui déterminera qui peut l'utiliser
La phrase de la fiche v3 qui change une conversation d'approvisionnement est celle-ci : Bespoke-Nimble-9B-v3 est publié sous CC BY-NC 4.0, que la fiche présente comme « il ne peut pas être utilisé à des fins commerciales ».
Chaque checkpoint Nimble précédent était sous Apache 2.0. Bespoke-Nimble-9B est sous Apache 2.0. Bespoke-Nimble-9B-v2, mis en ligne le 23 septembre, est sous Apache 2.0. Le modèle de base est sous Apache 2.0 et le reste — la fiche de Bespoke le dit explicitement, ce qui est la chose honnête à faire et aussi la raison pour laquelle une entreprise ne peut pas contourner la restriction en invoquant la licence de base. Une base sous licence permissive n'assouplit pas les conditions d'un adaptateur non commercial, et c'est dans l'adaptateur que réside le comportement de décision.
Il y a une deuxième question de licence qui est pire, car elle est ambiguë plutôt que simplement restrictive. Le dépôt GitHub bespokelabsai/nimble — le siège du projet, actuellement à 2 179 étoiles — indique aucune licence du tout via l'API GitHub. Un dépôt sans fichier de licence n'est pas open source en aucun sens qu'un avocat accepterait, et c'est vrai que les mainteneurs l'aient voulu ou non. Le propre README du laboratoire reconnaît des imperfections dans la première version du modèle ; une base de code d'entraînement et de curation sans licence est une autre catégorie de problème.
Donc, la position pratique pour quiconque prévoit un produit aujourd'hui est la suivante : les poids de Nimble v3 sont lisibles, téléchargeables et non commerciaux ; le code qui les a produits n'a pas de conditions déclarées. Si vous avez besoin d'un modèle de décision utilisable commercialement sur la base Qwen3.5-9B, ce n'est pas celui-ci, et les alternatives sont examinées dans Nimble v3 vs Kev et Nimble v3 vs Decider.
Trois séries de chiffres, trois instruments différents
La carte v3 ne comporte qu'un seul score : 56.88 sur Decision Index 0.2.1. Le dépôt de jeux de données d'accompagnement de Bespoke Labs publie l'exécution complète, le moteur et les instructions de reproduction, ce qui représente une transparence supérieure à celle qu'offrent la plupart des fournisseurs, et ce chiffre reste celui de l'éditeur lui-même — mesuré avec sa propre implémentation de référence d'un kit tiers.
Pour le checkpoint précédent, la famille a publié un tableau bien plus large, et c'est le seul élément de comparaison directe qui existe face au modèle par lequel cette catégorie est définie. Sur 324 paires contrastives mises de côté, le modèle du 18 septembre correspondait à 90,12 % des étiquettes de référence, contre 93,21 % pour Jev 1.13.0 de TypeSafe, avec la base Qwen3.5-9B à 66,36 %. Sur 3 880 décisions annotées par des humains issues de treize jeux de données publics, le score était de 75,7 % contre 76,0 % pour Jev — une égalité parfaite. Ces chiffres appartiennent au premier Nimble, pas à v3, et le projet les présente comme ses propres mesures.
Le troisième ensemble est celui que personne chez Bespoke Labs n'a exécuté. Le paquet qui livre désormais le modèle pour un usage local a publié une campagne de 231 cas du JevBench original, ensembles facile et difficile, sur un Apple M5 Max doté d'un GPU à 40 cœurs : 201 sur 231 corrects à une latence médiane de 88 ms pour la version MLX non quantifiée, 202 sur 231 à 176 ms pour la version GGUF non quantifiée, et 198 sur 231 à 168 ms pour la quantification Q4_K_M — avec la mise en garde imprimée à côté du tableau que la quantification modifie les scores et les décisions. Il s'agit d'un harnais tiers, mais c'est un harnais d'empaquetage, pas un audit indépendant, et les empaqueteurs déclarent sans détour que JevBench et le Decision Index utilisent des tâches différentes et une notation différente.

Ce que Bespoke Labs n'a pas dit
Cinq choses qu’un lecteur s’attendra raisonnablement à trouver et qu’il ne trouvera pas :
• Une longueur de contexte. La fiche v3 n’en indique aucune. L’annonce du packager mentionne 32 768 tokens, et la version antérieure de la famille documente un contrat de 8 192 tokens, les prompts surdimensionnés étant rejetés plutôt que tronqués. Ce sont des nombres différents qui décrivent des choses différentes, et rien dans le propre matériel v3 de Bespoke ne permet de déterminer lequel s’applique à l’adaptateur lui-même.
• Un plafond d'options. Les points de contrôle Nimble antérieurs documentaient de 1 à 255 choix par champ — une expansion délibérée au-delà des 26 d'origine, recourant à des emplacements de vocabulaire supplémentaires à jeton unique. On ne précise pas si la v3 hérite de ce plafond.
• Une température. L’historique de la famille ici est vraiment utile et vaut la peine d’être connu : le point de contrôle original était livré avec une valeur ajustée proche de 2,18, la mise à jour du 24 septembre a fait passer la valeur par défaut à 1,0 sans ajustement séparé, et les versions intermédiaires avaient leurs propres paramètres. Appliquer la mauvaise ne change pas quelle réponse l’emporte, mais change chaque probabilité — ce qui constitue tout le produit. La fiche v3 est muette.
• Toute mention de ce qui a changé. L’historique des PR du dépôt passe de « Prise en charge de la dernière version de Nimble 9B et des valeurs par défaut des checkpoints » le 24 septembre à un badge README le 13 octobre. Il n’y a pas de note de changement v3, pas de mise à jour de la traçabilité des données, pas de résumé d’entraînement.
• Tout ce qui concerne le 27B. Le Bespoke-Nimble-27B-v3 est un dépôt créé le 9 octobre qui contient une déclaration de licence, un README et un fichier dont tout le contenu indique que les poids ne sont pas encore publiés. Le README donne un seul chiffre — 65,33 sur la suite publique Decision Index 0.3 — et précise que le modèle tourne sur l'API hébergée de Bespoke Labs, l'accès se faisant en contactant le laboratoire. Aucun téléchargement, aucune date, aucun poids. Il s'agit d'un espace réservé, et il doit être lu comme tel.
Telle est la forme d’une expédition silencieuse : un point de contrôle apparaît, la documentation non, et le numéro de version est la seule indication qu’une décision a été prise.
Qu’est-ce qui a réellement changé cette semaine ?
Le téléversement du 30 septembre n’est pas ce qui permet d’écrire ceci aujourd’hui. Ce qui permet de l’écrire, c’est que Nimble v3 est devenu installable ces derniers jours. Un environnement d’exécution de modèle local a ajouté nimble-v3 à sa bibliothèque publique le 13 octobre, en fusionnant l’adaptateur dans la base Qwen3.5-9B, de sorte qu’une seule commande pull produise un modèle de décision 9B exécutable dans six formats de poids — deux versions non quantifiées à 17,9 Go, une version MXFP8 MLX de 9,3 Go, une version NVFP4 de 6,9 Go, une Q8_0 de 9,5 Go et une Q4_K_M de 5,6 Go. Au moment de la rédaction, la fiche affichait 45 téléchargements et une mention « mis à jour il y a trois heures », ce qui est à peu près ce qui se fait de plus récent pour une entrée de catalogue de modèles.
Deux choses s’ensuivent. La première est que la question de l’accès a changé de nature : il y a treize jours, utiliser Nimble v3 impliquait de télécharger un modèle de base 9B, de fusionner un LoRA et de reconstruire un format de prompt que le dépôt ne documente plus. Maintenant, cela signifie récupérer un paquet — avec la restriction de licence embarquée à l’intérieur, et avec la note de l’empaqueteur lui-même indiquant qu’il a fusionné l’adaptateur dans la base spécifiée par l’éditeur plutôt que de redistribuer quoi que ce soit que Bespoke Labs n’a pas publié.
La deuxième, c'est qu'il existe désormais un chiffre de première exécution pour un modèle qui n'en avait aucun. Un taux d'exactitude sur 231 cas et une distribution de latence issus d'un harnais qui n'est pas celui du fournisseur constituent exactement le type de preuves qui manquait à cette catégorie, et il convient de les lire comme un plancher plutôt que comme un verdict : la même exécution a placé le build quantifié 4 cas en dessous du build non quantifié, et les responsables de l'empaquetage avertissent que vos seuils doivent être revalidés par rapport à vos propres exemples.
Où cela laisse le routage : un modèle de décision est un composant restreint, et Nimble v3 ne répond qu'aux questions que vous lui soumettez — il ne peut ni rédiger, ni expliquer, ni renvoyer une réponse qui ne figure pas parmi vos options. La moitié générative d'un pipeline comme celui-là est la partie que couvre OrcaRouter : plus de 200 modèles derrière une seule clé compatible OpenAI à prix catalogue du fournisseur répercuté avec 0 % de marge, avec basculement automatique et un DSL de routage que vous pouvez exprimer sous forme de code. OrcaRouter ne sert pas Nimble v3, et rien ici ne doit être interprété comme une affirmation qu'il le fait. La formulation exacte est qu'une tête de décision locale et peu coûteuse et un modèle génératif routé derrière elle constituent les deux moitiés d'un même motif, et si vous construisez la seconde moitié, c'est nous.

Quoi en faire, et ce qu’il faut surveiller
Si vous évaluez des modèles de décision plutôt que d'en déployer un, Nimble v3 est désormais le moyen le moins cher d'entrer dans la catégorie : un seul pull, aucun GPU requis au-delà d'un ordinateur portable, un chiffre d'exactitude tiers documenté, et une licence qui convient pour la recherche. Si vous construisez un produit, la licence répond à la question avant que les benchmarks ne le fassent, et l'absence de contrat de contexte et de température signifie que vous devrez calibrer sur vos propres données, que vous l'ayez voulu ou non.
Les trois choses qui changeraient cette évaluation : une annonce du fournisseur qui clarifie la licence (CC BY-NC sur un checkpoint phare est inhabituel pour un laboratoire qui, à part cela, a livré Apache 2.0 et levé 40 M$ pour construire pour les entreprises), un dépôt 27B peuplé, et une note de modification expliquant en quoi v3 différait réellement de v2. D’ici là, le résumé honnête est qu’une équipe compétente a téléversé un checkpoint, en a restreint l’utilisation, et a laissé les packagers faire l’annonce.
Nimble v3 est un adaptateur à poids ouverts que vous hébergez vous-même ; la moitié générative du même pipeline est ce que couvre OrcaRouter. Plus de 200 modèles derrière une seule clé compatible OpenAI OrcaRouter ne sert pas Nimble v3, et rien dans cet article ne doit être interprété comme une affirmation en ce sens.
