Kartu judul yang dihasilkan untuk artikel tersebut, yang menyatakan bahwa Bespoke-Nimble-9B-v3 muncul di Hugging Face pada 30 September 2026 tanpa pengumuman vendor, dan bahwa rilis tersebut memindahkan keluarga dari Apache 2.0 ke CC BY-NC 4.0.
Engineering & Research

Nimble v3 Dirilis Secara Senyap: Model Keputusan 9B Milik Bespoke Labs Beralih ke Nonkomersial

Penulis

Gideon Frost

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Bobot untuk Nimble v3 — tercatat sebagai Bespoke-Nimble-9B-v3 — diunggah ke Hugging Face pada 30 September 2026, dan tiga belas hari kemudian Bespoke Labs masih belum mengucapkan sepatah kata pun tentangnya di depan publik. Tidak ada pos di blog lab itu sendiri, tidak ada catatan rilis, tidak ada entri dalam riwayat pull request repositori yang menyebut versi tersebut, dan tidak ada baris dalam changelog README proyek. Yang ada hanyalah repositori berisi lima berkas, kumpulan data evaluasi pendamping, kartu model yang singkat, dan lisensi yang berubah. Lab yang sama juga menaruh placeholder untuk Bespoke-Nimble-27B-v3 pada 9 Oktober — sebuah repositori yang satu-satunya berkas modelnya adalah catatan yang menjelaskan bahwa bobotnya belum ada.

Itulah keseluruhan hal yang dapat diketahui dari sisi vendor, dan layak dipisahkan dari yang tidak. Semua di bawah ini bersumber dari Hugging Face API, kartu model mentah, GitHub API, dan metadata pengemasan yang kini dibawa model; jika suatu angka berasal dari vendor sendiri, hal itu dinyatakan.

Apa yang sebenarnya ada di dalam repositori

Bespoke-Nimble-9B-v3 berisi README.md, adapter_config.json, adapter_model.safetensors, sebuah schema_config.json, dan .gitattributes. Itu daftar lengkapnya. Ini adalah adaptor PEFT LoRA, bukan model mandiri: kartu tersebut mencantumkan Qwen/Qwen3.5-9B sebagai basis, dan basis tersebut tidak diduplikasi di repositori.

Kartu itu sendiri terdiri atas empat bagian singkat. Di dalamnya disebutkan bahwa adaptor menerima "konteks dan pertanyaan bertipe (pilihan di antara opsi, atau ya atau tidak)" dan mengembalikan probabilitas untuk setiap opsi. Kartu ini melaporkan skor Decision Index 0.2.1 sebesar 56.88. Kartu ini mencantumkan lisensinya. Kartu ini memuat sitasi yang menyebutkan nama Shreyas Pimpalgaonkar, Sid Devic, Mrinal Kumar, Pratik Dalal dan Mahesh Sathiamoorthy.

Apa yang tidak ada di dalamnya sama pentingnya. Tidak ada tokenizer, tidak ada pembangun prompt, tidak ada kode inferensi referensi, tidak ada berkas checksum, tidak ada catatan provenance, dan tidak ada kontrak panjang konteks — yang semuanya dikirimkan oleh rilis pertama keluarga ini, Bespoke-Nimble-9B, bersama bobotnya sendiri pada 18 September sebagai bagian dari paket dua puluh satu berkas. Repositori v3 adalah checkpoint adaptor dan satu baris lisensi. Apa pun yang Anda butuhkan untuk menjalankannya dengan benar, kini Anda rakit sendiri atau ambil dari pemaket.

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.

Lisensi adalah bagian yang akan menentukan siapa yang dapat menggunakannya.

Satu kalimat dalam kartu v3 yang mengubah percakapan pengadaan adalah ini: Bespoke-Nimble-9B-v3 dirilis di bawah lisensi CC BY-NC 4.0, yang oleh kartu tersebut dijelaskan sebagai "tidak boleh digunakan untuk tujuan komersial."

Setiap checkpoint Nimble sebelumnya adalah Apache 2.0. Bespoke-Nimble-9B adalah Apache 2.0. Bespoke-Nimble-9B-v2, yang diunggah pada 23 September, adalah Apache 2.0. Model dasar adalah Apache 2.0 dan tetap demikian — kartu Bespoke menyatakannya secara eksplisit, yang merupakan hal jujur untuk dilakukan dan juga alasan sebuah perusahaan tidak dapat mengakali pembatasan dengan menunjuk pada lisensi dasar. Basis berlisensi permisif tidak melonggarkan adaptor non-komersial, dan adaptor adalah tempat perilaku keputusan berada.

Ada pertanyaan lisensi kedua yang lebih buruk, karena sifatnya ambigu dan bukan sekadar restriktif. Repositori GitHub bespokelabsai/nimble — rumah proyek ini, yang saat ini memiliki 2.179 bintang — melaporkan tidak ada lisensi sama sekali melalui API GitHub. Repositori tanpa file lisensi bukanlah open source dalam pengertian apa pun yang akan diterima seorang pengacara, dan itu berlaku terlepas dari apakah para pemelihara memang menghendakinya atau tidak. README lab itu sendiri mengakui adanya kekurangan pada rilis pertama model tersebut; basis kode pelatihan dan kurasi yang tanpa lisensi adalah masalah dengan kelas yang berbeda.

Jadi, posisi praktis bagi siapa pun yang merencanakan produk saat ini adalah: bobot Nimble v3 dapat dibaca, dapat diunduh, dan bersifat nonkomersial; kode yang menghasilkannya tidak memiliki ketentuan yang dinyatakan. Jika Anda memerlukan model keputusan yang dapat digunakan secara komersial pada basis Qwen3.5-9B, ini bukan model tersebut, dan alternatifnya dibahas dalam Nimble v3 vs Kev dan Nimble v3 vs Decider.

Tiga set angka, tiga instrumen berbeda

Kartu v3 memuat tepat satu skor: 56,88 pada Decision Index 0.2.1. Repositori dataset pendamping milik Bespoke Labs menerbitkan hasil lengkap proses jalannya, mesinnya, dan instruksi reproduksinya, yang merupakan transparansi lebih besar daripada yang ditawarkan sebagian besar vendor, dan angka itu tetap milik penerbitnya sendiri — diukur dengan implementasi referensi mereka sendiri atas kit pihak ketiga.

Untuk checkpoint sebelumnya, keluarga model ini menerbitkan tabel yang jauh lebih luas, dan itulah satu-satunya materi perbandingan langsung yang tersedia terhadap model yang menjadi acuan kategori ini. Pada 324 pasangan kontrastif yang disisihkan, model 18 September mencocokkan 90,12% label referensi berbanding 93,21% untuk Jev 1.13.0 milik TypeSafe, dengan basis Qwen3.5-9B pada 66,36%. Pada 3.880 keputusan berlabel manusia di tiga belas kumpulan data publik, selisihnya adalah 75,7% berbanding 76,0% milik Jev — benar-benar imbang. Angka-angka itu milik pertama Nimble, bukan v3, dan proyek ini menandainya sebagai pengukurannya sendiri.

Set ketiga adalah set yang tidak dijalankan oleh siapa pun di Bespoke Labs. Paket yang kini menyertakan model untuk penggunaan lokal menerbitkan pengujian 231 kasus atas JevBench asli, set mudah dan sulit, pada Apple M5 Max dengan GPU 40 inti: 201 dari 231 benar pada latensi median 88 ms untuk build MLX tanpa kuantisasi, 202 dari 231 pada 176 ms untuk build GGUF tanpa kuantisasi, dan 198 dari 231 pada 168 ms untuk kuantisasi Q4_K_M — dengan catatan yang dicetak di samping tabel bahwa kuantisasi mengubah skor dan keputusan. Ini adalah harness pihak ketiga, tetapi ini harness pengemasan, bukan audit independen, dan para pengemas mengatakan secara terang-terangan bahwa JevBench dan Decision Index menggunakan tugas yang berbeda dan penilaian yang berbeda.

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.

Apa yang belum dikatakan Bespoke Labs

Lima hal yang secara wajar akan diharapkan pembaca untuk ditemukan, tetapi ternyata tidak:

• Panjang konteks. Kartu v3 tidak menyatakan apa pun. Daftar pengemas mengiklankan 32.768 token, dan rilis awal keluarga tersebut mendokumentasikan kontrak 8.192 token dengan prompt yang terlalu besar ditolak, bukan dipotong. Angka-angka itu berbeda dan menjelaskan hal-hal yang berbeda, dan tidak ada apa pun dalam materi v3 milik Bespoke sendiri yang menentukan mana yang berlaku untuk adaptor itu sendiri.

• Batas maksimum opsi. Checkpoint Nimble sebelumnya mendokumentasikan 1 hingga 255 pilihan per bidang — perluasan yang disengaja melampaui 26 pilihan awal, dengan menggunakan slot kosakata token tunggal tambahan. Apakah v3 mewarisi batas maksimum tersebut tidak dinyatakan.

• Suhu. Riwayat keluarga di sini benar-benar berguna dan layak diketahui: checkpoint aslinya dikirim dengan nilai hasil pemasangan sekitar 2,18, pembaruan 24 September mengubah nilai bawaannya menjadi 1,0 tanpa pemasangan terpisah, dan rilis-rilis di antaranya membawa pengaturannya masing-masing. Menerapkan yang salah tidak mengubah jawaban mana yang menang, tetapi mengubah setiap probabilitas — dan itulah keseluruhan produknya. Kartu v3 tidak menyebutkannya sama sekali.

• Pernyataan apa pun tentang apa yang berubah. Riwayat PR repositori ini melompat dari "Support latest Nimble 9B release and checkpoint defaults" pada 24 September ke lencana README pada 13 Oktober. Tidak ada catatan perubahan v3, tidak ada pembaruan data-lineage, tidak ada ringkasan pelatihan.

• Apa pun tentang 27B.Repositori Bespoke-Nimble-27B-v3, yang dibuat pada 9 Oktober, berisi deklarasi lisensi, sebuah README, dan sebuah berkas yang seluruh isinya menyatakan bahwa bobotnya belum dirilis. README tersebut memberikan satu angka — 65.33 pada suite publik Decision Index 0.3 — dan menyatakan bahwa model ini berjalan di API terhosting milik Bespoke Labs, dengan akses melalui menghubungi lab tersebut. Tidak ada unduhan, tidak ada tanggal, tidak ada bobot. Ini hanyalah placeholder dan harus dibaca sebagai demikian.

Itulah wujud pengiriman yang senyap: sebuah checkpoint muncul, dokumentasinya tidak, dan nomor versi menjadi satu-satunya indikasi bahwa suatu keputusan telah dibuat.

Apa yang sebenarnya berubah minggu ini

Unggahan 30 September bukanlah yang membuat ini bisa ditulis hari ini. Yang membuatnya bisa ditulis adalah Nimble v3 menjadi dapat diinstal dalam beberapa hari terakhir. Runtime model lokal menambahkan nimble-v3 ke pustaka publiknya pada 13 Oktober, menggabungkan adaptor ke dalam basis Qwen3.5-9B sehingga satu perintah pull menghasilkan model keputusan 9B yang dapat dijalankan dalam enam format bobot — dua build tanpa kuantisasi pada 17,9 GB, build MXFP8 MLX 9,3 GB, build NVFP4 6,9 GB, Q8_0 9,5 GB dan Q4_K_M 5,6 GB. Pada saat penulisan, daftar tersebut menunjukkan 45 unduhan dan stempel "diperbarui tiga jam lalu", yang kira-kira sebaru mungkin untuk entri katalog model.

Dua hal menyusul. Yang pertama adalah pertanyaan tentang akses telah berubah sifat: tiga belas hari yang lalu, menggunakan Nimble v3 berarti mengunduh basis 9B, menggabungkan LoRA, dan merekonstruksi format prompt yang tidak lagi didokumentasikan oleh repositori. Sekarang berarti menarik sebuah paket — dengan pembatasan lisensi ikut terbawa di dalamnya, dan dengan catatan dari pengemasnya sendiri bahwa ia menggabungkan adapter ke dalam basis yang ditentukan penerbit alih-alih mendistribusikan ulang apa pun yang tidak diterbitkan Bespoke Labs.

Yang kedua adalah bahwa kini ada angka hasil uji pertama untuk model yang sebelumnya belum memilikinya. Angka akurasi dari 231 kasus dan distribusi latensi dari harness yang bukan milik vendor adalah persis jenis bukti yang selama ini hilang dalam kategori ini, dan layak dibaca sebagai batas bawah, bukan putusan: run yang sama menempatkan build terkuantisasi 4 kasus di bawah versi tanpa kuantisasi, dan para pemaket memperingatkan bahwa ambang batas Anda perlu divalidasi ulang terhadap contoh Anda sendiri.

Ke mana hal ini membawa routing: model keputusan adalah komponen yang sempit, dan Nimble v3 hanya menjawab pertanyaan yang Anda berikan kepadanya — ia tidak dapat menulis, menjelaskan, atau mengembalikan jawaban yang bukan salah satu dari opsi Anda. Separuh generatif dari pipeline semacam itu adalah bagian yang dicakup OrcaRouter: 200+ model di balik satu kunci yang kompatibel dengan OpenAI pada harga daftar penyedia yang diteruskan dengan markup 0%, dengan failover otomatis dan DSL routing yang dapat Anda nyatakan sebagai kode. OrcaRouter tidak melayani Nimble v3, dan tidak ada apa pun di sini yang boleh dibaca sebagai klaim bahwa ia melakukannya. Kerangka yang akurat adalah bahwa kepala keputusan lokal yang murah dan model generatif yang dirutekan di belakangnya adalah dua separuh dari satu pola, dan jika Anda sedang membangun separuh keduanya, itulah kami.

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.

Apa yang harus dilakukan dengannya, dan apa yang perlu diperhatikan

Jika Anda mengevaluasi model alih-alih merilisnya, v3 kini jadi yang termurah di kategori ini: sekali pull ke laptop, satu angka akurasi, dan lisensi yang memadai untuk riset. Jika Anda sedang membangun produk, lisensi menjawab pertanyaan itu sebelum benchmark menjawabnya, dan tidak adanya kontrak konteks serta temperature berarti Anda akan mengkalibrasi pada data Anda sendiri, entah Anda berniat atau tidak.

Tiga hal yang akan mengubah penilaian ini: pengumuman vendor yang memperjelas lisensi (CC BY-NC pada checkpoint unggulan tidak biasa bagi lab yang selain itu telah merilis Apache 2.0 dan mengumpulkan $40M untuk membangun bagi perusahaan), repositori 27B yang terisi, dan catatan perubahan yang menjelaskan apa yang sebenarnya dilakukan v3 secara berbeda dari v2. Sampai saat itu, ringkasan jujurnya adalah bahwa tim yang kompeten mengunggah checkpoint, membatasi penggunaannya, dan membiarkan para pengemas melakukan pengumuman.

Nimble v3 adalah adaptor dengan bobot terbuka yang Anda sediakan sendiri; bagian generatif dari pipeline yang sama itulah yang ditangani OrcaRouter. 200+ model di balik satu kunci yang kompatibel dengan OpenAI OrcaRouter tidak menyediakan Nimble v3, dan tidak ada apa pun dalam artikel ini yang boleh dibaca sebagai klaim bahwa ia melakukannya.