
Nimble v3 stilletjes uitgebracht: Bespoke Labs' 9B-beslissingsmodel werd niet-commercieel
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 185 tok/s
- openaiNIEUWOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 per 1 mln tokens · 76 tok/s
- openaiNIEUWOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 per 1 mln tokens · 151 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 240 tok/s
- AlibabaNIEUWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 mln tokens · 178 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 94 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 per 1 mln tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 104 tok/s
De gewichten voor Nimble v3 — geregistreerd als Bespoke-Nimble-9B-v3 — zijn op 30 september 2026 geüpload naar Hugging Face, en dertien dagen later heeft Bespoke Labs er in het openbaar nog altijd geen woord over gezegd. Er staat geen bericht op de blog van het lab zelf, geen releaseopmerking, geen vermelding in de pull-requestgeschiedenis van de repository die de versie vermeldt, en geen regel in de changelog van de README van het project. Wat er is, is een repository met vijf bestanden, een bijbehorende evaluatiedataset, een korte modelkaart en een licentie die is gewijzigd. Hetzelfde lab heeft ook een plaatsaanduiding neergezet voor Bespoke-Nimble-27B-v3 op 9 oktober — een repository waarvan het enige modelbestand een notitie is die uitlegt dat de gewichten nog niet bestaan.
Dat is het geheel van wat van de leverancierskant kenbaar is, en het loont om dat te scheiden van wat dat niet is. Alles hieronder is afkomstig uit de Hugging Face API, de ruwe modelkaarten, de GitHub API en de packagingmetadata die het model nu bij zich draagt; waar een getal van de leverancier zelf is, staat dat erbij.
Wat zit er eigenlijk in de repository?
Bespoke-Nimble-9B-v3 bevat README.md, adapter_config.json, adapter_model.safetensors, een schema_config.json, en .gitattributes. Dat is de volledige lijst. Het is een PEFT LoRA-adapter, geen zelfstandig model: de kaart noemt Qwen/Qwen3.5-9B als basis, en de basis is niet gedupliceerd in de repository.
De kaart zelf bestaat uit vier korte secties. Er staat dat de adapter "een context en getypeerde vragen (een keuze uit opties, of ja of nee)" aanneemt en voor elke optie een waarschijnlijkheid retourneert. Het rapporteert een score van 56,88 voor Decision Index 0.2.1. Het vermeldt de licentie. Het bevat een bronvermelding met de namen van Shreyas Pimpalgaonkar, Sid Devic, Mrinal Kumar, Pratik Dalal en Mahesh Sathiamoorthy.
Wat niet erin zit, is net zo belangrijk. Er is geen tokenizer, geen promptbouwer, geen referentie-inferentiecode, geen checksumbestand, geen herkomstrecord en geen contextlengtecontract — allemaal dingen die de eerste release van de familie, Bespoke-Nimble-9B, op 18 september samen met zijn eigen gewichten meeleverde als onderdeel van een pakket van eenentwintig bestanden. De v3-repository is een adapter-checkpoint en een licentieregel. Alles wat je nodig hebt om het correct te draaien, stel je nu zelf samen of haal je bij een packager.

De licentie is het deel dat zal bepalen wie het mag gebruiken.
De ene zin in de v3-kaart die een inkoopgesprek verandert, is deze: Bespoke-Nimble-9B-v3 is vrijgegeven onder CC BY-NC 4.0, wat de kaart omschrijft als "het mag niet voor commerciële doeleinden worden gebruikt."
Alle eerdere Nimble-checkpoints waren Apache 2.0. Bespoke-Nimble-9B is Apache 2.0. Bespoke-Nimble-9B-v2, geüpload op 23 september, is Apache 2.0. Het basismodel is Apache 2.0 en blijft dat — de kaart van Bespoke zegt dat expliciet, wat het eerlijke is om te doen en ook de reden waarom een bedrijf niet om de beperking heen kan door naar de licentie van het basismodel te wijzen. Een basis met een permissieve licentie versoepelt een niet-commerciële adapter niet, en de adapter is waar het beslissingsgedrag zit.
Er is een tweede licentiekwestie die erger is, omdat ze dubbelzinnig is in plaats van louter beperkend. De GitHub-repository bespokelabsai/nimble — de thuisbasis van het project, momenteel op 2.179 sterren — meldt helemaal geen licentie via de API van GitHub. Een repository zonder licentiebestand is niet open source in welke zin dan ook die een jurist zal accepteren, en dat geldt ongeacht of de beheerders het nu wel of niet zo bedoeld hadden. De README van het lab zelf erkent ruwe kantjes in de eerste release van het model; een niet-gelicentieerde codebase voor training en curatie is een ander soort probleem.
Dus de praktische positie voor iedereen die vandaag een product plant, is: de gewichten van Nimble v3 zijn leesbaar, downloadbaar en niet-commercieel; de code waarmee ze zijn gemaakt, heeft geen aangegeven voorwaarden. Als je een commercieel bruikbaar beslissingsmodel nodig hebt op de Qwen3.5-9B-basis, is dit niet het juiste, en de alternatieven worden bekeken in Nimble v3 vs Kev en Nimble v3 vs Decider.
Drie sets met getallen, drie verschillende instrumenten
De v3-kaart bevat precies één score: 56.88 op Decision Index 0.2.1. De bijbehorende datasetrepository van Bespoke Labs publiceert de volledige run, de engine en de reproductie-instructies, wat meer transparantie is dan de meeste leveranciers bieden, en het getal is nog steeds dat van de uitgever zelf — gemeten met diens eigen referentie-implementatie van een kit van een derde partij.
Voor de eerdere checkpoint publiceerde de familie een veel bredere tabel, en het is het enige head-to-head materiaal dat bestaat tegen het model waarmee deze categorie wordt gedefinieerd. Op 324 achtergehouden contrastieve paren kwam het model van 18 september overeen met 90,12% van de referentielabels, tegenover 93,21% voor TypeSafe's Jev 1.13.0, met de Qwen3.5-9B-basis op 66,36%. Op 3.880 door mensen gelabelde beslissingen over dertien openbare datasets was de marge 75,7% tegen Jev's 76,0% — een gelijkspel. Die cijfers horen bij de eerste Nimble, niet bij v3, en het project bestempelt ze als zijn eigen metingen.
De derde set is de set die niemand bij Bespoke Labs heeft gedraaid. Het pakket dat nu het model voor lokaal gebruik meelevert, publiceerde een run van 231 cases van de originele JevBench, de easy- en hardsets, op een Apple M5 Max met een 40-core GPU: 201 van 231 correct bij 88 ms mediane latentie voor de niet-gekwantiseerde MLX-build, 202 van 231 bij 176 ms voor de niet-gekwantiseerde GGUF-build, en 198 van 231 bij 168 ms voor de Q4_K_M-kwantisatie — met de kanttekening die naast de tabel is afgedrukt dat kwantisatie scores en beslissingen verandert. Dit is een harness van een derde partij, maar het is een verpakkingsharness, geen onafhankelijke audit, en de makers van het pakket zeggen ronduit dat JevBench en de Decision Index verschillende taken en verschillende scoring gebruiken.

Wat Bespoke Labs niet heeft gezegd
Vijf dingen die een lezer redelijkerwijs verwacht te vinden en die er niet zijn:
• Een contextlengte. De v3-kaart vermeldt er geen. De listing van de packager adverteert met 32.768 tokens, en de eerdere release van de familie documenteert een contract van 8.192 tokens waarbij te grote prompts worden geweigerd in plaats van afgekapt. Dat zijn verschillende getallen die verschillende dingen beschrijven, en niets in het eigen v3-materiaal van Bespoke maakt duidelijk welke van toepassing is op de adapter zelf.
• Een plafond voor opties. Eerdere Nimble-checkpoints documenteerden 1 tot 255 keuzes per veld — een bewuste uitbreiding voorbij de oorspronkelijke 26, met extra vocabulaireplaatsen van één token. Of v3 dat plafond overneemt, wordt niet vermeld.
• Een temperatuur. De geschiedenis van de familie is hier echt nuttig en de moeite waard om te kennen: de oorspronkelijke checkpoint werd geleverd met een gefitte waarde nabij 2,18, de update van 24 september zette de standaardwaarde op 1,0 zonder aparte fit, en tussenliggende releases hadden hun eigen instellingen. Het toepassen van de verkeerde verandert niets aan welk antwoord wint, maar het verandert elke waarschijnlijkheid — wat het hele product is. De v3-kaart zwijgt.
• Elke vermelding van wat er is gewijzigd. De PR-geschiedenis van de repository springt van "Support latest Nimble 9B release and checkpoint defaults" op 24 september naar een README-badge op 13 oktober. Er is geen wijzigingsnotitie voor v3, geen update van de datalineage, geen trainingssamenvatting.
• Alles wat dan ook over de 27B. De Bespoke-Nimble-27B-v3 repository, aangemaakt op 9 oktober, bevat een licentieverklaring, een README en een bestand waarvan de volledige inhoud is dat de gewichten nog niet zijn vrijgegeven. De README geeft één getal — 65,33 op de openbare suite Decision Index 0.3 — en zegt dat het model draait op de gehoste API van Bespoke Labs, met toegang door contact op te nemen met het lab. Geen download, geen datum, geen gewichten. Het is een placeholder en moet als zodanig worden gelezen.
Dat is de vorm van een stille zending: een controlepunt verschijnt, de zending niet, en het versienummer is de enige aanwijzing dat er een beslissing is genomen.
Wat is er deze week eigenlijk veranderd?
De upload van 30 september is niet wat dit vandaag schrijfbaar maakt. Wat het schrijfbaar maakt, is dat Nimble v3 werd installeerbaar in de afgelopen paar dagen. Een lokale modelruntime voegde nimble-v3 op 13 oktober toe aan zijn openbare bibliotheek, waarbij de adapter in de Qwen3.5-9B-basis werd samengevoegd, zodat één pull-commando een uitvoerbaar 9B-beslissingsmodel oplevert in zes gewichtsformaten — twee niet-gekwantiseerde builds van 17,9 GB, een MXFP8 MLX-build van 9,3 GB, een NVFP4-build van 6,9 GB, een Q8_0 van 9,5 GB en een Q4_K_M van 5,6 GB. Op het moment van schrijven toonde de vermelding 45 downloads en een stempel 'drie uur geleden bijgewerkt', wat ongeveer zo vers is als een modelcatalogusvermelding maar kan zijn.
Twee dingen volgen. Het eerste is dat de toegangskwestie van karakter is veranderd: dertien dagen geleden betekende het gebruik van Nimble v3 dat je een 9B-basismodel moest downloaden, een LoRA moest samenvoegen en een promptformaat moest reconstrueren dat de repository niet meer documenteert. Nu betekent het het ophalen van een pakket — met de licentiebeperking die erin meereist, en met de eigen opmerking van de maker van het pakket dat deze de adapter in het door de uitgever gespecificeerde basismodel heeft samengevoegd in plaats van iets te herdistribueren dat Bespoke Labs niet heeft gepubliceerd.
Het tweede is dat er nu een getal uit een eerste run bestaat voor een model waarvoor er geen was. Een nauwkeurigheidscijfer over 231 cases en een latentieverdeling uit een testharnas dat niet van de leverancier is, vormen precies het soort bewijs dat in deze categorie ontbrak, en het is de moeite waard om het als een ondergrens te lezen, niet als een eindoordeel: dezelfde run zette de gekwantiseerde build 4 cases lager dan de niet-gekwantiseerde, en de samenstellers van het pakket waarschuwen dat je drempelwaarden opnieuw moeten worden gevalideerd tegen je eigen voorbeelden.
Wat dit betekent voor routing: een beslissingsmodel is een beperkte component, en Nimble v3 beantwoordt alleen de vragen die je het voorlegt — het kan niet schrijven, uitleggen of een antwoord teruggeven dat niet een van je opties is. De generatieve helft van zo'n pipeline is het deel dat OrcaRouter dekt: 200+ modellen achter één OpenAI-compatibele sleutel tegen de lijstprijs van de provider, doorgegeven met 0% opslag, met automatische failover en een routing-DSL die je als code kunt uitdrukken. OrcaRouter bedient Nimble v3 niet, en niets hier mag worden gelezen als een bewering dat het dat doet. De juiste framing is dat een goedkope, lokale beslissingshead en een gerouteerd generatief model erachter twee helften van één patroon zijn, en als je de tweede helft bouwt, zijn wij dat.

Wat je ermee kunt doen, en waar je op moet letten
Als je beslissingsmodellen evalueert in plaats van er een te leveren, is Nimble v3 nu de goedkoopste manier om de categorie te betreden: één pull, geen GPU nodig buiten een laptop, een gedocumenteerd nauwkeurigheidscijfer van een derde partij, en een licentie die prima is voor onderzoek. Als je een product bouwt, beantwoordt de licentie de vraag eerder dan de benchmarks dat doen, en het ontbrekende contextcontract en de temperatuur betekenen dat je op je eigen data zult kalibreren, of je dat nu van plan was of niet.
De drie dingen die deze beoordeling zouden veranderen: een aankondiging van de leverancier die de licentie verduidelijkt (CC BY-NC op een vlaggenschip-checkpoint is ongebruikelijk voor een lab dat verder Apache 2.0 heeft uitgebracht en $40M heeft opgehaald om voor ondernemingen te bouwen), een gevulde 27B-repository, en een wijzigingsnotitie die uitlegt wat v3 nu eigenlijk anders deed dan v2. Tot die tijd is de eerlijke samenvatting dat een competent team een checkpoint heeft geüpload, het gebruik ervan heeft beperkt, en de packagers het aankondigen liet doen.
Nimble v3 is een open-weights adapter die je zelf host; het generatieve deel van dezelfde pipeline is wat OrcaRouter dekt. Meer dan 200 modellen achter één OpenAI-compatibele sleutel OrcaRouter serveert Nimble v3 niet, en niets in dit artikel mag worden opgevat als een bewering dat dit wel zo is.
