
MAI Decision 1 vs Nimble v3: hostowany scorer kontra licencja, której nie można wdrożyć
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 182 tok/s
Pierwszą rzeczą odróżniającą MAI Decision 1 — model, który Microsoft udostępnił na Ignite jako Microsoft-Decision-1.1 — od Nimble v3, zgłoszonego na Hugging Face jako Bespoke-Nimble-9B-v3, nie jest benchmark. Jest nią klauzula licencyjna. Nimble v3 to adapter LoRA wydany na licencji CC BY-NC 4.0, którą karta modelu opisuje jako „nie może być używany do celów komercyjnych”. Model Microsoftu to hostowany endpoint, który wynajmujesz za token, więc kwestia licencji nigdy nie powstaje, a kwestia samodzielnego hostowania również nigdy nie powstaje. Jeden z nich możesz umieścić w produkcie, drugi w notatniku. Wszystko inne w tym porównaniu wynika z tego rozgałęzienia, w tym to, dlaczego ich publikowanych wyników nie należy odejmować od siebie.
Czym każde z nich faktycznie jest pod względem mechanicznym
Microsoft-Decision-1.1 to wdrożenie Foundry, dostępne od 17 listopada 2026 r., dotrenowane przez Microsoft na Gemma 4 26B-A4B. Wysyłasz stan i pytania z typami do punktu końcowego decyzyjnego, otrzymujesz skalibrowane prawdopodobieństwa, a opłata wynosi 0,042 USD za milion tokenów wejściowych w Global Standard lub 0,05 USD w strefach danych UE i APAC. W karcie modelu nie ma opcji pobrania, ścieżki dostrajania ani samodzielnego hostowania. Opóźnienie wynosi 123 ms na zadanie według pomiaru Artificial Analysis; kontekst to 32 768 tokenów wejściowych; model odczytuje zarówno obrazy, jak i tekst.
Nimble v3 to pięcioplikowy adapter PEFT dla Qwen3.5-9B, przesłany 30 września 2026 r. bez towarzyszącego ogłoszenia, wpisu na blogu ani informacji o wydaniu ze strony Bespoke Labs. Repozytorium zawiera README, konfigurację adaptera, wagi adaptera, konfigurację schematu i plik gitattributes — to cała lista. Model bazowy, silnik wnioskowania i GPU musisz zapewnić samodzielnie. Towarzyszące repozytorium zbioru danych zawiera pełny przebieg Decision Index, silnik i instrukcje odtworzenia, co stanowi większą przejrzystość niż oferuje większość dostawców, a także więcej pracy, niż oczekuje większość kupujących.
• Wagi — tylko hostowane, bez pobierania, w porównaniu z 20 GB adapterem BF16, który nakładasz na Qwen3.5-9B
Licencja — warunki usług Microsoft a CC BY-NC 4.0, niekomercyjna, z bazą Apache 2.0, która nie łagodzi ograniczenia adaptera
• Interfejs — endpoint decyzyjny z typowanymi pytaniami i prawdopodobieństwami kontra własny kod wnioskowania, przypięty przez hash do plików promptów i tokenów kodów opcji
• Kontekst — 32,768 tokenów vs 32,768 tokenów, przy czym zbyt duże żądania są odrzucane, a nie obcinane
• Obrazy — do 8 na pytanie, od 280 do 1 568 pikseli z każdej strony w porównaniu z samym tekstem
• Cena — $0,042 za milion tokenów (tylko wejście) w porównaniu ze sprzętem, prądem i inżynierem
• Opublikowany wynik — 67,78 w AA Decision Index v2.1 w porównaniu z 56,88 w Decision Index 0.2.1

Te dwie liczby nie są na tej samej linijce.
Ta ostatnia pozycja to ta, która bywa nadużywana w postach porównawczych, więc warto powiedzieć to wprost: 56,88 i 67,78 nie są porównywalne. Wynik Nimble v3 pochodzi z Decision Index 0.2.1 — otwartego zestawu narzędzi, który Bespoke Labs uruchamia samodzielnie, we własnym środowisku testowym, z własną implementacją referencyjną. Wynik Microsoftu 67,78 pochodzi z Artificial Analysis Decision Index v2.1 — innego zestawu ocen o innych wagach, innej funkcji punktacji i innego zestawu modeli w zestawieniu.
Obie plansze mierzą tę samą rodzinę zachowań — wybierasz spośród ograniczonych opcji, a twoja ocena to dokładność pomniejszona o to, jak bardzo twoja deklarowana pewność się rozminęła. Jednak ważona kombinacja sześciu ocen z członem symetrii to nie to samo narzędzie co publiczny przebieg zestawu, a odjęcie jednego od drugiego daje 10,9-punktową „lukę”, która w większości jest różnicą miar. Każdy, kto pokazuje ci to odejmowanie, jest albo nieuważny, albo coś sprzedaje.
To, co można stwierdzić bez nadinterpretacji, ma charakter orientacyjny. Karta własna Nimble v3 podaje jedną liczbę i nie podaje rozbicia, w rodzinie, której wcześniejszy checkpoint opublikował znacznie pełniejszą tabelę: 90,12% zgodności z etykietami referencyjnymi wobec 93,21% dla Jev 1.13.0 na 324 odłożonych parach kontrastywnych oraz 75,7% wobec 76,0% na 3880 decyzjach oznaczonych przez ludzi w trzynastu publicznych zbiorach danych. To są liczby pierwszego modelu Nimble, a nie v3, i projekt oznacza je jako własne pomiary. Decision 1.1 natomiast ma niezależny wynik 67,78 z sześcioma opublikowanymi podwynikami i wskaźnikiem Brier 0,160 na tablicy wyników, która w ten sam sposób szereguje również jego konkurentów. Jeśli potrzebujesz liczby, której możesz bronić podczas przeglądu zakupowego, tylko jedna z nich daje ci taką liczbę.

Licencja to cała decyzja, a jest gorzej, niż się wydaje.
Licencja CC BY-NC 4.0 na adapterze oznacza brak użycia komercyjnego. To nie jest szara strefa, którą można obejść rozumowaniem, a oczywiste obejście nie działa: model bazowy, Qwen3.5-9B, jest na licencji Apache 2.0 i karta modelu Bespoke mówi to wprost — ale permisywna licencja bazowa nie łagodzi niekomercyjnego adaptera, a to właśnie w adapterze tkwi zachowanie decyzyjne. Usuń adapter, a zostanie ci ogólny model 9B, który wcale nie jest modelem decyzyjnym.
Jest jeszcze drugi, rzadziej omawiany problem. Repozytorium GitHub projektu Nimble nie zgłasza przez API żadnej licencji, co oznacza, że kod do trenowania i kuratorowania danych również nie ma zadeklarowanych warunków. Jeśli Twój zespół prawny zapyta, co możesz robić z pipeline’em, który wygenerował wagi, odpowiedź brzmi: projekt tego nie określił.
Porównaj to z modelem Microsoftu: nie można go pobrać, więc nie można go sforkować, ale też nie można przypadkiem zbudować produktu na licencji, która zabrania tego produktu. Dla zespołu wybierającego między tymi dwoma praktyczne ujęcie jest takie, że jeden jest zakupem, a drugi artefaktem badawczym. Jeśli obciążenie jest komercyjne, porównanie kończy się tutaj i model hostowany wygrywa domyślnie. Jeśli nie — wewnętrzne środowisko ewaluacyjne, badanie akademickie, prototyp, który zamierzasz zastąpić — wtedy adapter jest naprawdę interesujący, a jego rozmiar 20 GB oznacza, że działa na pojedynczym GPU, które być może już posiadasz.
Rzeczywistość wdrożenia po każdej stronie
Prawidłowe uruchomienie Nimble v3 nie polega na załadowaniu adaptera i rozmowie z nim. Karta zbioru danych wyraźnie mówi, że silnik buduje prompty, które jego konfiguracja schematu przypina skrótem hash, i odczytuje każde żądanie z wzorcem uwagi, na którym model był trenowany; załadowanie wag jako zwykłego modelu czatu lub generowanie tekstu nie odtwarza jego odpowiedzi. Silnik odmawia załadowania, jeśli pliki promptów lub tokeny kodów opcji różnią się od tych z treningu. Będziesz potrzebować CUDA, BF16, torch 2.8, transformers 5.17.0, peft i dwóch jąder uwagi, a żądania przekraczające limit kontekstu są odrzucane, a nie skracane.
To prawdziwe zobowiązanie inżynierskie i daje ci coś, czego model hostowany nie może: możliwość działania bez wyjścia sieciowego, na własnym sprzęcie, z opcją inspekcji każdego promptu. W środowiskach regulowanych, w których wywołanie modelu nie może opuścić budynku, to jedyny z tych dwóch, który w ogóle wchodzi w grę — a licencja niekomercyjna może go mimo to wykluczać, i w tym tkwi pułapka.
Po stronie Microsoftu koszt jest inny i niższy. Wdrożenie Foundry, punkt końcowy, nazwa wdrożenia, klucz lub token Entra. Umieść zasób Foundry w tej samej lokalizacji co aplikacja, jeśli opóźnienie ma znaczenie; użyj wdrożenia w strefie danych, jeśli wnioskowanie musi pozostać w regionie, za $0.05 za milion tokenów zamiast $0.042. Twoja integracja to wywołanie HTTPS z treścią JSON, a kształt odpowiedzi to prawdopodobieństwa, dla których ustawiasz próg.
• Czas do pierwszego wywołania — poniżej godziny w Foundry w porównaniu z konfiguracją GPU, przypiętym zestawem narzędzi i przebiegiem reprodukcji
• Tryb awarii — limit zapytań lub awaria regionu vs CUDA OOM lub niezgodność wersji jądra
• Ścieżka aktualizacji — brak; dostawca dostarcza nową wersję w porównaniu z nowym tagiem adaptera, który możesz przypiąć lub zignorować
• Ścieżka wyjścia — brak; wyłącznie hosting vs wagi pozostają tam, gdzie są, z zastrzeżeniem licencji
Gdzie następca komplikuje historię
Nimble v3 nie jest obecnym modelem Bespoke Labs i ma to znaczenie dla każdego, kto ocenia go teraz. Nimble-v4-max, opublikowany 3 listopada 2026 r., to pełny fine-tuning Qwen3.8-27B, a nie adapter, wydany z historią tagów i tabelą benchmarków: 72,74 w Decision Index 0.3 public, w porównaniu z 68,46 w wersji v4.0, w ramach 43 benchmarków, których wyniki indywidualne znajdują się w pliku JSON. Wymaga około 55 GB w BF16 i jednego GPU o pojemności 80 GB. Jest również objęty licencją CC BY-NC 4.0.
Uczciwa ocena Nimble v3 na dziś jest taka, że to poprzednia generacja linii, która zdążyła już dwukrotnie się zmienić, a jej jedyny opublikowany wynik dotyczy wersji zestawu, którą obecny model pozostawił za sobą. Porównywanie trzech tygodni temu opublikowanego flagowego produktu hostowanego dostawcy z po cichu wgranym adapterem starszym o dwie rewizje nie jest uczciwym starciem w żadnym z tych wymiarów. Pytanie produktowe to naprawdę Microsoft-Decision-1.1 kontra Nimble-v4-max i nawet tam odpowiedź dotycząca licencji pozostaje bez zmian.
Jeden klucz, gdy jeszcze się zastanawiasz
Żaden z tych modeli nie znajduje się w katalogu OrcaRouter i ten tekst nie będzie sugerować inaczej: Microsoft-Decision-1.1 jest dostępny wyłącznie w Foundry, a adaptera na licencji CC BY-NC nie może obsługiwać komercyjny router. Katalog obejmuje natomiast sąsiedztwo, od którego w praktyce zaczyna się większość ewaluacji.
Sąsiedztwo nadal jest przydatne, ponieważ obie strony tego starcia definiują się względem tego samego rywala. Jev 1.14 jest tym rywalem: Microsoft-Decision-1.1 wyprzedza go o 1,55 punktu w niezależnym rankingu, a wcześniejszy checkpoint Bespoke porównywał się z Jev 1.13.0 we własnym README. Jev 1.14 odpowiada w cenie $0,042 za milion tokenów na wejściu i wyjściu. Bazowy Gemma 4 26B A4B, na którym Microsoft przeprowadził post-training, jest dostępny w routingu po $0,25 za milion tokenów wejściowych i $2,90 za milion tokenów wyjściowych. Umieść Jev i model ogólnego przeznaczenia na własnym ruchu z etykietami za jednym endpointem, z automatycznym przełączaniem awaryjnym, a w jedno popołudnie dowiesz się, czy model decyzyjny zasługuje na miejsce w ścieżce — przed cyklem zakupowym i przed zakupem GPU. Jeśli tak, router pozostaje przed dowolnym modelem decyzyjnym, który wdrożysz, więc limit żądań jednego dostawcy oznacza przekierowanie, a nie incydent.

To, czego ten zestaw testowy ci nie powie, to jak sama Decyzja 1.1 zachowuje się na twoich danych. Do tego potrzebujesz wdrożenia Foundry i własnych etykiet, a etykietowania nie da się w żaden sposób obejść.
Jak wybrać
Wybierz Microsoft-Decision-1.1, jeśli obciążenie ma charakter komercyjny, jeśli chcesz mieć skalibrowany wynik, na który możesz powołać się przed niezależnym gremium, jeśli potrzebujesz danych wejściowych w postaci obrazu albo wolisz wynająć 123 ms niż utrzymywać własny potok GPU. To dotyczy większości zespołów.
Rozważaj Nimble v3 tylko wtedy, gdy spełnione są wszystkie trzy poniższe warunki: użycie ma charakter niekomercyjny, wywołanie modelu nie może opuścić Twojej infrastruktury i jesteś gotów uruchomić własny silnik projektu, a nie uniwersalny loader. Jeśli którykolwiek z nich nie jest spełniony, licencja lub względy inżynieryjne już podjęły decyzję za Ciebie — a jeśli w ogóle wybierasz dziś Nimble, najpierw spójrz na Nimble-v4-max, ponieważ jedyny opublikowany wynik v3 jest najstarszą liczbą w porównaniu.
Temu trzeba się przeciwstawić: schludnej tabeli. 56,88 wobec 67,78 wygląda jak werdykt, ale nim nie jest; to dwa różne zestawy, z dwóch różnych lat i na dwóch różnych licencjach, przebrane za wyścig koni. Model, który trafia do Twojego produktu, to ten hostowany, a model, który działa w Twoim laboratorium, to ten otwarty — to jest prawdziwy podział i żaden benchmark go nie zmieni.
