
MAI Decision 1 vs Nimble v3: um scorer hospedado contra uma licença que você não pode distribuir
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 182 tok/s
A primeira coisa que separa MAI Decision 1 — o modelo que a Microsoft lançou no Ignite como Microsoft-Decision-1.1 — de Nimble v3, arquivado no Hugging Face como Bespoke-Nimble-9B-v3, não é um benchmark. É uma cláusula de licença. O Nimble v3 é um adaptador LoRA lançado sob CC BY-NC 4.0, que a ficha do modelo descreve como "não pode ser usado para fins comerciais". O modelo da Microsoft é um endpoint hospedado que você aluga por token, então a questão da licença nunca surge e a questão da auto-hospedagem também nunca surge. Você pode colocar um deles em um produto; o outro, em um notebook. Todo o restante nesta comparação decorre dessa bifurcação, incluindo por que suas pontuações publicadas não devem ser subtraídas entre si.
O que cada um realmente é, mecanicamente
O Microsoft-Decision-1.1 é uma implantação no Foundry, em produção desde 17 de novembro de 2026, pós-treinado pela Microsoft com base no Gemma 4 26B-A4B. Você envia um estado e perguntas tipadas para um endpoint de decisão, recebe probabilidades calibradas de volta e é cobrado US$ 0,042 por milhão de tokens de entrada no Global Standard ou US$ 0,05 nas zonas de dados da UE e da APAC. Não há download, não há caminho de fine-tuning e não há opção de auto-hospedagem no model card. A latência é de 123 ms por tarefa na medição da Artificial Analysis; o contexto é de 32.768 tokens de entrada; ele lê imagens e também texto.
O Nimble v3 é um adaptador PEFT de cinco arquivos para o Qwen3.5-9B, enviado em 30 de setembro de 2026 sem nenhum anúncio, post de blog ou nota de versão da Bespoke Labs. O repositório contém um README, uma configuração do adaptador, os pesos do adaptador, uma configuração de esquema e um arquivo gitattributes — essa é a lista completa. Você mesmo traz o modelo base, o motor de inferência e a GPU. O repositório do conjunto de dados complementar traz a execução completa do Decision Index, o motor e as instruções de reprodução, o que é mais transparência do que a maioria dos fornecedores oferece e também mais trabalho do que a maioria dos compradores espera.
• Pesos — somente hospedados, sem download, versus um adaptador BF16 de 20 GB que você monta sobre o Qwen3.5-9B
• Licença — termos de serviço da Microsoft vs CC BY-NC 4.0, não comercial, com uma base Apache 2.0 que não flexibiliza a restrição do adaptador
• Interface — um endpoint de decisão com perguntas tipadas e probabilidades versus seu próprio código de inferência, fixado a arquivos de prompt e tokens de código de opção por hash
• Contexto — 32.768 tokens vs 32.768 tokens, com solicitações acima do limite recusadas em vez de truncadas
• Imagens — até 8 por pergunta, 280 a 1.568 pixels por lado vs. somente texto
• Preço — US$ 0,042 por milhão de tokens, somente entrada, versus hardware, eletricidade e um engenheiro
• Pontuação publicada — 67,78 no AA Decision Index v2.1 vs 56,88 no Decision Index 0.2.1

Os dois números não estão na mesma régua
Esse último item é o que costuma ser usado de forma abusiva em posts de comparação, então vale ser direto: 56.88 e 67.78 não são comparáveis. O número do Nimble v3 vem do Decision Index 0.2.1, o kit aberto que a própria Bespoke Labs executa, em seu próprio harness, com sua própria implementação de referência. O 67.78 da Microsoft vem do Artificial Analysis Decision Index v2.1, uma composição diferente de avaliações com pesos diferentes, uma função de pontuação diferente e um conjunto diferente de modelos no campo.
Ambos os painéis medem a mesma família de comportamentos — você escolhe entre opções limitadas e é pontuado pela precisão descontada conforme o quanto sua confiança declarada errou. Mas um compósito ponderado de seis avaliações com um termo de simetria não é o mesmo instrumento que uma rodada de kit público, e subtrair um do outro produz uma "lacuna" de 10,9 pontos que é, sobretudo, uma diferença de réguas. Qualquer pessoa que lhe mostre essa subtração é descuidada ou está vendendo alguma coisa.
O que pode ser dito sem extrapolar é direcional. A própria ficha do Nimble v3 relata um único número e nenhum detalhamento, em uma família cujo checkpoint anterior publicou uma tabela muito mais completa: 90,12% de concordância com rótulos de referência contra 93,21% do Jev 1.13.0 em 324 pares contrastivos reservados, e 75,7% contra 76,0% em 3.880 decisões rotuladas por humanos em treze conjuntos de dados públicos. Esses são os números do Nimble original, não do v3, e o projeto os identifica como medições próprias. O Decision 1.1, em contraste, traz um 67,78 independente, com seis subpontuações publicadas e um Brier de 0,160, em um ranking que também classifica seus concorrentes da mesma maneira. Se você precisa de um número que possa defender em uma revisão de aquisições, apenas um deles oferece isso.

A licença é a decisão inteira, e é pior do que parece.
CC BY-NC 4.0 no adaptador significa que não há uso comercial. Isso não é uma zona cinzenta que você possa contornar com argumentação, e a solução alternativa óbvia não funciona: o modelo base, Qwen3.5-9B, é Apache 2.0, e o card da Bespoke diz isso explicitamente — mas uma base permissiva não flexibiliza um adaptador não comercial, e é no adaptador que reside o comportamento de decisão. Remova o adaptador e você terá um modelo 9B genérico que não é um modelo de decisão de forma alguma.
Há um segundo problema, menos discutido. O repositório do GitHub do projeto Nimble não informa licença alguma por meio da API, o que significa que o código de treinamento e curadoria também não tem termos declarados. Se sua equipe jurídica perguntar o que você pode fazer com o pipeline que produziu os pesos, a resposta é que o projeto não se pronunciou.
Coloque isso em contraste com o modelo da Microsoft: você não pode baixá-lo, então não pode fazer fork dele, mas também não pode criar acidentalmente um produto sobre uma licença que proíbe o produto. Para uma equipe decidindo entre os dois, o enquadramento prático é que um é uma compra e o outro é um artefato de pesquisa. Se a carga de trabalho for comercial, a comparação termina aqui e o modelo hospedado vence por padrão. Se não for — um ambiente de avaliação interno, um estudo acadêmico, um protótipo que você pretende substituir —, então o adaptador é genuinamente interessante, e sua pegada de 20 GB significa que ele roda em uma única GPU que você talvez já tenha.
Realidade de implantação de cada lado
Executar o Nimble v3 corretamente não é uma questão de carregar o adaptador e conversar com ele. O card do dataset deixa explícito que o motor monta os prompts que sua configuração de esquema fixa por hash e lê cada requisição com o padrão de atenção com o qual o modelo foi treinado; carregar os pesos como um modelo de chat comum, ou gerar texto, não reproduz suas respostas. O motor se recusa a carregar se os arquivos de prompt ou os tokens de código de opção diferirem do treinamento. Você precisará de CUDA, BF16, torch 2.8, transformers 5.17.0, peft e dois kernels de atenção, e requisições acima do limite de contexto são rejeitadas em vez de encurtadas.
Isso é um compromisso real de engenharia e lhe dá algo que o modelo hospedado não consegue: a capacidade de operar sem saída de rede, no seu próprio hardware, com a opção de inspecionar cada prompt. Para ambientes regulamentados em que uma chamada ao modelo não pode sair do prédio, é o único dos dois que sequer é candidato — e a licença não comercial ainda pode inviabilizá-lo, o que é a armadilha.
Do lado da Microsoft, o custo é diferente e menor. Uma implantação do Foundry, um endpoint, um nome de implantação, uma chave ou um token do Entra. Coloque o recurso do Foundry no mesmo local da sua aplicação se a latência importar; use uma implantação em zona de dados se a inferência precisar permanecer na região, a US$ 0,05 por milhão de tokens em vez de US$ 0,042. Sua integração é uma chamada HTTPS com um corpo JSON, e o formato da resposta são probabilidades às quais você aplica um limite.
• Tempo até a primeira chamada — menos de uma hora no Foundry, em comparação com uma configuração de GPU, um toolchain fixado e uma execução de reprodução
• Modo de falha — um limite de taxa ou uma indisponibilidade de região vs um CUDA OOM ou uma incompatibilidade de versão de kernel
• Caminho de atualização — nenhum: o fornecedor lança uma nova versão em vez de uma nova tag de adaptador que você pode fixar ou ignorar
• Caminho de saída — nenhum, apenas alojado vs. os pesos permanecem onde estão, sujeitos à licença
Onde o sucessor complica a história
O Nimble v3 não é o modelo atual da Bespoke Labs, e isso importa para quem o avalia agora. Nimble-v4-max, publicado em 3 de novembro de 2026, é um ajuste fino completo do Qwen3.8-27B, e não um adaptador, publicado com um histórico de tags e uma tabela de benchmarks: 72,74 no Decision Index 0.3 público, acima de 68,46 na v4.0, em 43 benchmarks cujas pontuações individuais são fornecidas em um arquivo JSON. Ele precisa de cerca de 55 GB em BF16 e de uma GPU de 80 GB. Ele também está sob a licença CC BY-NC 4.0.
A leitura honesta sobre o Nimble v3 hoje é que ele é a geração anterior de uma linha que já avançou duas vezes, e sua única pontuação publicada é de uma versão de kit que o modelo atual já deixou para trás. Comparar o carro-chefe hospedado de três semanas de um fornecedor com um adaptador carregado discretamente há duas revisões não é uma comparação justa em nenhum dos eixos. A questão de produto é genuinamente Microsoft-Decision-1.1 contra Nimble-v4-max, e mesmo aí a resposta sobre licença permanece inalterada.
Uma chave, quando você ainda está decidindo
Nenhum dos modelos está no catálogo do OrcaRouter, e este texto não vai sugerir o contrário: o Microsoft-Decision-1.1 é exclusivo do Foundry, e um adaptador CC BY-NC não é algo que um roteador comercial possa disponibilizar. O que o catálogo traz é a vizinhança, que é onde a maioria das avaliações realmente começa.
A vizinhança ainda é útil, porque ambos os lados deste confronto se definem em relação ao mesmo rival. Jev 1.14 é esse rival: Microsoft-Decision-1.1 o supera em 1,55 ponto no ranking independente, e o checkpoint anterior da Bespoke se comparava ao Jev 1.13.0 no próprio README. O Jev 1.14 responde a US$ 0,042 por milhão de tokens de entrada e saída. A base Gemma 4 26B A4B, sobre a qual a Microsoft fez pós-treinamento, é roteável a US$ 0,25 por milhão de tokens de entrada e US$ 2,90 de saída. Coloque o Jev e um modelo generalista no seu próprio tráfego rotulado atrás de um único endpoint, com failover automático, e você descobre em uma tarde se um modelo de decisão merece seu lugar no caminho — antes de um ciclo de compras e antes da aquisição de uma GPU. Se merecer, o roteador permanece à frente de qualquer modelo de decisão que você implantar, de modo que o limite de taxa de um provedor vira um redirecionamento, e não um incidente.

O que esse arnês de testes não lhe diz é como o próprio Decision 1.1 se comporta com os seus dados. Para isso, é preciso uma implantação do Foundry e os seus próprios rótulos, e não há atalho para a rotulagem.
Como escolher
Escolha Microsoft-Decision-1.1 se a carga de trabalho for comercial, se quiser uma pontuação calibrada que possa apresentar a um conselho independente, se precisar de entrada de imagem, ou se preferir alugar 123 ms a ter um pipeline de GPU próprio. Essa é a maioria das equipes.
Considere o Nimble v3 apenas se todas estas três condições se verificarem: a utilização é não comercial, a chamada ao modelo não pode sair da sua infraestrutura e está preparado para executar o motor do próprio projeto em vez de um loader genérico. Se qualquer uma falhar, a licença ou a engenharia já tomou a decisão por si — e, se está a escolher um Nimble hoje, veja primeiro o Nimble-v4-max, porque a única pontuação publicada do v3 é o número mais antigo da comparação.
É à tabela arrumada que é preciso resistir. Um 56,88 contra um 67,78 parece um veredito e não é; são dois kits diferentes, duas idades diferentes e duas licenças diferentes disfarçados de corrida de cavalos. O modelo que vem no seu produto é o hospedado, e o modelo que roda no seu laboratório é o aberto — essa é a divisão real, e nenhum benchmark a muda.
