
Nimble v3 悄然發布:Bespoke Labs 的 9B 決策模型轉為非商業化
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 185 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百萬 tokens · 76 tok/s
- openai新OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 每百萬 tokens · 151 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 240 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 178 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 94 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 每百萬 tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 104 tok/s
的權重Nimble v3——以Bespoke-Nimble-9B-v3的名義提交——已於 2026 年 9 月 30 日上傳至 Hugging Face,十三天後 Bespoke Labs 仍未公開對其發表任何言論。該實驗室自家的部落格沒有貼文,沒有發布說明,儲存庫的拉取請求歷史中沒有任何提及此版本的紀錄,專案 README 的變更記錄裡也沒有隻字片語。實際存在的是一個內含五個檔案的儲存庫、一份配套的評估資料集、一張簡短的模型卡,以及一份已變更的授權條款。同一間實驗室也為Bespoke-Nimble-27B-v3在 10 月 9 日放上了一個佔位符——該儲存庫唯一的模型檔案是一則說明,解釋權重尚不存在。
這就是從供應商端所能得知的全部,而它值得與無法得知的部分區分開來。以下所有內容均來自 Hugging Face API、原始模型卡、GitHub API,以及該模型目前所含的封裝中繼資料;若某項數字為供應商自家提供,文中會加以註明。
儲存庫裡實際上有什麼?
Bespoke-Nimble-9B-v3 包含 README.md、adapter_config.json、adapter_model.safetensors、一個 schema_config.json,以及 .gitattributes。這就是完整清單。它是 PEFT LoRA 適配器,不是獨立模型:模型卡將 Qwen/Qwen3.5-9B 列為基礎模型,且該基礎模型未在儲存庫中重複。
這張卡片本身分為四個簡短區塊。它指出此適配器接收「一個脈絡與具型別的問題(從選項中擇一,或是是/否)」,並為每個選項回傳一個機率。它回報 Decision Index 0.2.1 分數為 56.88。它載明授權條款。它附有一則引用,指名 Shreyas Pimpalgaonkar、Sid Devic、Mrinal Kumar、Pratik Dalal 與 Mahesh Sathiamoorthy。
其中沒有的東西同樣重要。沒有分詞器、沒有提示建構器、沒有參照推論程式碼、沒有校驗和檔案、沒有來源紀錄,也沒有上下文長度契約——而這些全都是該家族首個發布版本Bespoke-Nimble-9B在 9 月 18 日連同自身權重一併發布的內容,屬於一份共二十一個檔案的套件。v3 儲存庫只有一個適配器檢查點和一行授權聲明。任何能讓它正確運作所需的東西,你現在都得自己拼湊,或向打包者取用。

授權條款是決定誰可以使用它的部分
v3 卡片中,能改變採購對話的那一句話是:Bespoke-Nimble-9B-v3 的發布授權條款為CC BY-NC 4.0,卡片將其解釋為「不得用於商業用途。」
先前每一個 Nimble 檢查點都是 Apache 2.0。Bespoke-Nimble-9B是 Apache 2.0。Bespoke-Nimble-9B-v2於 9 月 23 日上傳,也是 Apache 2.0。基礎模型是 Apache 2.0,而且至今依然如此——Bespoke 的模型卡明確載明這點,這既是誠實的做法,也正是企業無法藉由指向基礎模型授權來規避這項限制的原因。採用寬鬆授權的基礎模型並不會放寬非商業性轉接器的限制,而決策行為正是存在於轉接器之中。
還有第二個授權問題,而且更糟,因為它模糊不清,而不只是限制性。這個 GitHub 儲存庫 bespokelabsai/nimble——專案主頁,目前擁有 2,179 顆星——回報完全沒有授權條款,這是透過 GitHub 的 API 顯示的。一個沒有授權檔案的儲存庫,在任何律師會接受的意義上都不算是開源,而無論維護者是否有意如此,這都是事實。該實驗室自己的 README 也承認模型首個版本有粗糙之處;一個未經授權的訓練與策展程式碼庫,是另一類問題。
因此,對於今天正在規劃產品的人來說,務實的立場是:Nimble v3 的權重可讀取、可下載,且為非商業性;產出這些權重的程式碼則未宣告任何條款。如果你需要一個基於 Qwen3.5-9B、可商用的決策模型,這不是你要的那一個,而替代方案見於Nimble v3 與 Kev 的比較以及Nimble v3 與 Decider 的比較。
三組數字,三種不同的儀器
v3 卡片恰好只列有一個分數:在 Decision Index 0.2.1 上為 56.88。Bespoke Labs 的配套資料集儲存庫發佈了完整執行、引擎與重現說明,這比大多數廠商提供的透明度更高,而這個數字仍是發佈者自家的——以其自家對第三方套件的參考實作測得。
針對較早的檢查點,該系列發布了一份涵蓋範圍廣泛得多的表格,而這也是目前唯一存在、能與定義此類別的模型正面對決的資料。在 324 組保留的對比配對中,9 月 18 日的模型與參考標籤相符的比例為 90.12%,TypeSafe 的 Jev 1.13.0 則為 93.21%,而 Qwen3.5-9B 基礎模型為 66.36%。在橫跨十三個公開資料集、共 3,880 項人工標註的決策中,差距為 75.7% 對上 Jev 的 76.0%——平分秋色。這些數字屬於第一代 Nimble,而非 v3,且該專案將其標示為自家的測量結果。
第三組是 Bespoke Labs 內部沒有人跑過的那一組。如今將模型打包供本地使用的套件,公布了在搭載 40 核心 GPU 的 Apple M5 Max 上,對 JevBench 原始、簡單與困難資料集所做的 231 案例測試結果:未量化的 MLX 建置在 88 毫秒中位延遲下,231 題中答對 201 題;未量化的 GGUF 建置在 176 毫秒下答對 202 題;Q4_K_M 量化則在 168 毫秒下答對 198 題——表格旁還印有一項但書:量化會改變分數與判定。這是第三方測試框架,但它是打包測試框架,不是獨立稽核,而且打包者直言,JevBench 與 Decision Index 使用不同的任務與不同的評分方式。

Bespoke Labs 尚未說出口的話
五件讀者會合理預期能找到、卻找不到的事:
• 上下文長度。 v3 卡片並未載明。封裝者的商品頁標示為 32,768 個詞元,而該系列較早的版本記載的是 8,192 個詞元的規範,且過長的提示詞會被拒絕而非截斷。這些是不同的數字,所描述的也是不同的事物,而 Bespoke 自家的 v3 資料中,沒有任何內容能釐清究竟哪一個才適用於這個適配器本身。
• 選項上限。較早的 Nimble 檢查點記錄了每個欄位有 1 到 255 個選項——這是刻意超出原本 26 個的擴充,並使用了額外的單一 token 詞彙槽。v3 是否繼承該上限則未說明。
• 一個溫度參數。這裡的家族歷史確實有用,也值得了解:最初的檢查點出廠時附帶的擬合值接近 2.18,九月 24 日的更新把預設值改成 1.0,且沒有另行擬合,而中間的各個版本則各自帶有自己的設定。套用錯誤的那一個並不會改變哪個答案勝出,但會改變每一個機率——而這正是產品的全部。v3 的卡片則對此隻字未提。
• 任何關於變更內容的說明。該儲存庫的 PR 紀錄從 9 月 24 日的「支援最新的 Nimble 9B 版本與檢查點預設值」跳到 10 月 13 日的一個 README 徽章。沒有 v3 變更說明,沒有資料血緣更新,也沒有訓練摘要。
• 任何關於 27B 的資訊都行。這個 Bespoke-Nimble-27B-v3 儲存庫建立於 10 月 9 日,內含一份授權聲明、一份 README,以及一個檔案,其全部內容就是權重尚未發布。README 提供了一個數字——在 Decision Index 0.3 公開測試套件上為 65.33——並表示該模型在 Bespoke Labs 的託管 API 上運行,須聯絡該實驗室才能取得存取權。沒有下載、沒有日期、沒有權重。它是個佔位符,也應被如此看待。
這就是無聲出貨的樣貌:檢查點出現了,文件卻沒有,而版本號是唯一顯示曾做出決定的跡象。
這週究竟有什麼改變
九月三十日的上傳,並不是讓這份內容今天得以寫成的原因。讓它得以寫成的是,Nimble v3變得可供安裝——就在過去幾天內。某個本地模型執行環境在十月十三日把 nimble-v3加入其公開函式庫,將 adapter 併入 Qwen3.5-9B 基底模型,因此只要一道 pull 指令,就能得到一個可執行的 9B 決策模型,涵蓋六種權重格式——兩個未量化的建置檔(17.9 GB)、一個 9.3 GB 的 MXFP8 MLX 版本、一個 6.9 GB 的 NVFP4 版本、一個 9.5 GB 的 Q8_0,以及一個 5.6 GB 的 Q4_K_M。撰寫當下,該條目顯示 45 次下載與「三小時前更新」的標記,這差不多就是模型目錄條目所能達到的最新鮮狀態。
接下來有兩件事。第一件事是,取用問題的性質已經改變:十三天前,使用 Nimble v3 意味著下載一個 9B 基礎模型、合併 LoRA,並重建該儲存庫已不再記錄的提示格式。現在,這意味著拉取一個套件——授權限制也一併隨之包在裡面,而且打包者自己註明,它是將適配器合併到發佈者指定的基礎模型中,而不是重新散布任何 Bespoke Labs 未發佈的東西。
第二點是,現在出現了一個過去沒有的模型的首輪數字。來自非廠商測試框架的 231 個案例準確率數據與延遲分佈,正是這個領域一直缺少的那種證據,而且值得將其視為下限,而非定論:同一輪測試中,量化版本比未量化版本少了 4 個案例,而打包者也警告,你的閾值需要用自己的範例重新驗證。
這對路由意味著什麼:決策模型是一個範圍狹窄的元件,而 Nimble v3 只會回答你交給它的問題——它無法撰寫、解釋,也無法回傳不在你選項之中的答案。像那樣的管線中,生成式的那一半正是 OrcaRouter 所涵蓋的部分:200+ 個模型在單一 OpenAI 相容金鑰之後,以 0% 加價原樣傳遞的供應商標價,並具備自動容錯移轉,以及可用程式碼表達的路由 DSL。OrcaRouter 不提供 Nimble v3,此處任何內容都不應被解讀為聲稱它提供。準確的說法是:一個便宜的本機決策頭,以及其後由路由接上的生成式模型,是同一個模式的兩半;而如果你正在打造後半部,那就是我們。

該怎麼處理,以及要注意什麼
如果你是在評估決策模型,而不是要推出一個模型,Nimble v3 現在是進入這個類別最便宜的方式:單次 pull、除了筆電之外不需要 GPU、有文件記載的第三方準確率數據,以及一個對研究用途沒問題的授權。如果你是在打造產品,授權會在基準測試之前就先回答這個問題,而缺少的 context contract 與 temperature 意味著,不管你原本有沒有打算,你都會在自己的資料上進行校準。
會改變這項評估的三件事:一則釐清授權條款的廠商公告(對於一個在其他方面都以 Apache 2.0 發布、並籌得 4,000 萬美元來為企業打造產品的實驗室而言,旗艦檢查點採用 CC BY-NC 並不尋常)、一個內容充實的 27B 儲存庫,以及一份變更說明,解釋 v3 與 v2 實際上到底有何不同。在那之前,誠實的總結是:一個有能力的團隊上傳了檢查點、限制了它的用途,然後讓封裝者去負責對外宣布。
Nimble v3 是一款開放權重的轉接器,由你自己部署提供服務;同一條流程中的生成式部分,才是 OrcaRouter 所涵蓋的範圍。 超過 200 個模型,只需一組與 OpenAI 相容的金鑰 OrcaRouter 並不提供 Nimble v3 的服務,本文任何內容都不應被解讀為聲稱其有提供此服務。
