Bespoke Labs 开源 Nimble：把类型化决策做成 165MB 的 LoRA，一次前向不写推理
Bespoke Labs 开源了 Bespoke-Nimble-9B：一个 165MiB 的 LoRA adapter，挂在 Qwen3.5-9B 上，专门做「类型化决策」——给它一段文本和一份 schema（选择题或真假题），它对每个问题的允许答案 token 直接打分，返回选中项和每个候选的概率，全程不生成推理文本。官方在 324 条留出样本上给出的数字是：匹配参考标签 90.1%，其基座模型 66.4%，TypeSafe 的 Jev 1.13.0 为 93.2%。
这条的资源配比方式才是重点：它不是又一个通用大模型，而是把 Jev 那条「System One 决策」路线连同数据配方一起公开——官方明说做法是「改一个事实让正确答案翻转」的对比式数据整理，只在答案 token 上做 LoRA，并附上参考推理代码与公开基准跑法。代价也写清楚了：提示词超过 2048 token 直接拒绝而非截断，每个字段最多 26 个选项，作者自述「一天做出来的，会有毛边」。上一周 Jev 生态里已经冒出成批复现与集成项目（9 月 13 日后新建、star 超 50 的仓库中，按 star 排序的前 50 名里有 20 个围绕它），Nimble 是其中第一个把训练数据与配方一起交出来的。
原文链接：Bespoke Labs GitHub
核验记录
官方博客列表页（bespokelabs.ai/blog）最新一篇仍为 9/10 的 AutoResearchExam，无 Nimble 专文；发布日期取 HF 权重仓 bespokelabs/Bespoke-Nimble-9B createdAt 2026-09-18T01:18Z，GitHub 仓库 created 同日 09:07Z 互证（R21 降级链第③层）。90.1%/66.4%/93.2%/324 条等数字均来自官方 README 自测，无第三方复现；adapter 体积 165MiB 与 2048 token 上限同为 README 自述。