Das volle Modell hat 121 Millionen Parameter, gut 70 Millionen davon in einer Engram-Tabelle – einem Speicher für Zwei- und Dreiwortfolgen, der per Nachschlagen statt per Rechnung gelesen wird. Laut Cactus rechnet Needle 3 deshalb wie ein Modell mit 50 Millionen Parametern. Needle 2 hatte 45 Millionen. Neu sind neben der Lagen-Leiter das Extrahieren strukturierter Felder aus Text und Embeddings, also Satzvektoren für die lokale Suche. Die Lizenz bleibt Apache 2.0.
In Cactus’ Messung erreicht die volle Fassung bei Mobile Actions, der Übersetzung von Handybefehlen in Android-Aufrufe, 86,0 Prozent; Needle 2 kam auf 63,5, DeepSeek V4 Flash über die Cloud-API auf 88,4 Prozent. Beim breiteren Function-Calling-Test BFCL v4 liegt Needle 3 mit 50,2 Prozent hinter LFM2.5 1.2B (62,0) und Qwen3.5 0.8B (56,8), ebenso bei der Extraktion. Needle lief dabei mit 2-Bit-Gewichten, die Vergleichsmodelle in 16 Bit.
Cactus wirbt damit, schon die Vier-Lagen-Fassung mit 29 Millionen Parametern überhole nach einem Feintuning DeepSeek V4 Flash. In der Anbietergrafik gilt das für den Test DroidCall (62,5 gegen 60,5 Prozent), nicht für Mobile Actions: Dort kommt die angepasste Vier-Lagen-Fassung auf 79,1 Prozent, DeepSeek auf 88,4. Gewertet wurde dafür zudem mit erzwungenen Aufrufen, anders als in der Hauptwertung.
Der YouTube-Kanal Better Stack trainierte Needle 3 auf einem eigenen Rechner für fünf Befehle einer simulierten Roboterente. Von 49 selbst geschriebenen, nicht trainierten Testsätzen traf das Grundmodell 13, die angepasste volle Fassung 41 und die Vier-Lagen-Fassung 30; das Training dauerte rund zwölfeinhalb beziehungsweise fünf Minuten. Beim lokalen Feintuning entfällt der Konfidenzwert, den nur Cactus’ kostenpflichtige Plattform mittrainiert. Es ist ein Einzeltest, keine Messreihe.