نماذج ومنصات الذكاء الاصطناعي
توسّع Baseten نطاق نماذج اتخاذ القرار ليشمل سياقًا بطول 128K وإدخال الصور

النقاط الرئيسيةيتصدر Bison-1 مؤشر القرار لدى Artificial Analysis بأدنى درجة Brier بين نماذج القرار…
عرض المزيد
- يتصدر Bison-1 مؤشر القرار لدى Artificial Analysis بأدنى درجة Brier بين نماذج القرار التي جرى تقييمها.
- ترفض Baseten الطلبات التي تتجاوز حدود الطول المدرَّب عليها بدلًا من اقتطاعها للحفاظ على مخرجات قرار معايَرة.
- يفتقر Groundhog-1 إلى درجة مستقلة في مؤشر القرار، مما يترك أداءه في مزيج الخبراء دون تحقق.
أصدرت Baseten نموذجَي bison-1 وgroundhog-1 في 20 نوفمبر 2026، وهما نموذجان مفتوحا الأوزان خضعا لتدريب لاحق انطلاقًا من Gemma 4 من Google، لإنتاج احتمالات معايرة لقرارات محددة مسبقًا. ومنحت Artificial Analysis نموذج bison-1 درجة 76 في Decision Index v2.1، ليحتل المركز الأول بين 19 نموذجًا لاتخاذ القرار خضعت للتقييم.
يتوفر النموذجان عبر واجهات Baseten Model APIs، كما تتوفر أوزانهما على Hugging Face. ويقبلان النصوص والصور، ويدعمان 131,072 رمزًا؛ وتقول Baseten إن ذلك يعادل ثمانية أضعاف سعة السياق البالغة 16K في واجهاتها السابقة mammoth-1 وelephant-1 وjoey-1. ويمكن للطلب الواحد أن يجمع حالة واحدة وأي عدد من الأسئلة التي تتطلب إجابة بنعم أو لا، أو اختيارًا من قائمة أسماء، أو ترتيبًا حسب الدرجة، ضمن عملية تعبئة مسبقة واحدة ذات بادئة مشتركة، من دون توليد نص.
حجمان للنموذج وشروط نشر موحّدة
نموذج Bison-1 كثيف، يضم 31 مليار معلمة، وخضع لتدريب لاحق انطلاقًا من Gemma 4 31B. أما Groundhog-1 فهو نموذج مزيج خبراء يضم 26 مليار معلمة، يستند إلى Gemma 4 26B-A4B، ويبلغ عدد معلماته النشطة نحو 4 مليارات لكل رمز. وتسعّر Baseten النموذجين بمبلغ 0.10 دولار و0.035 دولار لكل مليون رمز، على التوالي، بما يطابق سعري mammoth-1 وelephant-1.
يستخدم النموذجان واجهة API نفسها التي تستخدمها نماذج Baseten السابقة لاتخاذ القرار، وتُرفض الطلبات التي تتجاوز حدود الطول المستخدَم في التدريب بدلًا من اقتطاعها. وتخضع النماذج الأساسية Gemma 4 من Google لشروط Apache License 2.0، فيما أُصدرت تعديلات Baseten بموجب MIT License، مع خضوع الاستخدام لكلا الترخيصين.
نتائج مستقلة لمؤشر اتخاذ القرار
يجمع مؤشر Artificial Analysis لاتخاذ القرار، الإصدار 2.1، ستة تقييمات أجرتها Artificial Analysis بصورة مستقلة. ويغطي AA-Paperclip اتخاذ القرارات واستخراج المعلومات من 1,500 سيرة ذاتية وإيصال وفاتورة وورقة بحثية، ويشكّل 30% من الوزن الإجمالي. ويشكّل تقييم استدعاء الأدوات When2Call نسبة 10%، فيما تمثّل اختبارات الحكم في بيئة العمل، والمعرفة والهلوسة، والاستدلال، وثبات القرار 15% لكل منها.
تُحتسب درجة اتخاذ القرار بطرح عقوبة معايرة Brier من درجة الدقة. وتتيح الاحتمالات الأساسية أيضًا تحديد عتبات للثقة، بحيث تُجاب بعض الحالات وتُحال حالات أخرى إلى جهة مختلفة، ما يجعل المعايرة عاملًا مهمًا في طريقة نشر نظام اتخاذ القرار.
تُظهر نتائج Artificial Analysis الصادرة في 19 نوفمبر 2026 حلول d1.2-ultra في المركز الثاني بدرجة 75، وmammoth-1 بدرجة 71، بينما سجّل bison-1 أدنى درجة Brier في المؤشر، وهي 0.14، مقابل 0.15 لنموذج d1.2-ultra. ويحسب مقياس Brier متوسط مربع الفارق بين الاحتمال الممنوح للإجابة المختارة وبين صحة تلك الإجابة. وتشير القيم الأقل إلى أن مستوى الثقة يتطابق بدرجة أكبر مع النتائج الفعلية.
تُظهر بطاقة نموذج bison-1 نتائجه في المركز الأول في When2Call وEvalSafe-O*NET-AA وHLE-MultiChoice v1.1 وAA-Symmetry v1.1، إلى جانب حلوله في المركز الثاني في AA-Paperclip. وقد احتل المركز الحادي عشر بدرجة 60 في AA-Omniscience-Decision v1.1، لذا فإن تصدّره الإجمالي يتضمن تفاوتًا كبيرًا بين مكونات التقييم، ولا يعكس تفوقًا شاملًا في جميعها.
تشير بطاقة نموذج Groundhog-1 إلى أنه لم يحصل بعد على درجة في مؤشر Artificial Analysis لاتخاذ القرار.
بيانات التدريب واختبارات السياق الطويل
دُرّب النموذجان على 6.71 مليون مثال لاتخاذ القرار، شملت مهارات اتخاذ القرار الأساسية، والسلامة والامتناع عن الإجابة، والتقييم والمجالات التخصصية، والمستندات والمهام ذات السياق الطويل، بما في ذلك مجموعات البيانات المعيارية المتاحة للعامة. ويجمع الهدف التدريبي بين الإنتروبيا المتقاطعة ومكوّن لمعايرة Brier، ويتضمن خيارًا I don't know مُدرَّبًا.
تعزو Baseten تحسنًا كبيرًا في المعايرة إلى توسيع نطاق أهداف التسميات اللينة هذه إلى جانب النموذج الأساسي Gemma. واستخدم التدريب 192 وحدة معالجة رسومية من طراز B200 لنموذج bison-1، و128 لنموذج groundhog-1.
في اختبارات Baseten الداخلية للسياق الطويل بطول 128K رمزًا، سجّل bison-1 درجة 84.8 في LongMemEval M و87.1 في LongMemEval S، بينما سجّل groundhog-1 درجتَي 77.4 و79.3، على التوالي. وتتناول هذه الاختبارات التي أجرتها الشركة أداء السياق الطويل بمعزل عن المؤشر الأوسع المؤلف من ستة أجزاء الذي أعدته Artificial Analysis.
يوسّع هذا الإصدار نطاق اتخاذ القرار متعدد الوسائط ذي السياق الطويل ليشمل شريحتي الأسعار المعتمدتين لدى Base Labs. ولا تزال نتيجة Groundhog-1 في المؤشر المستقل مسألة مفتوحة عند تقييم ما إذا كان تصميمه القائم على مزيج الخبراء يحقق مستوى الأداء الذي تتوقعه Baseten من mammoth-1.












