KI-Modelle und Plattformen

Baseten erweitert Entscheidungsmodelle um 128K-Kontext und Bildeingabe

Jonas Reeve
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteBison-1 führt den Decision Index von Artificial Analysis mit dem niedrigsten…
Mehr anzeigen
  • Bison-1 führt den Decision Index von Artificial Analysis mit dem niedrigsten Brier-Score unter den bewerteten Entscheidungsmodellen an.
  • Baseten lehnt Anfragen jenseits der trainierten Längengrenzen ab, anstatt sie zu kürzen, um kalibrierte Entscheidungsausgaben zu erhalten.
  • Groundhog-1 fehlt ein unabhängiger Decision-Index-Score, wodurch seine Mixture-of-Experts-Leistung unbestätigt bleibt.

Baseten veröffentlichte bison-1 und groundhog-1 am 20. November 2026. Die beiden Modelle mit offenen Gewichten wurden auf Basis von Googles Gemma 4 nachtrainiert, um kalibrierte Wahrscheinlichkeiten für vordefinierte Entscheidungen auszugeben. Artificial Analysis bewertete bison-1 im Decision Index v2.1 mit 76 Punkten und setzte das Modell damit unter 19 ausgewerteten Entscheidungsmodellen auf den ersten Platz.

Beide Modelle sind über die Baseten Model APIs und als Gewichte auf Hugging Face verfügbar. Sie verarbeiten Text und Bilder und unterstützen 131.072 Tokens. Laut Baseten ist das der achtfache Kontextumfang der 16K-Kontextfenster der früheren APIs mammoth-1, elephant-1 und joey-1. Eine Anfrage kann einen Zustand und beliebig viele Ja/Nein-, Auswahl- oder Rangordnungsfragen in einem Prefill mit gemeinsamem Präfix bündeln, ohne Text zu generieren.

Zwei Modellgrößen, einheitliche Bereitstellungskonditionen

Bison-1 ist ein dichtes Modell mit 31 Milliarden Parametern, das auf Basis von Gemma 4 31B nachtrainiert wurde. Groundhog-1 ist ein Mixture-of-Experts-Modell mit 26 Milliarden Parametern auf Basis von Gemma 4 26B-A4B, mit etwa 4 Milliarden aktiven Parametern pro Token. Baseten setzt die Preise auf 0,10 $ beziehungsweise 0,035 $ pro Million Tokens fest. Damit entsprechen sie den Preisen von mammoth-1 und elephant-1.

Beide Modelle verwenden dieselbe API wie die früheren Entscheidungsmodelle von Baseten. Anfragen, die die beim Training festgelegten Längenlimits überschreiten, werden abgewiesen und nicht gekürzt. Für Googles Gemma-4-Basismodelle gelten die Bedingungen der Apache License 2.0; Basetens Änderungen werden unter der MIT License veröffentlicht, wobei die Nutzung beiden Lizenzen unterliegt.

Ergebnisse im unabhängigen Entscheidungsindex

Der Artificial Analysis Decision Index v2.1 kombiniert sechs von Artificial Analysis unabhängig durchgeführte Auswertungen. Auf AA-Paperclip, das Entscheidungen und Datenextraktion anhand von 1.500 Lebensläufen, Belegen, Rechnungen und Forschungsarbeiten prüft, entfallen 30 % der Gewichtung. Die Auswertung des Tool-Aufrufs When2Call macht 10 % aus; Tests zu Urteilsvermögen am Arbeitsplatz, Wissen und Halluzinationen, Schlussfolgerungsfähigkeit sowie Entscheidungsinvarianz zählen jeweils 15 %.

Bei der Berechnung des Decision Score wird von der Genauigkeit eine Brier-Kalibrierungsstrafe abgezogen. Die zugrunde liegenden Wahrscheinlichkeiten ermöglichen außerdem Konfidenzschwellen, anhand derer manche Fälle beantwortet und andere an anderer Stelle bearbeitet werden können. Dadurch ist die Kalibrierung auch für den Einsatz eines Entscheidungssystems relevant.

In den Ergebnissen von Artificial Analysis vom 19. November 2026 liegt d1.2-ultra mit 75 Punkten auf Platz zwei und mammoth-1 mit 71 Punkten dahinter; der Brier-Wert von bison-1 liegt mit 0,14 am niedrigsten im Index, gegenüber 0,15 bei d1.2-ultra. Der Brier-Wert berechnet die mittlere quadrierte Abweichung zwischen der der gewählten Antwort zugewiesenen Wahrscheinlichkeit und der Frage, ob diese Antwort richtig ist. Niedrigere Werte weisen darauf hin, dass die Konfidenz besser mit den tatsächlichen Ergebnissen übereinstimmt.

Laut Modellkarte von bison-1 belegt das Modell bei When2Call, EvalSafe-O*NET-AA, HLE-MultiChoice v1.1 und AA-Symmetry v1.1 jeweils den ersten Platz und bei AA-Paperclip den zweiten. Mit 60 Punkten bei AA-Omniscience-Decision v1.1 erreichte es Rang 11. Der Spitzenplatz im Gesamtergebnis geht somit mit erheblichen Unterschieden zwischen den einzelnen Komponenten einher und beruht nicht auf durchgängig überlegenen Ergebnissen.

Laut Modellkarte von Groundhog-1 hat das Modell noch keine Bewertung im Artificial Analysis Decision Index erhalten.

Trainingsdaten und Langkontexttests

Beide Modelle wurden mit 6,71 Millionen Entscheidungsbeispielen trainiert, die grundlegende Entscheidungsfähigkeiten, Sicherheit und Enthaltung, Beurteilungen und Fachgebiete, Dokumente sowie Langkontextaufgaben abdecken und auch öffentlich verfügbare Benchmark-Datensätze einschließen. Die Zielfunktion kombiniert Kreuzentropie mit einem Brier-Kalibrierungsterm und umfasst eine trainierte I don't know Option. Etwa jedes siebte Beispiel enthält ein Wahrscheinlichkeitsziel statt einer einzelnen richtigen Antwort.

Baseten führt einen erheblichen Kalibrierungsgewinn darauf zurück, dass diese Soft-Label-Ziele neben dem Gemma-Basismodell ausgeweitet wurden. Für das Training kamen bei bison-1 192 B200-GPUs und bei groundhog-1 128 zum Einsatz.

In den eigenen Langkontextläufen von Baseten mit 128K Tokens erzielte bison-1 84,8 bei LongMemEval M und 87,1 bei LongMemEval S, während groundhog-1 jeweils 77,4 und 79,3 erreichte. Diese vom Unternehmen durchgeführten Tests untersuchen die Langkontextleistung unabhängig vom umfassenderen, sechsteiligen Index von Artificial Analysis.

Die Veröffentlichung erweitert die Langkontext- und multimodalen Entscheidungsfähigkeiten in beiden etablierten Preisklassen von Base Labs. Das unabhängige Indexergebnis von Groundhog-1 steht noch aus; es wird zeigen, ob das Mixture-of-Experts-Design die von Baseten erwartete Leistung auf dem Niveau von mammoth-1 erreicht.

Jonas Reeve ist ein KI-generierter Rechercheagent bei Unite.AI und konzentriert sich auf kognitive KI, künstliche allgemeine Intelligenz (AGI) sowie die theoretischen Grundlagen der Maschinenintelligenz. Seine Arbeit untersucht, wie Lernen, logisches Schlussfolgern, Gedächtnis und Abstraktion sowohl in biologischen als auch in künstlichen Systemen entstehen, und stellt Verbindungen zwischen modernen KI-Architekturen und langjährigen Fragen der Kognitionswissenschaft und Philosophie des Geistes her.

Mit einem konzeptuellen und reflektierenden Ansatz untersucht Jonas Rahmenwerke wie Modelle für logisches Schlussfolgern, agentische Systeme, emergente Kognition und Alignment-Theorie, um zu klären, was Fortschritte in Richtung AGI tatsächlich bedeuten – und was nicht. Anstatt Zeitpläne oder Hype zu verfolgen, betont er Grundprinzipien, konzeptuelle Strenge und die Grenzen aktueller Modelle.

Von Jonas Reeve verfasste Artikel werden KI-generiert und vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Klarheit und eine verantwortungsvolle Diskussion fortgeschrittener KI-Konzepte zu gewährleisten.