Modelli e piattaforme di IA
Baseten estende i modelli decisionali al contesto da 128K e all’input di immagini

Punti chiaveBison-1 guida l'Indice Decisionale di Artificial Analysis con il punteggio di Brier più…
Vedi di più
- Bison-1 guida l'Indice Decisionale di Artificial Analysis con il punteggio di Brier più basso tra i modelli decisionali valutati.
- Baseten rifiuta le richieste oltre i limiti di lunghezza addestrati invece di troncarle per preservare output decisionali calibrati.
- Groundhog-1 è privo di un punteggio indipendente dell'Indice Decisionale, lasciando non verificata la sua prestazione mixture-of-experts.
Il 20 novembre 2026 Baseten ha rilasciato bison-1 e groundhog-1, due modelli a pesi aperti, addestrati ulteriormente a partire da Gemma 4 di Google per restituire probabilità calibrate relative a decisioni predefinite. Artificial Analysis ha assegnato a bison-1 un punteggio di 76 nel Decision Index v2.1, collocandolo al primo posto tra i 19 modelli decisionali valutati.
Entrambi sono disponibili tramite le API Model di Baseten e come pesi su Hugging Face. Accettano testo e immagini e supportano 131.072 token; secondo Baseten, si tratta di un contesto otto volte più ampio rispetto ai 16K delle precedenti API mammoth-1, elephant-1 e joey-1. Una richiesta può includere un unico stato e un numero qualsiasi di domande con risposta sì/no, scelta tra opzioni nominate o punteggio ordinato, elaborandole insieme in un prefill con prefisso condiviso, senza generare testo.
Due dimensioni dei modelli, condizioni di distribuzione condivise
Bison-1 è un modello denso con 31B di parametri, addestrato ulteriormente a partire da Gemma 4 31B. Groundhog-1 è un modello a miscela di esperti con 26B di parametri, basato su Gemma 4 26B-A4B, con circa 4B di parametri attivi per token. Baseten li offre rispettivamente a 0,10 e 0,035 dollari per milione di token, allo stesso prezzo di mammoth-1 ed elephant-1.
Entrambi utilizzano la stessa API dei precedenti modelli decisionali di Baseten e le richieste che superano i limiti di lunghezza previsti dall’addestramento vengono rifiutate, anziché troncate. I modelli di base Gemma 4 di Google sono soggetti ai termini della licenza Apache 2.0; le modifiche di Baseten sono rilasciate con licenza MIT e l’utilizzo è soggetto a entrambe le licenze.
Risultati indipendenti nel Decision Index
L’indice decisionale Artificial Analysis Decision Index v2.1 combina sei valutazioni condotte in modo indipendente da Artificial Analysis. AA-Paperclip, che valuta le decisioni e l’estrazione di informazioni da 1.500 curriculum, ricevute, fatture e articoli di ricerca, pesa per il 30%. La valutazione sull’uso di strumenti When2Call pesa per il 10%, mentre i test di giudizio sul lavoro, conoscenze e allucinazioni, ragionamento e invarianza delle decisioni pesano ciascuno per il 15%.
Il punteggio decisionale sottrae alla precisione una penalità di calibrazione Brier. Le probabilità sottostanti consentono inoltre di impostare soglie di confidenza, così da rispondere ad alcuni casi e indirizzarne altri altrove; la calibrazione è quindi rilevante per le modalità di implementazione di un sistema decisionale.
Nei risultati del 19 novembre 2026, Artificial Analysis colloca d1.2-ultra al secondo posto con 75 e mammoth-1 a 71; il punteggio Brier di bison-1, pari a 0,14, è invece il più basso dell’indice, contro 0,15 per d1.2-ultra. La misura Brier calcola lo scarto quadratico medio tra la probabilità assegnata alla risposta scelta e il fatto che quella risposta sia corretta o meno. Valori più bassi indicano una confidenza che corrisponde più fedelmente agli esiti effettivi.
La scheda del modello bison-1 riporta risultati al primo posto in When2Call, EvalSafe-O*NET-AA, HLE-MultiChoice v1.1 e AA-Symmetry v1.1, oltre al secondo posto in AA-Paperclip. Il suo punteggio di 60 in AA-Omniscience-Decision v1.1 lo colloca all’11º posto: il primato complessivo comprende quindi variazioni significative tra le diverse componenti, anziché una superiorità uniforme.
La scheda del modello Groundhog-1 dichiara che non ha ancora ricevuto un punteggio nell’Artificial Analysis Decision Index.
Dati di addestramento e test su contesti lunghi
I due modelli sono stati addestrati su 6,71 milioni di esempi decisionali, che spaziano dalle competenze decisionali fondamentali alla sicurezza e all’astensione, dal giudizio e dagli ambiti specialistici ai documenti e alle attività su contesti lunghi, includendo set di benchmark pubblici. L’obiettivo combina la perdita di entropia incrociata con un termine di calibrazione Brier e include un’opzione addestrata I don't know Circa un esempio su sette include un obiettivo probabilistico anziché una sola risposta corretta.
Baseten attribuisce un significativo miglioramento della calibrazione all’ampliamento di questi obiettivi con etichette morbide, insieme al modello Gemma di base. Per l’addestramento sono state utilizzate 192 GPU B200 per bison-1 e 128 per groundhog-1.
Nei test su contesti lunghi condotti da Baseten con 128K token, bison-1 ha ottenuto 84,8 in LongMemEval M e 87,1 in LongMemEval S, mentre groundhog-1 ha totalizzato rispettivamente 77,4 e 79,3. Questi test svolti dall’azienda valutano le prestazioni su contesti lunghi separatamente dall’indice più ampio di Artificial Analysis, articolato in sei parti.
Il rilascio estende il processo decisionale multimodale su contesti lunghi a entrambe le fasce di prezzo consolidate di Base Labs. Il risultato indipendente di Groundhog-1 nell’indice resta la questione aperta per valutare se la sua architettura a miscela di esperti offra le prestazioni di livello mammoth-1 attese da Baseten.












