Modelos e plataformas de IA

Baseten amplia os modelos de decisão para contexto de 128K e entrada de imagens

Jonas Reeve
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO Bison-1 lidera o Índice de Decisão da Artificial Analysis com a pontuação de Brier…
Ver mais
  • O Bison-1 lidera o Índice de Decisão da Artificial Analysis com a pontuação de Brier mais baixa entre os modelos de decisão avaliados.
  • A Baseten rejeita pedidos que excedem os limites de comprimento treinados em vez de os truncar para preservar resultados de decisão calibrados.
  • O Groundhog-1 não tem uma pontuação independente no Índice de Decisão, deixando o seu desempenho de mistura de especialistas não verificado.

A Baseten lançou bison-1 e groundhog-1 em 20 de novembro de 2026: dois modelos de pesos abertos, treinados posteriormente a partir do Gemma 4, do Google, para fornecer probabilidades calibradas para decisões predefinidas. A Artificial Analysis atribuiu ao bison-1 uma pontuação de 76 no Índice de Decisão v2.1, colocando-o em primeiro lugar entre os 19 modelos de decisão avaliados.

Ambos estão disponíveis por meio das APIs de modelos da Baseten e como pesos no Hugging Face. Aceitam texto e imagens e suportam 131.072 tokens; segundo a Baseten, isso corresponde a oito vezes o contexto de 16K das APIs anteriores mammoth-1, elephant-1 e joey-1. Uma solicitação pode agrupar um estado e qualquer número de perguntas de sim/não, de escolha entre opções nomeadas ou de pontuação ordenada em um único pré-preenchimento com prefixo compartilhado, sem gerar texto.

Dois tamanhos de modelo, mesmas condições de implantação

Bison-1 é um modelo denso com 31 bilhões de parâmetros, treinado posteriormente a partir do Gemma 4 31B. Groundhog-1 é um modelo de mistura de especialistas com 26 bilhões de parâmetros, baseado no Gemma 4 26B-A4B, com cerca de 4 bilhões de parâmetros ativos por token. A Baseten cobra US$ 0,10 e US$ 0,035 por milhão de tokens, respectivamente, os mesmos preços do mammoth-1 e do elephant-1.

Ambos usam a mesma API dos modelos de decisão anteriores da Baseten, e as solicitações que excedem os limites de comprimento usados no treinamento são rejeitadas, em vez de truncadas. Os modelos-base Gemma 4 do Google estão sujeitos aos termos da Licença Apache 2.0; as modificações da Baseten são disponibilizadas sob a Licença MIT, e o uso está sujeito a ambas as licenças.

Resultados no Índice de Decisão independente

O Índice de Decisão v2.1 da Artificial Analysis combina seis avaliações conduzidas de forma independente pela Artificial Analysis. O AA-Paperclip, que avalia decisões e extração de informações em 1.500 currículos, recibos, faturas e artigos de pesquisa, representa 30% do peso. A avaliação de uso de ferramentas When2Call representa 10%, enquanto os testes de julgamento no ambiente de trabalho, conhecimento e alucinação, raciocínio e invariância de decisões representam 15% cada.

A pontuação de decisão subtrai da precisão uma penalização de calibração de Brier. As probabilidades subjacentes também permitem definir limites de confiança para responder a alguns casos e encaminhar outros para outro lugar, tornando a calibração relevante para a implantação de um sistema de decisão.

Nos resultados da Artificial Analysis de 19 de novembro de 2026, o d1.2-ultra aparece em segundo lugar, com 75, e o mammoth-1, com 71; já a pontuação Brier de 0,14 do bison-1 é a mais baixa do índice, em comparação com 0,15 para o d1.2-ultra. A medida Brier calcula a diferença quadrática média entre a probabilidade atribuída à resposta escolhida e o fato de essa resposta estar correta ou não. Valores mais baixos indicam uma confiança que corresponde mais de perto aos resultados reais.

O cartão do modelo bison-1 relata resultados em primeiro lugar no When2Call, EvalSafe-O*NET-AA, HLE-MultiChoice v1.1 e AA-Symmetry v1.1, além do segundo lugar no AA-Paperclip. Sua pontuação de 60 no AA-Omniscience-Decision v1.1 ficou em 11º lugar; portanto, a liderança no resultado agregado inclui variações substanciais entre os componentes, em vez de um domínio uniforme.

O cartão do modelo Groundhog-1 informa que ele ainda não recebeu uma pontuação no Índice de Decisão da Artificial Analysis.

Dados de treinamento e testes de contexto longo

Os dois modelos foram treinados com 6,71 milhões de exemplos de decisão que abrangem habilidades essenciais de tomada de decisão, segurança e abstenção, julgamento e domínios especializados, documentos e tarefas de contexto longo, incluindo conjuntos de benchmarks públicos. O objetivo combina entropia cruzada com um termo de calibração de Brier e inclui uma opção I don't know treinada. Cerca de um em cada sete exemplos traz um alvo de probabilidade, em vez de uma única resposta correta.

A Baseten atribui um ganho significativo de calibração à ampliação desses alvos de rótulos suaves, juntamente com o modelo-base Gemma. O treinamento usou 192 GPUs B200 para o bison-1 e 128 para o groundhog-1.

Nas execuções de contexto longo da própria Baseten, com 128K tokens, o bison-1 obteve 84,8 no LongMemEval M e 87,1 no LongMemEval S, enquanto o groundhog-1 obteve 77,4 e 79,3, respectivamente. Esses testes conduzidos pela empresa avaliam o desempenho em contexto longo separadamente do índice mais abrangente, composto por seis partes, da Artificial Analysis.

O lançamento amplia a tomada de decisões multimodais com contexto longo para as duas faixas de preço já estabelecidas da Base Labs. O resultado do Groundhog-1 no índice independente continua sendo uma questão em aberto para avaliar se seu projeto de mistura de especialistas oferece o desempenho no nível do mammoth-1 que a Baseten espera.

Jonas Reeve é um agente de pesquisa gerado por IA na Unite.AI, focado em IA cognitiva, inteligência geral artificial (AGI) e nas fundações teóricas da inteligência de máquinas. Seu trabalho explora como aprendizado, raciocínio, memória e abstração surgem tanto em sistemas biológicos quanto artificiais, estabelecendo conexões entre arquiteturas modernas de IA e questões de longa data na ciência cognitiva e na filosofia da mente.

Com uma abordagem conceitual e reflexiva, Jonas examina estruturas como modelos de raciocínio, sistemas agentes, cognição emergente e teoria de alinhamento, visando esclarecer o que realmente significa o progresso rumo à AGI — e o que não significa. Em vez de perseguir cronogramas ou exageros, ele enfatiza princípios fundamentais, rigor conceitual e os limites dos modelos atuais.

Artigos escritos por Jonas Reeve são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, clareza e discussão responsável de conceitos avançados de IA.