请旋转您的设备

要继续浏览本网站,请将设备旋转至竖屏方向

AI 模型:认识 bison-1 和 groundhog-1,两款美国前沿决策模型

认识 bison-1 和 groundhog-1:基于美国基础模型(Gemma 4)打造的开放决策模型。bison-1 在 Artificial Analysis 的决策模型排行榜中位列第一。

作者chuckCharles O'NeillmaxkirkbyMax KirkbythomasThomas VilleneuveNataly DelcidNataly Delcid发布于2026年11月20日bison-1摘要

认识 bison-1 和 groundhog-1,这是我们最新推出的决策模型,基于 Google 的 Gemma 4 构建,面向希望采用美国基础模型的团队。在 Artificial Analysis 决策指数的 19 款决策模型中,bison-1 排名第一,并拥有该指数中最佳的校准表现。两款模型均提供 128k 上下文窗口(是我们上一代模型的 8 倍),并支持文本和图像输入。它们现已上线 Baseten Model APIs,开放权重可在 Hugging Face 获取。

上个月,我们发布了 mammoth-1 和 elephant-1,它们是当时世界上最优秀的决策模型。两者均基于 Qwen 基础模型构建,推进了准确率和速度的前沿,也为我们在西方基础模型上实现同等水平的性能铺平了道路。

支持美国企业和开放模型,是对我国技术实力以及相关生态系统的投资;这一生态系统能让更多美国人构建自己可以拥有并按需调整的系统。 我们很自豪能通过最新的决策模型 bison-1 和 groundhog-1 为这项事业作出贡献。

它们基于 Google 的 Gemma 4构建,质量较 mammoth-1 和 elephant-1 有所提升,速度则与之相近,同时配备 128k 上下文窗口并支持多模态输入(图像和文本)。两款模型使用与我们现有决策模型相同的 API,只需更改模型名称即可尝试。

在 Artificial Analysis(AA)的 决策指数 v2.1中,bison-1 在 19 款决策模型中以 76 分排名第一,领先于得分 75 的 d1.2-ultra 和得分 71 的 mammoth-1。我们预计 groundhog-1 在 AA 官方指数上的表现将与 mammoth-1 相当。 

At release, bison-1 is the most intelligent decision model benchmarked by Artificial Analysis.
发布之际,bison-1 是 Artificial Analysis 已评测的最智能决策模型。

随着 bison-1 的发布,并得益于模型性能团队的工作,Base Labs 决策模型家族如今在从 elephant-1 到 bison-1 的各个相应规模上,均处于准确率与耗时权衡的帕累托前沿。 

Decision Index score against time per task. bison-1, mammoth-1 and elephant-1 all sit on the Pareto line, where no other model is both faster and more accurate.
决策指数得分与每项任务耗时的对比。bison-1、mammoth-1 和 elephant-1 均位于帕累托线上,没有其他模型能同时比它们更快且更准确。

我们还投入了大量时间来确保模型得到正确校准。这一成果部分来自在 Gemma 基础模型上进行训练,但更显著的提升源于在新训练数据组合中扩大了“软标签”的使用范围。(即教导模型将答案校准为“答案 A 的概率为 83%,答案 B 的概率为 17%”,而不是严格地认为“答案 A 的概率为 100%”。)

bison-1 has the lowest Brier score on the index at 0.14, ahead of d1.2-ultra at 0.15. Lower is better: it means the model’s stated confidence is closer to how often it is right.
bison-1 在该指数中的 Brier 分数最低,为 0.14,优于 d1.2-ultra 的 0.15。该分数越低越好,因为这意味着模型给出的置信度更接近其实际答对的频率。

每项决策都应掌握全貌(好吧,至少是 128k tokens 所能容纳的全貌)

长上下文至关重要,因为能够改变决策的细节可能埋藏在距离问题很远的位置。一张发票看起来可能已经可以付款,但更早的一封电子邮件或许表明订单已被取消。缺少这段历史记录,模型就可能批准一笔本应拒绝的付款。

通过 Model APIs,bison-1 和 groundhog-1 提供的上下文容量是我们上一代模型的 8 倍,让团队有更大空间纳入完整政策或对话历史,而无须先筛选摘录或进行总结。

好的决策始于本土

我们希望团队能够凭借模型本身的实力选择美国模型,这意味着要以与其他任何模型相同的标准来要求它们。

以下是新模型在整个产品家族中的定位。groundhog-1 的定价与 elephant-1 相同,bison-1 则与 mammoth-1 相同,因此具体选择取决于当前需要处理的决策。

-bison-1groundhog-1mammoth-1elephant-1joey-1
参数量31B26B(MoE,约 4B 激活)27B9B2B
基础模型Gemma 4 31BGemma 4 26B-A4BQwenQwenQwen3.5-2B
Model APIs 上的上下文窗口128k128k16k16k16k
适用场景您需要最高准确率和长上下文您需要以较低延迟和成本获得长上下文知识密集型决策的准确率最为重要您希望在低延迟下获得更强的默认选择延迟或成本是首要考量
每 1M tokens 的价格($)$0.10$0.035$0.10$0.035$0.01

bison-1 和 groundhog-1 是我们进一步研究美国基础模型的起点。随着训练数据和方法不断改进,我们会将这些进展应用于日益壮大的模型家族,让团队有更多理由基于性能选择美国模型。

两款模型(bison-1, groundhog-1)现已上线 Baseten Model APIs,每百万 tokens 的价格分别为 $0.10 和 $0.035。两者均支持文本和图像,并使用与我们现有决策模型相同的 API。其权重也已在 Hugging Face 开放: bison-1 和 groundhog-1。敬请期待更多即将推出的模型!

The Base Labs model family
Base Labs 模型家族