bison-1
介绍
bison-1 是 Baseten 于 2026 年 11 月 20 日与 groundhog-1 一同发布的决策模型,搭建在 Google Gemma 4 上,面向希望使用美国基座模型的团队。官方博客:Meet bison-1 and groundhog-1。官方账号 @baseten 同日发帖称,它们在质量上优于此前的 mammoth-1 / elephant-1,速度相近,并提供 128k 上下文和图像+文本输入。
官网写明:在 Artificial Analysis Decision Index v2.1 上,bison-1 在 19 个决策模型中排名第一,得分 76,高于 d1.2-ultra 的 75 和 mammoth-1 的 71;校准方面,它的 Brier 分数为 0.14(越低越好),优于 d1.2-ultra 的 0.15。模型已在 Baseten Model APIs 上线,并提供 Hugging Face 开源权重。定价上,官网称 bison-1 与 mammoth-1 同档。
广告
解释
要解决什么问题
Baseten 上个月用 Qwen 基座推出过 mammoth-1 和 elephant-1。这次的目标,是在 Gemma 4 这一美国基座上达到同类决策质量,并大幅加长上下文、加上多模态输入。官网举例:一张发票看起来可以付款,但更早的邮件可能已经取消订单——没有足够上下文,模型就可能批错。
官方给出的能力与训练要点
- 上下文:128k,是此前 Model APIs 上决策模型的 8 倍;
- 输入:文本和图像;
- 接口:与现有决策模型相同,换模型名即可试用;
- 校准:官网把 Brier 分数的提升部分归到 Gemma 基座,也提到在新训练数据里扩大使用“软标签”(例如“83% 选 A、17% 选 B”),而不是把答案写成 100% 确定;
- 帕累托:官网称在各自体量上,bison-1、mammoth-1、elephant-1 处于准确率与耗时的帕累托前沿。
需要注意的界限
bison-1 与 groundhog-1 是同一篇博客里一起发布的两个型号,不要把 groundhog-1 的预期成绩写成 bison-1 的成绩。决策指数和 Brier 分数都以官方在 AA Decision Index v2.1 上的报告为准。具体权重仓库名称以 Baseten / Hugging Face 当时公布的页面为准。
用法
适合谁
- 需要做审核、分类、政策或单据类决策,并希望换用 Gemma 4 基座的团队;
- 已经在用 mammoth-1 / elephant-1,想比较新一代质量和 128k 上下文的用户;
- 需要开源权重,以便在自有环境评估的人。
怎么用
- 读官方博客:https://www.baseten.co/blog/meet-bison-1-and-groundhog-1 ;
- 在 Baseten Model APIs 把模型名换成
bison-1(官网称接口与现有决策模型相同); - 需要自托管或复查权重时,按官方指引到 Hugging Face 获取开源权重;
- 引用榜单时写明:AA Decision Index v2.1,bison-1 得分 76、19 个模型中第 1,Brier 0.14。