Baseten 自训决策模型登顶
Baseten 旗下研究团队 Base Labs 10 月 21 日发布两个决策模型：mammoth-1（27B）与 elephant-1（9B），都由 Qwen3.5-27B / 9B 后训练而来，权重以 MIT 许可放在 Hugging Face，同时在 Baseten Model APIs 上免费开放一周、默认零数据留存。决策模型不生成 token，只对给定状态与一组问题做一次前向，输出每个选项的校准概率。
官方与技术报告给出的成绩：mammoth-1 在 Jev Decision Index 0.4 得 71.24，在 208 个决策模型中排第一；elephant-1 是 9B 档第一，且在 Jev 指数上超过 Jev 1.14、在 Artificial Analysis 决策指数上与上一代最好的 d1-ultra 打平。要注意 AA 那两个数（65.9 / 65.2）是报告自己复算的，不是 AA 官方榜位，对照的官方分是 d1-ultra 的 65。
报告把提升几乎全部归给数据：最终混合约 621 万条样本、审计 253 个数据源，并首次系统加入「弃答」训练——作者说早期实验里决策模型最差的地方正是不知道什么时候不该做决定；结构上还给全注意力层加了块级双向掩码。一个可核的旁证是次日 Fastino 的 GLiDE v1.2 在 Decision Index 0.4.1 上以 71.52 登顶、mammoth-1 在该版为 68.4 列第三——榜首一天内易主，这轮竞争已经落在小数点后。
原文链接：Baseten 官方博客
核验记录
定日取官方页自身字段：Baseten 博客 JSON-LD datePublished 2026-10-21T17:58:52+01:00、页内可见 Published October 21, 2026；技术报告 labs.baseten.co 的 datePublished 同日 2026-10-21（两处互证）。HF 两个仓 baselabs/mammoth-1 createdAt 2026-10-19T19:35Z、elephant-1 同日 19:35Z，属建仓早于公告，只留痕不作定日（10-16 口径）。全部数字逐字取自技术报告正文：71.24 / 208 个模型 / 65.9 / 65.2 / d1-ultra 官方 65 / 6.21M 样本 / 253 个数据源；AA 两项在报告里明写是本团队复算（replication），正文已按此措辞，未写成 AA 官方榜位。配图取官方博客 og:image，裸请求与带站内 Referer 双 200（JPEG 163,863 字节）。未直读 Baseten Model APIs 的免费一周条款原文（正文该条来自博客原句）。