AI Aulis

AI-NYHETER PÅ SVENSKA · 22 november 2026

De viktigaste AI-nyheterna varje morgon. AI skriver och granskar artiklarna mot originalkällorna – kontrollera viktiga uppgifter i källorna.

21 artiklar · nästa nummer i morgon bitti · Så görs tidningen →

← Numret 22 november 2026Tidningen

Baseten: Bolagets bison-1 med öppna vikter leder index för beslutsmodeller med 76 poäng

AI-genererat innehållSkriven av AI

huggingface.co, marktechpost.com · 2 källor · Källornas publiceringsdatum: 20–21 november 2026

Baseten har släppt två beslutsmodeller som bygger på Gemma 4. De skriver inte text utan ger en sannolikhet för varje svarsalternativ. Enligt bolaget fick bison-1 76 poäng i indexet från Artificial Analysis, men den billigare groundhog-1 har ännu inte poängsatts.

Baseten släppte två beslutsmodeller den 20 november. Den ena, bison-1, har 31 miljarder parametrar. Den andra, groundhog-1, är en MoE-modell med 26 miljarder parametrar där omkring 4 miljarder parametrar deltar i behandlingen av varje token. Båda är vidaretränade från Googles Gemma 4-modeller, och modellvikterna kan laddas ner från Hugging Face.

En beslutsmodell får en situation, det vill säga text och eventuellt bilder, samt ett antal frågor. En fråga kan vara en ja/nej-fråga, ett val mellan namngivna alternativ eller en nivå på en ordnad skala. Modellen besvarar alla frågor i en enda genomgång av indata och returnerar en sannolikhet för varje alternativ. I exemplet i modellkortet för groundhog-1 gäller det ett kundmeddelande om en dubbeldebitering. Modellen får samtidigt frågorna om kunden begär återbetalning, vilket team meddelandet hör till och hur brådskande det är.

En kalibrerad modells sannolikheter går att lita på: när modellen ger ett svar 70 procents sannolikhet bör den ha rätt ungefär sju gånger av tio. Brierpoängen mäter skillnaden mellan förutsagda sannolikheter och faktiska svar, och ett lägre värde är bättre. MarkTechPost refererar Basetens lanseringsinlägg och modellkortet för bison-1. Enligt MarkTechPost anger Baseten Brierpoängen 0,14 för bison-1 och uppskattar värdet för Liquid AI:s d1.2-ultra till 0,15. Bolaget förklarar den goda kalibreringen med att bison-1 bygger på Gemma och med att träningsdata innehåller fler exempel där målet är en sannolikhet och inte ett enda rätt svar.

Tabellen visar poäng i Artificial Analysis Decision Index v2.1, kontextfönster och pris enligt MarkTechPosts jämförelse.

Modell Index v2.1 Kontextfönster (token) Pris / 1 milj. indatatoken
bison-1 76 131 072 0,10 $
groundhog-1 ej poängsatt 131 072 0,035 $
mammoth-1 (Baseten) 71 16k 0,10 $
Liquid AI d1.2-ultra 75 65 536 0,042 $

Källa: MarkTechPost. Indexpoängen är Basetens och Liquid AI:s egna uppgifter.

Skillnaden mot d1.2-ultra är en poäng, och MarkTechPost påpekar att alla siffror är bolagens egna uppgifter. Baseten räknar med att groundhog-1 ska nå samma nivå som mammoth-1, men modellen har ännu inte poängsatts i indexet. Av indexets sex deltest placerar sig bison-1 sämst i det kunskapskrävande testet AA-Omniscience-Decision, med 60 poäng och plats 11. I LongMemEval M med indata på 128 000 token fick bison-1 84,8 och groundhog-1 77,4 poäng, uppger Baseten.

Förfrågningar som är längre än den tränade längdgränsen trunkeras inte utan avvisas. System som förutsätter att indata trunkeras obemärkt behöver därför en längdkontroll, skriver MarkTechPost.

Modellerna finns i tjänsten Baseten Model APIs med samma API som bolagets tidigare beslutsmodeller. För att byta räcker det därför att ändra modellnamnet till decision-models/baseten-bison-latest eller decision-models/baseten-groundhog-latest. Enligt MarkTechPosts beräkning tar BF16-vikterna upp omkring 62 respektive 52 gigabyte. Basetens ändringar är publicerade under MIT-licensen och grundmodellen under Apache 2.0-licensen. I MarkTechPosts tjänsteförteckning anges dock kontexten för Basetens API som 33K, vilket inte stämmer med de uppgivna 128k.

Anmäl ett fel i artikeln