Baseten 决策模型在 2026 年 10 月 21 日由 Baseten 旗下 Base Labs 发布：mammoth-1（27B）与 elephant-1（9B）不生成文字，只对每个候选答案给出一个概率，所有选项的分数加起来等于 1。两款模型已经开源，放在 Hugging Face 上，Baseten 的模型 API 提供一周免费试用，默认零数据留存。
它回答的，是三种很窄的问题
决策模型能接的活只有三类：从清单里选一个，比如这张工单该归基础设施、计费、安全还是支持团队；按量表打分，比如这封邮件的紧急程度是高还是低；以及是非判断，比如这封邮件是不是钓鱼邮件。听起来简单，却是生产系统里量最大的一类请求。过去团队常用生成式大模型做这些判断，模型要逐字写出回答，算力花得多，速度慢，而且一段文字里看不出它到底有多确定。
置信度，才是它真正的卖点
mammoth-1 在 Jev Decision Index 0.4 上以 71.24 分排在 208 个决策模型的第一位，elephant-1 是 9B 规模里的第一名。两款模型都以 Qwen3.5 为底座，用 621 万条决策样本做后训练，覆盖知识推理、语言、工具与自动化、检索分类和审美判断五个领域，训练数据里还专门包含教模型说“我不知道”的样本。Baseten 给出的说法是，相比推理模型，决策模型在这类任务上最高能快 10 倍。
谁该认真看一眼
真正的用法不是替代聊天模型，而是站在它前面分流：置信度够高就自动处理，比如 90% 把握时直接派单；不够就转给人或更强的模型。工单分诊、垃圾与钓鱼检测、提示词护栏和越狱检测、大小模型之间的请求路由，都是现成场景。代价也要算清：它只会判断，不会解释理由，审计要求高的流程还得另留记录；榜单成绩来自厂商自报的评测体系，接入前应该拿自己的难例集测准确率和置信度校准，再定阈值。
