概览
elephant-1 是 Baseten 的研究实验室 Base Labs 于 2026 年 10 月 21 日与 mammoth-1 一同开源的 9B 决策模型。它不生成回答，而是针对你给出的问题（选哪个团队、是不是钓鱼邮件、紧急程度几级）一次性返回各选项的概率，适合放在工单分流、内容审核、提示词护栏、模型路由这类高频、低延迟的判断环节，用置信度阈值决定哪些结果自动执行、哪些交给人工。它由 Qwen3.5-9B 用与 mammoth-1 相同的 621 万条决策样本全量微调而来，官方称在 Jev Decision Index 0.4 上得 62.65 分，是 15B 以下最好的决策模型，在 Artificial Analysis Decision Index 复现版上得 65.2 分、与此前最好的 d1-ultra 持平。体积只有 mammoth-1 的三分之一，适合追求速度和成本的场景。权重以 MIT 许可发布在 Hugging Face，也可在 Baseten Model APIs 调用。评测均为官方自测。来源：https://www.baseten.co/blog/the-best-decision-models-in-the-world-mammoth-1-and-elephant-1/ 、https://huggingface.co/baselabs/elephant-1 、https://www.baseten.co/library/elephant-1/ 、https://labs.baseten.co/articles/mammoth-1-and-elephant-1-frontier-decision-models （2026-10-22 核对）。 定价：开放权重（MIT），可免费下载自托管；Baseten Model APIs 免费试用至 2026-10-27 23:59（美国太平洋时间），之后的托管单价官方暂未公布。
- 模态
- 文本
- 参数量
- 9B（基于 Qwen3.5-9B 全量微调）
- 许可说明
- 开源 · MIT
能力
- 决策模型：输入一段状态和一组问题，返回每个选项的概率与置信度，不输出自由文本
- 三种题型：choice（从命名选项中选一个）、noul（是 / 否）、score（有序等级打分）；多个问题共用一次共享前缀预填充
- 可设置置信度阈值决定自动处理或转人工；训练加入「我不知道」选项与 Brier 校准项
- 架构：基于 Qwen3.5-9B 全量微调（只训练文本、冻结视觉编码器），全注意力层改用块双向注意力；最大序列长度 16,384 tokens
- 官方评测（自测）：Jev Decision Index 0.4 得分 62.65（208 个模型中并列第 8，15B 以下第 1）；Artificial Analysis Decision Index 复现版 65.2（与 d1-ultra 的 65 持平）
- 定位（官方）：只需要快速判断时选 elephant-1，需要更多通用知识时选 mammoth-1
- 调用：Baseten Model APIs（POST https://inference.baseten.co/v1/systemone，默认零数据保留）；自托管用模型仓库内 setup.sh，需 1 张 CUDA GPU
