Base Labs发布两款开源决策模型，mammoth-1登Jev榜首

正文

Baseten一周改造千问：27B决策模型登顶，9B超过Jev

动察 Beating AI 快讯，AI 推理基础设施公司 Baseten 旗下研究团队 Base Labs 发布两款开源决策模型 mammoth-1 和 elephant-1，参数分别为 270 亿和 90 亿。

团队仅用一周时间，基于 Qwen3.5-27B 和 Qwen3.5-9B 完成后训练，使用了 621 万条训练样本。

在 Jev Decision Index 0.4 榜单中，mammoth-1 以 71.24 分排名第一，领先另外 207 款决策模型。

elephant-1 则以 62.65 分超过 Jev 1.14 的 62.2 分，成为 150 亿参数以下得分最高的模型。

在 Artificial Analysis 的另一套评测中，elephant-1 也与 Liquid AI 的 d1-ultra 并列第一。

两款模型权重均已按 MIT 协议开放，支持自行部署。

事实要点

以下为辅助分析，与已报道事实分开展示；重要信息请进一步核实。

Base Labs对两款已有基础模型进行了后训练，得到mammoth-1和elephant-1。报道的重点是：它们参数规模不同，但都在文中提到的决策模型评测中取得了较高名次，并且模型权重可以按MIT协议获取和自行部署。

如果相关榜单结果能够被原始评测和独立复现支持，这表明较短时间的后训练也可能产出评测成绩较强、可自行部署的决策模型。

新手可把“参数”理解为模型规模指标，把“后训练”理解为在基础模型之上继续训练；榜单分数只能反映对应测试，不能单独证明所有真实场景中的能力。