JOURNAL / 2026.10.26

Mammoth-1 y Elephant-1 ofrecen decisiones con probabilidades y pesos abiertos

Baseten publica dos modelos especializados en elegir, clasificar y puntuar. Su utilidad depende de algo más que acertar: saber qué decisiones automatizar y cuáles enviar a revisión.

Un mensaje dice: «Me habéis cobrado dos veces y necesito recuperar el dinero». Un sistema de soporte podría necesitar tres respuestas: a qué equipo enviarlo, si pide un reembolso y qué urgencia tiene. Redactar una explicación completa para extraer después esas respuestas añade trabajo que la aplicación quizá no necesita.

Baseten ha presentado Mammoth-1 y Elephant-1, modelos de 27.000 y 9.000 millones de parámetros especializados en decisiones. Devuelven probabilidades sobre opciones, respuestas de sí o no y puntuaciones. No inventan la clasificación automática: ofrecen otra forma de resolver tareas variadas mediante instrucciones, sin generar una respuesta de texto que luego haya que interpretar.

La disponibilidad es concreta. Vercel los incorporó a AI Gateway el 21 de octubre, con acceso gratuito temporal hasta el 27. Lo relevante a más largo plazo es que existen pesos descargables: la tarjeta de Mammoth-1 declara licencia MIT y describe ejecución propia con una GPU CUDA y un entorno específico. Publicar pesos permite conservar y adaptar el modelo; no equivale a ejecutarlo en cualquier ordenador. Su ventana documentada es de 16.384 tokens.

El informe técnico de Base Labs explica por qué hay más que un formato JSON. Parten de Qwen3.5 y modifican la atención completa para que cada bloque pueda leerse en ambas direcciones. El documento se procesa una vez; cada pregunta reutiliza esa información y añade el cálculo de sus opciones. La respuesta sale de las puntuaciones internas para esas opciones, sin desarrollar una secuencia de texto. Esto puede resultar especialmente útil cuando un documento requiere muchas clasificaciones.

La especialización también limita el encargo adecuado. Elegir entre equipos conocidos encaja con esta interfaz. Investigar por qué se duplicó un cobro, consultar movimientos y negociar una solución requiere un flujo más amplio. Mi interés está en insertar una decisión acotada donde hoy usamos una conversación entera, siempre que la evaluación demuestre que esa sustitución compensa.

Hay señales de capacidad, aunque conviene leer su procedencia. La tarjeta comunica que Mammoth-1 supera a Perplexity Decider v1.2 en Jev Decision Index 0.4. El informe describe pruebas privadas de habilidades conocidas y dominios nuevos. Para Artificial Analysis, distingue una evaluación de Elephant-1 realizada con ese evaluador de las réplicas propias del índice. Es evidencia para considerar los modelos, no para convertir posiciones de tablas distintas en una garantía sobre atención al cliente. Tampoco hemos medido su latencia ni su coste por decisión.

La cuestión más delicada aparece al automatizar. Una distribución que suma uno puede estar equivocada con mucha seguridad. El informe distingue la probabilidad de una opción del campo de confianza, que reescala la concentración de esa distribución; no son valores intercambiables. Entrenar contra el exceso de confianza ayuda, pero no establece la calibración en otro idioma o con una clase de incidencias diferente.

Yo probaría con mensajes históricos revisados y reservados para evaluación. Entre las decisiones que reciben probabilidades altas, comprobaría cuántas son correctas y qué errores quedan. Separaría idiomas y clases poco frecuentes. Después elegiría el umbral según el daño de equivocarse: enviar un caso a otra bandeja y autorizar un reembolso exigen criterios distintos. Es una propuesta de evaluación, no un resultado observado en estos modelos.

La documentación de decisiones de Vercel ya permite configurar una segunda consulta cuando la primera devuelve incertidumbre. Esa opción es voluntaria y tiene facturación en dos etapas. Resuelve el mecanismo para escalar; corresponde al equipo comprobar si la segunda respuesta mejora el resultado y cuánto cuesta.

Me parece una vía útil para construir automatizaciones más pequeñas y examinables. El beneficio no vendrá de llamar «decisión» a una predicción, sino de definir las opciones, medir los errores aceptables y conservar una salida para los casos dudosos. Los pesos abiertos hacen posible revisar esa elección con más independencia del proveedor.

Fuentes primarias consultadas el 26 de octubre de 2026. Hemos revisado anuncios, documentación y artefactos publicados; no hemos ejecutado los modelos ni reproducido sus evaluaciones. El mensaje inicial es un ejemplo conceptual.

← Volver al diario