← すべてのニュース

BasetenのBase Labs、2Bの意思決定モデル「joey-1」を公開——テキストではなく確率を出力、重みはMITで公開

MarkTechPostの2026年10月29日の報道によると、Baseten傘下のBase Labsは2Bの意思決定モデル「joey-1」を公開した。1回のフォワードパスで自由テキストではなく各選択肢の較正済み確率を返し、重みはMITライセンスで公開、ホスト型インターフェースは最大16,384トークン。報道ではJevの公開スプリットで63.30、P50レイテンシ20ミリ秒とされる。

公開 更新

主な変更

MarkTechPostの2026年10月29日の報道によると、Baseten傘下の研究チームBase Labsは「joey-1」を公開した。2Bパラメータの意思決定モデルで、自由テキストを生成するのではなく、テキストまたは画像の状態と型付きの質問群を受け取り、1回のフォワードパスで質問ごと・選択肢ごとの確率を返す。報道によれば重みはHugging FaceでMITライセンスとして公開され、同時にBaseten Model APIsから提供され、呼び出しパスは/v1/systemone、OpenRouterにも掲載されている。記事が示したAPI価格は入力100万トークンあたり0.01ドルで、出力とキャッシュ入力は0ドルとされている。これは報道当日の価格であり、実際の課金はベンダーの価格ページで確認すべきものだ。 joey-1は3種類の質問を扱う。choiceは与えられた選択肢から1つを選び、yes/noはAPIでのフィールド名がnoulでyesの確率を返し、scoreは順序付きの段階を最小値先行で返す。報道によればQwen3.5-2Bをフル微調整して事後学習したもので、視覚エンコーダは凍結、全注意力層にはブロック双方向マスクを使い、すべての質問が1回のプレフィックスプリフィルを共有するため、質問数を増やす限界コストは小さい。Model APIsでの最大シーケンスは16,384トークン、専用デプロイでは262kに達するとされる。セルフホストにはCUDA GPU 1枚とPyTorch 2.8 / CUDA 12.8のイメージが必要で、報道はVRAM要件も公式の量子化版も示していない。モデルカードに記載された学習の詳細は、621万件の意思決定サンプル、交差エントロピーとBrier較正項、そして「わからない」選択肢の学習である。 joey-1はこのシリーズの3番目のモデルで、Basetenは前週に27Bのmammoth-1と9Bのelephant-1を公開しており、3モデルは学習データと同一のインターフェースを共有し、切り替えは1行の変更で済むと報道されている。ベンチマークはすべてBasetenの自己申告だ。Jev Decision Index 0.4の公開スプリットでjoey-1は63.30、230モデル中37位で、Basetenは4B以下で最高得点だとしている。同門のelephant-1は72.24、CloudflareのClefは61.71、Jev 1.14は60.70。Basetenが再現したArtificial Analysis Decision Indexではjoey-1が62.9、mammoth-1が65.9だった。レイテンシについてBasetenは、平均2,000トークンのリクエストでP50エンドツーエンド20ミリ秒、elephant-1は49ミリ秒と報告し、ブログでは同種の意思決定モデルより5倍速いとも述べているが、比較対象は明示していない。

開発者への影響

この発表が変えるのは誤りの形とコスト構造であって、また1つの汎用モデルの順位ではない。これまで高頻度の分類では、汎用LLMにJSONを出力させアプリ側で解析するのが普通で、失敗の型はフォーマット誤りと幻覚ラベルだった。joey-1のようなモデルは出力空間を与えられた選択肢に限定するため、解析失敗はほぼ消え、残るリスクは確率判断そのものの不正確さと閾値の設定ミスに移る。代償も明確だ。2Bの意思決定モデルは同門のより大きなモデルより汎用知識が弱く、報道自身が「あらゆる領域でelephant-1に劣る」としている。したがって第一段のルーティングに向き、世界知識やオープンな生成が必要な工程の代替には向かない。 較正済み確率の本当の用途は階層化だ。各選択肢に確率が付き、棄権の選択肢も学習されている以上、工学的には低信頼のサンプルを9B、27B、あるいは人手へエスカレーションし、高価な呼び出しを難しいサンプルに集中できる。3モデルが同一インターフェースを共有するということは、エスカレーション経路の改修コストが主に閾値と評価に乗り、コードの書き直しには乗らないということでもある。ただしこれは、導入側が以前は不要だった2つを新たに持つ必要があることも意味する。ラベル付きのホールドアウトセットと、コストで閾値を決める方針だ。この2つがなければ、価格とレイテンシの優位を自分の意思決定品質に変換できない。 もう1つ見落とされやすい変数はコンテキストだ。ホスト型は16,384トークンで切れ、262kは専用デプロイに限られる。これは長いチケットや長いログのような入力をホスト経路に流せるかどうかを決める。セルフホストはCUDA GPU 1枚で済むとされるが、VRAMは非公開で公式の量子化版もないため、実際にどこまで長い系列を動かせるかは自分で検証する必要がある。

導入と評価の提案

以下は条件付きの分析であり、報道された事実ではない。 現行が「プロンプトによる分類+JSON解析」なら、いきなり置き換えるのではなく、まずシャドー経路を並行させるとよい。前提はラベル集合が列挙可能で、過去のラベル付けや人手レビューのデータをホールドアウトセットに使えることだ。まず量が最大で、1回の誤判定のコストが低く、ラベルが閉じている要求種別から入る。判断基準は、自前のホールドアウトセットで業務上許容できる信頼度閾値の下でのマクロ平均F1と正解率を測り、同時に解析失敗率がゼロになったか、棄権と判定された割合が人手で処理できる範囲かを確認することだ。正解率が既存のプロンプトベースラインを上回らない、あるいは棄権率が高すぎるなら、切り替えないという結論が妥当だ。 1回の誤判定のコストがエスカレーション1回の呼び出しより明らかに高いなら、確率を振り分けスイッチとして使うとよい。やり方は閾値を1つ決め、下回るサンプルをelephant-1、mammoth-1、または人手へ回し、エスカレーション量に上限を設ける。判断基準は閾値を振りながら「意思決定呼び出しのコスト+エスカレーションのコスト+残存誤りのコスト」の合計が最小になる点を求めることと、信頼性曲線を描いてモデルが0.8を出したサンプルの実際の正解率が0.8に近いかを確認することだ。報道のBrier較正項は学習分布上で調整されたもので、自分の領域に移したあとも較正されているかは自分で測るしかない。この手順は省けない。 入力長がしばしば16kを超える、あるいはデータを外部に出せない場合は、モデルの効果より先にデプロイ形態を決める。ホスト型の16,384トークン、専用デプロイの262k、セルフホストに必要な1枚のGPUと指定イメージは、それぞれ別の道だ。判断基準は目標ハードウェアでスループットとp99レイテンシを実測し、自前の経路の現行レイテンシと比べること。ベンダープラットフォーム側の20ミリ秒をそのまま引用してはいけない。あの数字は彼らのエンドツーエンド環境で測ったものだ。

制限と未確認事項

本文のベンチマークとレイテンシの数字はすべてBasetenの自己申告で、独立した再現はない。Jev Decision IndexはHugging Face上のコミュニティリーダーボードだが、各社のスコアもBasetenのモデルカードからの引用だ。20ミリ秒と49ミリ秒の比較は同一プラットフォーム内の測定基準に限られ、ブログの「5倍速い」は比較対象を明示していない。MITは重みページに記載されたライセンスであり、ベースモデルの派生に関する権利や学習データの出所を完全に説明するものではない。商用利用の前にリポジトリ内のライセンスとデータの説明を自分で確認すべきだ。joey-1は現在KimiSeekのモデルカタログには含まれていない。報道で言及されたAPIの可用性と価格はBasetenとOpenRouter側の提供状況を指す。当プラットフォームで利用可能なモデルと課金を確認するには、サイト内の価格ページを見てほしい。

3分で最初の呼び出しまで

登録後に API キーを作成してください。利用料金はアカウント残高から引き落とされます。初回チャージ30%オフ。¥500チャージ、お支払い ¥350、入金額 ¥500。¥1000チャージ、お支払い ¥850、入金額 ¥1000 最低チャージはこれまでどおり ¥10 で、試用にも使えます。

出典と編集方針

Baseten 发布 joey-1:2B 决策模型,每百万输入 token 收费 0.01 美元

引用元を基にAIが分析と翻訳を補助し、自動品質チェックを行っています。提案は実測結果ではありません。提供状況と料金は最新カタログをご確認ください。