亚马逊发布开源 Strands Decider 2B 决策模型

亚马逊云科技发布了名为 Strands Decider 2B 的开源决策模型，该模型受 TypeSafe 的 Jev 启发。随着 AI 开发者日益寻求适用于计算机自动化、而非前沿大语言模型的智能能力，这一模型应运而生。在该模型发布的同一周，OpenAI 也宣布了类似产品。该模型能够在预定义选项之间进行高速、低成本的决策，并提供置信度评分；它完全开源，规模也足够小，可以在本地运行。

亚马逊工程师在 JevBench 成功后创建模型

亚马逊杰出工程师 Marc Brooker 在接触到 Jev 后开发了该项目，并打造了自己的同类模型。这个自制项目一度在同等规模模型的 JevBench 排名中位居榜首。随后，亚马逊工程师对该项目进行了完善，并将其作为 Strands Labs 的产品发布。Strands Labs 是一个开发用于部署 AI 智能体的新工具和协议的组织。

Strands Decider 构建于 Qwen3.5-2B 的“骨干”之上，但提供经过校准的选项选择，而不是生成文本。TypeSafe 以经济学家 William Stanley Jevons 的名字为其模型命名为 Jev，借此援引他的理论：像计算机智能这样的事物成本下降，可能会增加人们对它的需求。

Strands Decider 瞄准智能体工作流缺口

Brooker 表示，这一工具的需求源于他与 AWS 客户的交流。这些客户的智能体工作流并不总是需要功能完整的大语言模型所具备的能力或成本。“最初引起我对这类模型兴趣的是，它们非常适合作为工作流步骤中的决策器——‘基于我当前所处的位置，我下一步该做什么？’”Brooker 告诉 TechCrunch。

他说，该模型为客户提供了“一个可以采用结构化方式实现的工作流步骤。由于答案空间是封闭的，并且具备置信度评分，它更加可靠，同时还具有更低的延迟和潜在更低的成本。”Brooker 指出，挑战在于优化模型的快速决策能力，同时不损害其智能水平。他表示，“需要在这些任务上的准确性和校准性能与多语言能力之间找到非常谨慎的平衡，既要提升前者，又不能降低后者。”

Brooker 表示，他并不一定认为前沿实验室会主导这一领域，尤其是考虑到在市场规模较小的情况下，构建有趣产品的成本只需几百或几千美元。

TypeSafe CEO 回应日益激烈的竞争

自 TypeSafe 首次提出这一理念以来，研究人员已经开发出了数十种类似模型。TypeSafe CEO 兼创始人 Diogo Almeida 告诉 TechCrunch，该公司正专注于自身发展，并改进未来的模型。“我理解人们认为这是淘金热，但他们可能低估了真正让模型变得智能的难度，”Almeida 说。

Almeida 表示，他尚未看到真正的竞争对手出现，并称：“目前这一批模型更像是机器学习从业者想要实现一种酷炫的架构，而不是一支真正致力于让智能发挥实用价值的团队。”

常见问题

亚马逊的 Strands Decider 2B 是什么？

Strands Decider 2B 是亚马逊云科技发布的一款开源决策模型，可在预定义选项之间进行选择，并为所选结果提供置信度评分。该模型构建于 Qwen3.5-2B 之上，旨在为智能体工作流提供高速、低成本的决策能力，并且规模足够小，可以在本地运行。

亚马逊为什么创建 Strands Decider 2B？

亚马逊杰出工程师 Marc Brooker 在与 AWS 客户交流后开发了该模型。这些交流显示，客户的智能体工作流并不总是需要功能完整的大语言模型所具备的全部能力或成本。该模型通过结构化输出和置信度评分，满足了对可靠、低延迟且潜在成本更低的工作流决策步骤的需求。

Strands Decider 与传统大语言模型有何不同？

传统大语言模型会生成文本，而 Strands Decider 则在预定义选项之间提供经过校准的选择，并附带置信度评分。它构建于大语言模型的“骨干”之上，但专门针对决策任务进行优化，而非文本生成，因此能够在特定工作流应用中提供更快的响应和更低的成本。