亚马逊发布开源决策模型Strands Decider 2B，与OpenAI新品同周亮相
AWS旗下Strands Labs推出 2B参数决策模型，基于Qwen3.5-2B微调，不做文本生成而是输出校准后的选择与置信度，可本地运行，灵感来自TypeSafe的Jev。
AI解读：亚马逊云服务（AWS）发布了开源决策模型Strands Decider 2B，同周OpenAI也宣布推出类似产品。这类模型不生成文本，而是从预先确定的选项里挑出答案，并给出一个表示自己有多确信的分数。
它解决的是AI代理工作流里的一个具体问题：不是每一步都需要最强、最贵的大模型。面对“下一步该做什么”这类封闭选项，决策模型更快、更便宜，还能靠置信度分数让流程更可靠。
模型完全开源，体积小到可以本地运行，基于Qwen3.5-2B的“躯干”构建。AWS工程师Marc Brooker在看到TypeSafe的Jev后自己动手做了一个，短暂登上同尺寸Jevbench榜首，随后被清理并作为Strands Labs的产品发布。
TypeSafe创始人Diogo Almeida认为，外界可能低估了把这类模型做聪明的难度，目前他还没看到真正的竞争。Brooker则说难点在于平衡：既要提升准确率和校准，又不能损害多语言理解和通用知识，这也是这种模型还有价值的原因。
亚马逊云服务（AWS）旗下的Strands Labs发布开源决策模型Strands Decider 2B，发布当周OpenAI也宣布了类似产品。据TechCrunch报道，该模型完全开源、现已可用，且体积小到可以本地运行。
与生成文本的大语言模型不同，Strands Decider 2B负责在预先确定的选项中做选择，并给出对所选结果的置信度。报道称它是一种高速、低成本的方式，用来在多个既定选项之间排序。
该模型基于Qwen3.5-2B的“躯干”构建，输出的是经过校准的选择而非文本。AWS杰出工程师Marc Brooker在看到TypeSafe的Jev后，动手做了自己的版本。这个业余项目在同等规模模型的Jevbench排名中曾短暂登顶，之后亚马逊工程师将其整理，作为Strands Labs的产品发布。Strands Labs是开发AI代理部署工具和协议的组织。
Brooker对TechCrunch表示，这类工具的需求来自与AWS客户的交流：他们的代理工作流并不总是需要完整大模型的能力或成本。他说，最初吸引他的是这类模型“非常适合做工作流中的一个决策步骤——‘基于我当前的位置，下一步该做什么？’”
他称这给客户提供了“一个工作流步骤，由于置信度分数和封闭的答案域，它可以被组织得更可靠，延迟更低，可能成本也更低”。
TypeSafe将其模型命名为Jev，取自经济学家威廉·斯坦利·杰文斯，希望借用他的理论：某种东西（比如计算机智能）成本下降，反而可能增加对其的需求。自TypeSafe提出这一思路以来，研究者已产出数十个类似模型，这显示出广泛兴趣，也引发它们究竟有多大价值的疑问。
Brooker：难点是速度、准确率与通用能力之间的平衡
Brooker向TechCrunch表示，挑战在于优化模型快速决策的能力，同时不损害其智能。
他说：“需要找到一种非常小心的平衡：既要提升它在这类任务上的准确率和校准表现，又不能降低它在理解不同语言、拥有现有知识方面的能力，正是这些让它具备通用性、有趣且有用。”
报道称，他并不一定认为前沿实验室会主导这个领域，尤其因为市场规模较小，做出有意思的东西的成本在数百到数千美元之间。
TypeSafe CEO：可能低估了把模型做聪明的难度
TypeSafe高管表示他们正埋头改进未来的模型。
TypeSafe首席执行官兼创始人Diogo Almeida对TechCrunch说：“我理解人们认为这是一场淘金热，但他们可能低估了让模型真正变聪明有多难。”
他说，目前他还没有看到公司面临真正的竞争，“当前这批模型看起来更像是机器学习从业者想实现一个很酷的架构，而不是一支深度致力于让智能变得有用的团队。”