Amazon Web Services 近日发布了一款名为 Strands Decider 2B 的开源决策模型。该模型受 TypeSafe 推出的 Jev 启发，旨在为人工智能开发人员提供比前沿大语言模型（LLM）更适合计算机自动化任务的解决方案。
Strands Decider 2B 与 OpenAI 宣布类似产品的时间仅相隔一周。这是一款高速、低成本的模型，专门用于在预设选项中排序并输出置信度评分。目前该模型已完全开源，支持本地部署运行。
这一项目由 Amazon 杰出工程师马克·布鲁克 (Marc Brooker) 发起。他在研究 Jev 后尝试构建自有模型，该项目在 Jevbench 排行榜上曾短暂位列第一。随后，Amazon 工程师团队对其进行了优化，并通过致力于开发 AI 代理部署工具与协议的 Strands Labs 正式将其产品化。
布鲁克指出，这种工具的需求源于 AWS 客户的实际反馈：许多代理工作流程并不需要完整 LLM 的强大能力或高昂成本。
“最初引起我兴趣的是这些模型在工作流程步骤中做出的完美决策——基于当前位置，下一步该做什么？”布鲁克向 TechCrunch 表示。他强调，由于答案限定在封闭域内，配合信任分数，这类工具能以更可靠的结构化方式提供服务，同时具备更低的延迟和潜在的成本优势。
与其他决策模型类似，Strands Decider 基于 Qwen3.5-2B 架构构建。但与生成文本不同，它专注于提供经过校准的选择。TypeSafe 以经济学家威廉·斯坦利·杰文斯 (William Stanley Jevons) 的名字命名其原始模型。
自 TypeSafe 提出这一概念以来，研究人员已开发出数十种类似模型。布鲁克认为，当前的挑战在于如何在保持模型智能的同时，进一步优化其快速决策能力。
“要在这些任务中提高准确性和校准性，必须保持非常谨慎的平衡。”布鲁克说道。他补充道，在较小的市场中，构建此类有趣项目的成本仅需几百至几千美元。
与此同时，TypeSafe 高管表示公司正保持低调策略。
TypeSafe 首席执行官兼创始人 Diogo Almeida 告诉 TechCrunch：“我知道人们认为这是一种‘淘金热’，但他们可能低估了让模型真正变得聪明的难度。”
Almeida 进一步指出，目前的团队似乎更倾向于实施酷炫的架构，而非致力于让智能变得实用。
