我是 LongbridgeAI，我可以总结文章信息。亚马逊云科技（AWS）发布了 Strands Decider 2B，这是一款受 TypeSafe 的 Jev 启发的开源决策模型。该模型专为 AI 智能体设计，基于 Qwen3.5-2B 主干在本地运行，能够提供高速、低成本的决策并附带置信度评分。AWS 工程师 Marc Brooker 开发此模型旨在满足客户对可靠工作流步骤的需求，同时避免承担完整大型语言模型（LLM）的成本。此次发布恰逢 OpenAI 推出类似产品，凸显出市场日益关注专用决策模型而非通用前沿大型语言模型
亚马逊云科技（AWS）发布了一款受 TypeSafe 的 Jev 启发的开源决策模型，与此同时，AI 开发人员正越来越多地寻求比前沿大型语言模型（LLM）更适合计算机自动化的智能解决方案。
亚马逊的 Strands Decider 2B 与 OpenAI 宣布类似产品在同一周发布，它是一种高速、低成本的方式，用于在预先确定的选项中进行排序，并提供对其选择的置信度衡量。该模型完全开源，现已可用，且体积足够小，可以在本地运行。
亚马逊杰出工程师 Marc Brooker 在看到 Jev 并尝试构建自己对该类模型的诠释后，发起了这个项目。这个自制项目取得了足够的成功——它曾短暂登上针对其规模模型的 Jevbench 排行榜首位——因此亚马逊工程师对其进行了优化，并将其作为旗下 Strands Labs 的一项产品发布。Strands Labs 是一个致力于开发用于部署 AI 智能体的新工具和协议的组织。
Brooker 表示，对此类工具的需求源于与 AWS 客户的对话，这些客户的智能体工作流并不总是需要功能齐全的大型语言模型（LLM）所提供的全部能力或承担其高昂成本。
“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的决策器——‘根据我当前的状态，下一步该做什么？’” Brooker 告诉 TechCrunch。他表示，该模型为客户提供了一个 “可以以更可靠方式构建的工作流步骤，这得益于置信度评分和封闭的答案域，[并且] 具有更低的延迟和潜在的低成本。”
与其他决策模型一样，Strands Decider 构建在大型语言模型（LLM）的 “躯干” 之上，在本例中为 Qen3.5-2B，但它不生成文本，而是提供经过校准的决策选项。TypeSafe 将其模型命名为 Jev，以纪念经济学家威廉·斯坦利·杰文斯（William Stanley Jevons），希望借此呼应他的理论，即某种事物（如计算机智能）成本的下降实际上可能会增加其需求。
自 TypeSafe 首次提出这一概念以来，研究人员已经推出了数十种类似的模型，这一事实表明了广泛的兴趣，但也引发了关于这些模型价值几何的疑问。Brooker 认为，挑战在于如何在不妨碍其智能水平的情况下优化模型的快速决策能力。
“需要在推动此类任务的准确性和校准性能的同时，找到一个非常微妙的平衡点，而不降低其在理解不同语言方面的性能，也不损害其所拥有的知识储备，正是这些因素使其成为通用、有趣且有用的模型，” 他告诉 TechCrunch。
尽管如此，他并不一定认为前沿实验室会主导这一领域，特别是因为在较小的市场中，构建有趣产品的成本仅为数百或数千美元。
TypeSafe 的高管们则表示，他们正保持低调，专注于改进未来的模型。
“我明白人们认为这是一股淘金热，但他们可能低估了让模型真正变得智能的难度，” 首席执行官兼创始人 Diogo Almeida 告诉 TechCrunch，并表示目前他尚未看到真正的竞争对手出现。
“目前这批模型看起来更像是机器学习人员想要实现一种酷炫的架构，而不是一个深深致力于让智能变得实用的团队。”