亞馬遜雲科技
發布了一款開源決策模型，其靈感來源於TypeSafe公司的Jev模型。當前AI開發者越來越傾向於尋找更適合電腦自動化任務的智能方案，而非直接使用前沿大語言模型。
亞馬遜推出的Strands Decider 2B模型與OpenAI發布的類似產品幾乎同期亮相。該模型是一種高速、低成本的工具，能夠在預設選項中進行篩選，並給出其選擇結果的置信度評分。目前該模型已完全開源，可供下載使用，並且體積足夠小，能夠在本地環境中運行。
亞馬遜首席工程師馬克·布魯克在接觸到Jev模型後，萌生了打造自己版本的想法。這個最初的個人項目取得了不錯的效果——它曾短暫登上Jevbench同體量模型排行榜榜首，亞馬遜工程師團隊隨後對其進行了完善，並作為Strands Labs的產品正式發布。Strands Labs是亞馬遜內部專注於開發智能體部署新工具和協議的團隊。
布魯克表示，這類工具的需求源於與AWS客戶的交流。許多客戶的智能體工作流並不總是需要完整版大語言模型的全部能力和成本投入。
「最初讓我對這類模型產生興趣的原因是，它們非常適合作為工作流中的決策節點——『基於當前所處的狀態，下一步該做什麼？』」布魯克對TechCrunch表示。他說，這為客戶提供了「一種結構更可靠的工作流步驟，得益於置信度評分，得益於封閉式答案域，同時具備更低的延遲和潛在更低的成本」。
與其他決策模型類似，Strands Decider的架構基礎是一個大語言模型的「主體」部分，此次採用的是Qwen3.5-2B模型，但它並不生成文本，而是輸出經過校準的選擇結果。TypeSafe將其模型命名為Jev，以紀念經濟學家威廉·斯坦利·傑文斯，藉此呼應其理論——某種事物（例如計算智能）成本的下降實際上會刺激其需求的增長。
自TypeSafe推出這一理念以來，研究人員已經開發出數十款類似模型，這表明業界對此類技術興趣濃厚，但也引發了關於其實際價值的疑問。布魯克認為，未來的挑戰在於如何在提升模型決策速度的同時，不損害其智能水平。
「這裡需要找到一個非常微妙的平衡點，你希望提升模型在這類任務上的準確性和校準能力，但又不能因此削弱它理解不同語言的能力，削弱它所具備的知識廣度——正是這些特質讓它具備通用性，變得有趣且實用。」他告訴TechCrunch。
不過，他並不認為前沿實驗室會必然主導這一領域，尤其是考慮到這類細分市場規模較小，打造一款有價值的產品所需成本可能只在數百到數千美元之間。
對於TypeSafe公司而言，高管們表示他們正專注於埋頭改進未來的模型版本。
「我理解有人覺得這是一場淘金熱，但他們可能低估了讓模型真正變聰明的難度，」TypeSafe首席執行官兼創始人迪奧戈·阿爾梅達對TechCrunch表示，他認為目前尚未出現真正能對公司構成競爭的產品。
「目前這一批模型更像是機器學習從業者想要實現一種炫酷架構的嘗試，而不是一個真正致力於讓智能變得實用的團隊所做的事情。」
Q&A
Q1：Strands Decider 2B是什麼？
A：Strands Decider 2B是亞馬遜雲科技發布的開源決策模型，靈感來自TypeSafe公司的Jev模型，能夠在預設選項中快速篩選並給出置信度評分，適合用於智能體工作流中的決策環節。
Q2：Strands Decider 2B和普通大語言模型有什麼區別？
A：它不生成文本內容，而是輸出經過校準的選擇結果，具有高速、低成本、低延遲的特點，更適合執行結構化的決策任務，而非完整的語言生成任務。
Q3：為什麼會出現這麼多類似Jev的決策模型？
A：因為這類模型適合作為工作流中的決策節點，成本較低、速度較快，開發門檻也相對較低，吸引了眾多研究者和企業投入開發，但模型的實際智能水平仍是關鍵挑戰。
