亚马逊网络服务发布开源决策模型Strands Decider 2B，灵感源于TypeSafe的Jev。随着AI开发者寻求更适合计算机自动化而非前沿大语言模型的智能，该模型应运而生。
Strands Decider 2B在OpenAI宣布类似产品当周发布，是一种高速、低成本的选项排序工具，可提供选择信心衡量。该模型完全开源且体积小巧，支持本地运行。
Amazon杰出工程师Marc Brooker受Jev启发构建了该项目原型。其自制版本曾短暂登顶同规模模型Jevbench排名榜首，随后被整理为Strands Labs产品发布。Strands Labs是专注于开发AI代理部署新工具和协议的组织。
Brooker表示，需求源于与AWS客户的沟通：许多代理工作流无需全功能大语言模型的能力或成本。
“这类模型非常适合作为工作流步骤中的决策者——‘根据当前状态，下一步该做什么？’”Brooker告诉TechCrunch。凭借置信度分数和封闭答案域，它能提供更可靠的工作流步骤，并可能降低延迟与成本。
与其他决策模型类似，Strands Decider构建于大型语言模型（LLM）“躯干”之上（本例为Qwen3.5-2B），但不生成文本，而是提供经校准的选择。TypeSafe以经济学家威廉·斯坦利·杰文斯命名Jev，寓意计算机智能成本下降将增加其需求。
自TypeSafe提出概念以来，研究人员已开发数十种类似模型，既显示广泛兴趣，也引发对其实际价值的质疑。Brooker认为，挑战在于优化快速决策能力的同时不损害智能水平。
他告诉TechCrunch：“需在提升任务准确性与校准性能的同时，保持理解不同语言及现有知识水平的能力，这是模型通用、有趣且有用的关键。”
尽管如此，他不认为前沿实验室会主导该领域。随着市场较小，开发有趣产品的成本仅需数百或数千美元。
TypeSafe高管则表示正致力于改进未来模型。CEO兼创始人Diogo Almeida告诉TechCrunch：“人们可能低估了让模型真正变聪明的难度，目前尚未看到针对我公司的真正竞争。”
“当前这批产品更像是机器学习爱好者尝试酷炫架构，而非致力于让智能真正实用的团队成果。”