随着人工智能代理的普及，业界仍在探讨是否所有任务都需依赖大型语言模型。Amazon Web Services (AWS) 近期展示了其新思路：开源决策模型 Strands Decider 2B。该模型由 TypeSafe 开发的 Jev 模型启发而来，专为 AI 代理工作流中的决策环节设计。
与生成新文本的传统大模型不同，Strands Decider 2B 从预定义选项中进行选择，并提供决策置信度评分。作为一款完全开源的小型模型，它支持在本地设备上运行。
项目背景与优化
AWS 资深工程师 Marc Brooker 以 Jev 为起点开发了该实验性模型，曾在同尺寸类别中短暂登顶 Jevbench 排行榜。此后，亚马逊工程师进一步优化该项目，并通过负责 AI 代理工具与协议开发的 Strands Labs 正式发布。
市场需求与应用场景
据亚马逊透露，在与 AWS 客户的交流中，对此类模型的需求日益凸显。在 AI 代理构建的工作流中，部分步骤无需大模型的广泛能力；若强行使用，反而会导致更高的延迟和成本。
Strands Decider 2B 专注于执行有限任务（如根据当前状态选择下一步操作）。由于选项预设且能输出置信度分数，该模型使决策步骤更具可预测性和结构化优势。
技术架构与行业趋势
Strands Decider 2B 基于 Qwen3.5-2B 构建，但并非以文本生成方式运作，而是利用基础结构在特定选项间做出校准决策。
自 TypeSafe 推出 Jev 以来，类似模型已涌现数十种。OpenAI 本周也宣布了名为 Decisions API 的解决方案。这标志着一种新架构的浮现：不再让大模型主导所有 AI 任务，而是针对不同需求采用更小、更专用的模型。
TypeSafe 首席执行官兼创始人 Diogo Almeida 表示，尽管模型众多，但目前尚未出现激烈竞争。他认为，决策模型的核心挑战不仅在于新架构的应用，更在于实现真正的实用性与智能化。
市场分化与价值展望
亚马逊推出 Strands Decider 2B，标志着 AI 代理发展下模型市场的新分化。大模型将继续服务于规划、分析及内容生成等复杂任务；而在路由、分类及动作选择等窄域任务中，小型决策模型更具优势。尤其在包含大量决策步骤的代理系统中，该方法能在成本和延迟方面带来显著提升。