AWS开源“决策小模型”Strands Decider 2B，AI代理迎来低成本“大脑”

【科技24时区】当开发者们还在为前沿大语言模型（LLM）的高昂成本和不可控的“幻觉”头疼时，亚马逊云科技（AWS）悄然抛出了一枚轻量级炸弹。本周，AWS正式开源了名为Strands Decider 2B的决策模型。这款模型并非为了生成华丽的文本，而是专为计算机自动化流程中的“选择题”而生——在预设选项中快速做出判断，并给出置信度评分。值得注意的是，就在同一周，OpenAI也发布了类似功能的竞品，这似乎暗示着AI行业的风向正在发生微妙转变：从盲目追求参数规模的“大力出奇迹”，转向更务实、更适合机器自动化的专用智能。

这一项目的诞生颇具极客色彩。AWS杰出工程师Marc Brooker在看到TypeSafe公司发布的Jev模型后，萌生了打造自家版本的想法。这个原本属于个人兴趣的“家庭作坊”式项目，意外地在Jevbench同类规模模型排行榜上短暂登顶。鉴于其表现优异，AWS工程团队对其进行了代码清洗和优化，最终通过致力于开发AI代理部署新工具与协议的Strands Labs将其推向公众。Brooker坦言，这一需求的源头来自与AWS客户的深入交流。在许多代理工作流中，并非每一步都需要动用全功能LLM的强大能力或承担其高昂成本。“最初引起我关注的是，这类模型能成为工作流步骤的完美‘决策者’——基于当前状态，告诉我下一步该做什么。”他在接受TechCrunch采访时解释道。

Strands Decider的核心逻辑在于“克制”。它建立在Qwen3.5-2B这一小型LLM的“躯干”之上，但摒弃了通用的文本生成能力，转而输出经过校准的选择结果。这种设计带来了显著优势：由于答案域是封闭的，且附带置信度分数，整个工作流变得更加可靠；同时，低延迟和潜在的低成本使其成为高频自动化场景的理想选择。这与TypeSafe以经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）命名的Jev模型理念不谋而合——杰文斯悖论认为，某种资源（如计算智能）成本的下降反而可能刺激需求的增长。如今，数十种类似模型的涌现印证了这一理论的市场热度，但也引发了关于其实际价值的深层思考。

然而，要在速度与智慧之间找到平衡点并非易事。Brooker指出，挑战在于如何在提升此类任务准确性和校准性能的同时，不损害模型对多语言的理解能力及通用知识储备——正是这些特质让基础模型具备广泛用途。“这是一个非常微妙的平衡。”他说道。尽管如此，Brooker并不认为前沿实验室能轻易垄断这一细分领域。毕竟，构建有趣的小型模型成本仅需数百至数千美元，门槛相对较低。

面对外界的喧嚣，TypeSafe方面显得颇为冷静。该公司CEO兼创始人Diogo Almeida对TechCrunch表示，虽然外界视此为“淘金热”，但人们可能低估了让模型真正变得“聪明”的难度。“目前的这批追随者，更像是机器学习从业者想要实现一种酷炫架构，而非一支致力于让智能真正落地的团队。”在他看来，真正的竞争尚未到来，TypeSafe正埋头打磨下一代模型。这场关于“小而美”决策模型的竞赛，或许才刚刚拉开序幕。