AWS旗下 Strands Labs開源決策模型 Decider 2B 專攻代理封閉選項判定
發布時間:
亞馬遜雲端運算服務（AWS）旗下 Strands Labs 於 10 月 1 日開源專門處理代理（Agent）流程中封閉選項決策的輕量模型「Strands Decider 2B」。該模型不具備文字生成功能，採用 Apache 2.0 授權公開模型權重、訓練資料與腳本，程式碼已託管於 GitHub（strands-labs/strands-decider），權重則發布在 Hugging Face，開發者可直接於本機的 CPU 或 GPU 環境運行。
在技術架構上，Strands Decider 2B 參數約為 19 億（1.9B），基底取自阿里巴巴的 Qwen3.5-2B 主幹。開發團隊移除了傳統用於預測下一個字的語言頭，替換為約 100 萬參數的指標頭（pointer head），主幹並透過 rank-16 LoRA 微調；整體系統僅需透過單次前向傳播（forward pass），即可針對題目預設的選項評分，並快速輸出選擇結果與信心分數。
該模型適用於代理流程中的例行判定，如工具調用決策、路由分支選取及輸出過濾防護等，但前提是選項必須事先明確給定。在範例架構中，開發者可於本機運行 Decider 進行低延遲篩選，至於開放式問答與複雜推理邏輯，仍須交由如 Amazon Bedrock 等大型語言模型處理。傑出工程師 Marc Brooker 表示，該構想最初源自 TypeSafe 的 Jev，由他先研發並在同尺寸 JevBench 取得前段排名後，再交由 Strands Labs 整理釋出；科技媒體 TechCrunch 也指出，OpenAI 於同週發布類似模型，顯示業界對小型專用決策模型的需求正逐漸增加。
效能方面，Strands 宣稱該模型在 231 題公開自測任務中答對 167 題，答對率約 72.3%，且簡單題全對；推論延遲中位數在 NVIDIA RTX 3090 約 115 毫秒，於 Apple M3 晶片 MacBook 執行小任務則約 153 毫秒，耗時隨題目長度呈線性增長。不過在評測名次上存在標準分歧：官方公開的 2B 級別 JevBench 基準測試中，該模型在 33 款模型中名列第 3，原廠則是自行排除 3 款剛超過 2B 參數的模型後，才宣稱在 30 款中排名第 1；上述性能數據多屬原廠自測與單方宣稱，目前尚未有第三方獨立複測驗證。
Strands Agents 官方公告
https://strandsagents.com/blog/introducing-strands-decider/
GitHub
https://github.com/strands-labs/strands-decider