Amazon 开源 2B 决策模型 Strands Decider：把 agent 里「选哪一个」独立成一步小模型

AWS 的 Strands Labs 发布了一个开源决策模型 Strands Decider 2B，思路来自 TypeSafe 的 Jev：不生成文本，而是在预先定好的选项里做选择，同时给出一个标定过的置信度。它的定位很清楚——agent 工作流里的每一步并不都需要完整大模型的能力和价钱，而「接下来该做哪个动作」这类判断恰恰只要求快、稳、便宜。这个项目由 Amazon 杰出工程师 Marc Brooker 发起：他先是看到 Jev，自己动手做了一个同类版本，效果好到一度在同等尺寸的 Jevbench 榜上排到第一，于是 AWS 把它整理后由 Strands Labs 正式发布（这个团队负责 agent 部署所需的工具与协议）。Brooker 说需求来自与客户的对话：很多 agentic 工作流并不需要一直调用满配的大模型。他的判断是，这类模型很适合当一个工作流步骤里的「决策者」——根据当前状态决定下一步做什么；由于有置信度分数、答案域是封闭的，这一步可以做得更可靠，延迟更低，成本也可能更低。技术上，Strands Decider 与其他决策模型一样站在大模型的「躯干」上，这里用的是 Qwen3.5-2B，但输出的是标定过的选择而不是文本。TypeSafe 把自家模型命名为 Jev，取自经济学家 Jevons——寄望「成本下降反而推高需求」那条理论。自 TypeSafe 提出这条路以来，研究者已经做出数十个同类模型，这既说明关注度，也让人追问它们到底有多大价值。Brooker 认为真正的难点在于平衡：在保住多语言理解和通用知识的前提下，把准确性、标定度和速度同时往上推。他并不认为前沿实验室会主导这个方向，理由是市场小——做出一个有意思的版本，成本只要几百到几千美元。TypeSafe 方面则判断外界低估了「让模型真的聪明」的难度，目前还没看到真正的竞争。