亚马逊云服务（AWS）发布了一款受 TypeSafe 的 Jev 启发的开源决策模型。随着 AI 开发者越来越需要更适合计算机自动化的智能，而不是动辄调用前
亚马逊云服务（AWS）发布了一款受 TypeSafe 的 Jev 启发的开源决策模型。随着 AI 开发者越来越需要更适合计算机自动化的智能，而不是动辄调用前沿大语言模型，这类模型正受到关注。
Amazon 的 Strands Decider 2B 与 OpenAI 本周宣布的类似产品几乎同时发布。它可以高速、低成本地在预先设定的选项中进行判断，并给出选择结果及置信度。该模型现已完全开源，体积足够小，可以在本地运行。
亚马逊杰出工程师 Marc Brooker 在看到 Jev 后，尝试打造自己的同类模型，由此启动了这个项目。这个自制项目表现不错，曾短暂登上同规模模型 Jevbench 排行榜第一，随后亚马逊工程师对其进行完善，并以 Strands Labs 的名义发布。Strands Labs 专门开发部署 AI 智能体的新工具和协议。
Brooker 表示，他是在与 AWS 客户交流时意识到这类工具的需求：客户的智能体工作流并不总是需要完整大语言模型的能力和成本。
Brooker 告诉 TechCrunch，这类模型最吸引他的地方，是它很适合充当工作流中的决策器：根据当前所处阶段，判断下一步该做什么。他说，借助置信度和封闭的答案领域，工作流步骤可以更可靠地结构化，同时拥有更低延迟和潜在更低的成本。
和其他决策模型一样，Strands Decider 以大语言模型为基础，底层使用 Qwen3.5-2B，但它不生成文本，而是输出经过校准的选择。TypeSafe 以经济学家 William Stanley Jevons 的名字为模型命名，希望借此呼应一种理论：当某种东西（例如计算智能）的成本下降时，需求反而可能增加。
自 TypeSafe 首次提出这一想法后，研究人员已经做出了几十个类似模型。这说明市场兴趣很高，但也带来了一个问题：它们究竟有多大价值？Brooker 认为，挑战在于提升模型决策速度，同时不能牺牲智能水平。
他说，需要在准确性和校准能力之间找到非常谨慎的平衡：既要让模型更擅长这类任务，又不能损害它理解不同语言、掌握知识的能力，而这些能力正是通用模型有趣且实用的原因。
不过，Brooker 并不认为前沿实验室一定会主导这一领域。尤其是在较小的市场中，做出有意思的模型只需几百到几千美元。
TypeSafe 方面表示，他们目前会继续埋头改进后续模型。
TypeSafe CEO兼创始人 Diogo Almeida 告诉 TechCrunch，他理解外界把这看作一场淘金热，但人们可能低估了真正让模型变聪明的难度。他目前还没有看到真正的竞争者出现。
他说，当前这一批模型更像是机器学习从业者想实现一种酷炫架构，而不是一支真正致力于让智能变得有用的团队。
来源：TechCrunch
