AWS Strands Decider

产品简介

Strands Decider 是 AWS Strands Labs 在 2026 年 10 月 1 日开源的「决策模型」（Decision Model / System One Model），由 AWS 首席工程师 Marc Brooker 主导，针对 AI 智能体工作流的「下一步做什么」快速决策场景。模型仅有 1.9B 参数，基于 Qwen3.5-2B-Base 把语言模型头替换为约 100 万参数的「指针头」（pointer head），去掉文本生成能力，直接对预定义选项打分并给出置信度评分。

核心功能

• 三类型问题：noul（yes/no）、choice（多选一）、score（评分），对开放封闭集合输出带概率的答案；
• Calibrated Reliability：每次决策附带置信度，0.9 以上在 JevBench 简单任务中正确率约 95%；
• 毫秒级响应：RTX 3090 上 115ms / Apple Silicon Mac 上 153ms / 任意 CPU 都能运行；
• 完全开源：Apache 2.0 协议在 GitHub + Hugging Face 公开全部权重、训练数据、训练脚本；
• Jev System One 兼容：API 与 Typesafe Jev 兼容，可无缝切换；
• CLI + HTTP 服务：pip install strands-decider 即可使用命令行或起 HTTP 服务调用；
• 多问题并行：单次请求可附带多个问题，对同一文本一次性给出多维度评分。

特色优势

• AWS 自家工程师研发的「系统一」决策模型，专为智能体基础设施场景优化；
• 在 JevBench 公开 231 个任务上准确率 72.3%（167/231），简单任务 100%；
• 简单任务 100%、标准任务 87.5%、困难任务 50.5%，梯度难度应对清晰；
• Brier score 0.342、expected calibration error 0.052，校准误差极低；
• 在 RTX 3090 上比 70B 级 LLM 节省 99% 推理资源；
• 100 万参数的指针头不对选项顺序产生偏置，永远不会学「第一个选项更可能对」；
• 完全本地可运行，无需联网，隐私安全零担忧。

应用场景

1. 智能体路由：在 Agent 工作流中判断「下一步调用哪个工具 / 哪个 API」；
2. 意图识别：客服系统中快速判断用户意图，替代 LLM 调用；
3. 客户工单分流：判定工单紧急度并分派到对应团队；
4. 内容审核：基于自定义 rubric 对内容评分；
5. Edge AI：在边缘设备或低功耗场景下做实时决策；
6. 模型选择：让智能体根据问题类型自动选择 LLM 路由。

适用人群

AI 智能体框架开发者、SRE/MLOps 团队、客服自动化工程师、需要在低延迟场景替代 LLM 的开发者、研究 LLM 之外策略的学术界。

出品方

AWS Strands Labs，由 AWS 首席工程师 Marc Brooker 主导。模型基于阿里通义千问 Qwen3.5-2B-Base，由 Strands Labs 完成 LoRA 训练与 pointer head 设计。

更新动态

2026 年 10 月 1 日 Strands Decider 2B 正式开源，参考模型 v19，v20 是最新实验但未取代 v19。同步发布 Strands Agents SDK 集成、CLI 工具、HTTP 服务端与训练脚本。GitHub 与 Hugging Face 同步开放全部权重。

官网链接

https://github.com/strands-labs/strands-decider