Strands Decider 2B 优化本地实验

**时间** 2026年10月7日 **地点** 美国西雅图（AWS总部） **人物** AWS Strands Labs团队、杰出工程师Marc Brooker **事件详情** AWS旗下Strands Labs在strands-labs实验框架下推出开源决策模型Strands Decider 2B。该模型参数规模约19亿，采用阿里Qwen3.5-2B作为基座主干，移除原生语言模型头，替换为仅约100万参数的指针头（pointer head），并通过rank-16 LoRA低秩适配完成微调。模型完整权重、训练数据与脚本以Apache-2.0协议在GitHub和Hugging Face同步开放，开发者可直接在本地CPU、消费级GPU或Apple Silicon MacBook上加载运行，RTX 3090实测单次决策中位延迟约115毫秒，M3 Mac约153毫秒。模型不支持自由文本生成，专为二选一判断、分类挑选与带置信度的评分三类任务设计，每次推理还会输出经过校准的置信度，便于上层Agent把控调用风险。 **背景** 决策模型（decision model，亦称System 1 model）是2026年Q4迅速崛起的新模型形态，TypeSafe AI在10月初发布的Jev是赛道引爆点。与传统LLM自由生成文本不同，决策模型只能在开发者预设的封闭选项集合内做选择并给出置信度分数，无法凭空编造输出，特别适合模型路由、工具挑选、上下文管理、护栏校验等智能体例行判断场景。Strands Decider 2B是AWS对该赛道的第一份正式开源贡献，其构思由AWS杰出工程师Marc Brooker主导研发，先在内部2B级JevBench基准取得前段排名，再交由Strands Labs整理释出。 **影响** Strands Decider 2B在JevBench公开榜2B参数级排名第三（剔除超参模型后居首），简单任务集全部答对，整体答对率约72.3%。模型为研发者提供了完整可重现的训练配方（含全部历史迭代版本v1至v19），是决策模型赛道首个完全开源的参考实现。该模型与云端大模型互补，将催生"Decider本地+LLM云端"的混合智能体架构，让推理成本与延迟大幅下降。OpenAI同期也发布托管型Decisions API，反映业界对小型专用决策模型的需求正在加速形成共识。 **总结** Strands Decider 2B以不到20亿参数实现毫秒级决策判断，并把训练配方、模型权重、推理服务一并开源，为决策模型赛道树立了可复制的开源样板。随着Strands智能体框架的衔接部署，未来"小模型决断+大模型推理"的混合代理有望成为智能体工程的主流形态。 **参考来源** 1. Strands Labs官方博客：https://strandsagents.com/blog/introducing-strands-decider/ 2. GitHub开源仓库：https://github.com/strands-labs/strands-decider 3. Hugging Face模型权重：https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19 4. AWS开源博客：https://aws.amazon.com/blogs/opensource/introducing-strands-labs-get-hands-on-today-with-state-of-the-art-experimental-approaches-to-agentic-development/ 5. SiliconANGLE报道：https://siliconangle.com/2026/10/01/aws-debuts-strands-decider-2b-a-first-lightweight-decision-model-for-accelerate-agentic-workflows/ 6. daily.dev技术摘要：https://daily.dev/posts/aws-launches-a-local-answer-to-typesafe-s-jev-decision-model-uqpprqnhs 7. HyperAI超神经中文报道：https://beta.hyper.ai/cn/stories/d807344c9cb1da495a126cf732a88365 8. Silicon Report深度解析：https://www.siliconreport.com/amazon-releases-strands-decider-2b-for-agent-workflows