亚马逊云科技（AWS）旗下 Strands Labs 团队正式开源 Strands Decider 2B，一款专为快速决策设计的轻量级人工智能模型。该模型通过剔除文本生成环节，显著降低 Token 消耗与响应延迟，旨在加速智能体 AI（Agentic AI）的开发进程。
重构“系统1”：从生成到选择
与大语言模型（LLM）生成文本、代码或多媒体内容不同，Strands Decider 2B 属于“决策模型”（亦称“系统 1 模型”）。面对多个预定义选项时，它直接输出选择结果及置信度评分，而不产生额外文本。这种机制虽牺牲了可解释性，却换来了极致的速度与低延迟表现。
此前，初创公司 TypeSafe AI 发布的 Jev 模型曾引发业界对决策模型的关注，但 AWS 团队指出其在处理复杂推理任务时存在并行输出结构的性能瓶颈。为此，Strands Labs 对架构进行了实质性改进。
技术架构：Qwen3.5-2B 的深度微调
Strands Decider 2B 基于 Qwen3.5-2B 构建，核心创新在于用仅含约 100 万参数的微型定制“指针头”替换了传统 LLM 头部，并采用 Rank-16 LoRA 适配器进行微调，直接将隐藏状态与答案位置匹配评分。
AWS 经过多次迭代推出 v.20 版本，特意选定 20 亿参数规模以平衡性能与效率。基准测试显示，该模型在 JevBench 上的准确性与校准度均优于其他同类开源 2B 模型。其优化设计支持在个人笔记本电脑或公共云环境中本地部署，运行延迟低于 150 毫秒。
赋能混合智能体生态
目前，Strands Decider 2B 的代码库、训练脚本及示例已在 GitHub 上线，模型权重可通过 Hugging Face 下载。AWS 期望开发者利用该引擎处理模型路由、工具选择、上下文管理及策略分类等重复性任务，从而构建“混合智能体”架构：由决策模型处理简单选择，LLM 专注复杂推理，共同提升智能体系统的整体效能。