AWS 開源 Strands Decider 2B：一款在 JevBench 上達 72.3% 分數且無文字輸出的 2B 智慧體模型
新聞摘要
Amazon Web Services 於美東時間 2026 年 10 月 1 日（星期四）宣布了 Strands Decider 2B，這是一款連一個字都寫不出來的開源決策模型。這款約 20 億參數的模型透過 Strands Labs 計畫發布，專為處理 AI 智慧體不斷面臨的小型日常選擇而設計，例如挑選工具、路由請求或分類政策問題，同時將較大型的語言模型保留給更困難的推理任務。其權重、訓練資料來源與腳本皆依 Apache 2.0 授權公開。
Strands Decider 2B 是什麼
Strands Decider 2B 是一款專門的「決策模型」，而非聊天機器人。它不會生成文字，而是從開發者提供的選項清單中進行挑選、指派分數，或回傳信心估計值。AWS 將其描述為一款小型、快速的模型，針對 Agentic AI 中的快速實驗與本機開發進行了最佳化。此次發布被納入 strands-labs，即 Strands Agents 生態系的實驗部門。相關報導將其形容為「系統一」元件：一種存在於智慧體控制迴圈內、快速且直覺的判斷機制。
Strands Agents SDK 本身大約在此公告前 16 個月發布，此後該專案已擴展至涵蓋智慧體所需的大部分功能，包括 2026 年 9 月發布的一個執行框架。Decider 2B 則為該技術堆疊增添了一個小型的本機組件。
運作原理
根據 Tech Times 與 The Letter Two 的報導，AWS 是以阿里巴巴的開放式 Qwen3.5-2B 基礎模型（約 19 億參數）為起點。團隊使用 LoRA 對其進行微調，這是一種輕量級技術，僅訓練一個小型附加層，而非重寫整個網路。接著，他們移除了通常讓模型能夠產生文字的語言建模頭，並以一個約 100 萬參數的「指標頭」取而代之。
指標頭會利用點積，將模型對輸入內容的內部表示與每個候選選項進行比較，然後套用遮罩 softmax 來產生機率分布。由於這樣的設計，輸出完全受限於所提供的選項。該模型支援三種問題類型：是／否、N 個候選選項中的選擇，以及在有序評分標準上的分數配置。LoRA 以秩 16 進行套用，而指標頭則以 fp32 精度執行。
基準測試與延遲
在公開的 JevBench v1 評估中，Decider 2B 正確回答了 231 項任務中的 167 項，準確率為 0.723。回報的校準數據包括 Brier 分數 0.342 與預期校準誤差 0.052。效能因難度而異：在簡單任務上近乎完美，標準任務約 87.5%，困難任務則約 50.5%。
各家媒體的排名略有不同。Tech Times 報導其在 2B 級別的 33 款模型中名列第三，若排除較大型模型，則在 30 款模型中排名第一。The Letter Two 則描述其在規模相近的公開模型中排名第二，而在公布完整訓練流程的模型中排名第一。讀者應注意，確切排名取決於排行榜的篩選方式。
在速度方面，AWS 表示決策可在數十毫秒內完成，在普遍可用的硬體上低於 100 毫秒。Tech Times 提供的獨立數據則較為保守：在 Nvidia RTX 3090 上，中位數為 115 毫秒（第 95 百分位數為 299 毫秒）；在 Apple M3 Pro 上處理少於 300 個 token 的輸入時，預熱後的中位數為 153 毫秒。針對同一輸入提出兩個問題約需耗費 230 毫秒。這些社群數據未經 AWS 驗證。
訓練與可重現性
此次發布的一大特色在於開放性。AWS 公布了訓練資料來源與授權、訓練腳本以及評估工具。Tech Times 報導指出，在單張配備 24 GB 記憶體的 RTX 3090 上，訓練約需 11 小時；若使用八張 H100 GPU，則約需 1 小時 10 分鐘。該專案還會在每次訓練執行前記錄預測結果與失敗條件，這種類似預註冊的做法在模型發布中並不常見。
可用性與應用情境
該模型可在 Hugging Face 上取得（StrandsAgents/strands-decider-2B-hobson-v19），程式碼則存放於 GitHub 的 strands-labs/strands-decider 下。安裝方式為 pip install strands-decider，並內建命令列工具與本機 HTTP 伺服器。該伺服器預設在 localhost 上監聽且不設驗證，因此團隊在對外公開前應自行加入存取控制。它可在 CPU、消費級 GPU 或 Apple Silicon 上執行，並且能在離線狀態下運作，無需依賴 API。
建議用途包括模型路由、工具選擇、記憶體與上下文管理、政策分類、防護機制、評估與輸出驗證。在混合式設計中，大型模型負責處理複雜推理，而 Decider 2B 則以低成本在本機處理大量的日常決策。
競爭態勢
此次發布正值一波小型決策模型專案浪潮。TypeSafe AI 的 Jev 模型，以及 LocalJev 與 OpenJev，皆出現在公開的 jevbench.dev 排行榜上，而 Cloudflare 也在同一週發布了其 Clef 與 Clef-flash 模型。部分評論人士認為 AWS 此舉是在削弱商業產品，但 AWS 自身則將該專案定位為一項實驗，旨在驗證專用模型是否能處理智慧體的日常工作。
對學習者的意義
對學生與開發者而言，該專案清楚示範了一項更廣泛的工程理念：AI 系統中的每個步驟並非都需要大型生成式模型。將模型的輸出限制在一組固定選項內，能使其更快、更容易測試，也更容易推論。由於程式碼、資料來源與腳本皆為開放，它也成為 LoRA 微調與校準測量的一個實用且可重現的案例研究。
注意事項
困難任務約 50% 的準確率顯示，該模型無法取代更深層的推理。延遲數據會因硬體與來源而異，且部分基準測試數字來自社群測試而非 AWS。所查閱的來源並未提供公告的確切時間戳記；上述日期皆依報導中的美東時間為準。