> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# AWS ekibinden açık karar modeli Strands Decider 2B yayımlandı
- URL: https://globalfeed.ai/aws-ekibinden-acik-karar-modeli-strands-decider-2b-yayimlandi/
- Published: 2026-10-03T20:13:51.000Z
- Updated: 2026-10-03T20:13:51.000Z
- Description: AWS'nin deneysel ajan projelerini topladığı Strands Labs, Strands Decider 2B adlı küçük bir karar modelini açık kaynak olarak yayımladı. Yaklaşık 1,9 milyar parametreli model, seçenekler arasından seçim yapıp her karara bir güven puanı veriyor; ekran kartında, Mac'lerde ve yalnızca işlemcisi olan ma
- Author: GlobalFeed Editor
- Tags: AWS, Strands Decider, karar modeli, açık model, Strands Agents, x-awscloud, dil-tr, elle

AWS'nin açık kaynak ajan geliştirme kiti Strands Agents etrafındaki deneysel projeleri topladığı GitHub kuruluşu **Strands Labs**, 1 Ekim 2026'da **Strands Decider 2B**'yi yayımladı. Proje sayfasındaki bilgilere göre bu, yeni bir karar modeli ailesinin ilk üyesi. Yaklaşık 1,9 milyar parametreli küçük bir model; kodu ve eğitilmiş model dosyaları Apache 2.0 lisansıyla herkesin indirmesine açık. Bu boyutuyla güçlü bir ekran kartı olmadan, kendi bilgisayarınızda ya da sunucunuzda yerelde çalıştırabileceğiniz bir açık model.

## Seçenekler arasında seçim yapan küçük bir model

Karar modeli, verilen bir metin için önceden belirlenmiş seçenekler arasından seçim yapan ya da bir ölçek üzerinde puan veren bir model türü. Proje sayfası bu modelleri büyük dil modelleriyle klasik sınıflandırma modellerinin arasına yerleştiriyor: bir dil modelinden hızlı yanıt veriyorlar ve klasik bir sınıflandırıcı gibi her iş için ayrıca eğitilmeleri gerekmiyor. Strands Decider üç tür soruyu yanıtlıyor: evet/hayır soruları, birkaç seçenekten birini seçme ve sıralı bir ölçek üzerinde puanlama. Örneğin "Ödemelerim üç gündür başarısız oluyor" diyen bir müşteri mesajı için hangi ekibin ilgilenmesi gerektiği, mesajın acil olup olmadığı ve yazanın ne kadar sinirli olduğu tek komutla sorulabiliyor.

Her kararın yanında bir güven puanı geliyor. Sayfadaki bilgilere göre model, daha önce görmediği kısa sınıflandırma işlerinde yüksek güvenle verdiği yanıtlarda büyük çoğunlukla isabetli; güven düşük kaldığında yanıtı doğrulamak ya da bir kişiye sormak öneriliyor. Kullanım alanı olarak ajan iş akışlarındaki rutin kararlar gösteriliyor: bir iş için uygun dil modelini seçmek, ajanın sıradaki aracını belirlemek, bir araç çağrısındaki bilgileri çalıştırmadan önce kontrol etmek, gelen talepleri doğru ekibe yönlendirmek, güvenlik ve politika denetimleri yapmak ve model çıktılarını düşük maliyetle puanlamak. Proje, zor kararları büyük dil modeline, rutin olanları karar modeline bırakan karma ajanları öneriyor.

## Qwen tabanlı, metin üretme katmanı çıkarılmış

Model, Alibaba'nın Qwen3.5-2B-Base modeli üzerine kurulu. Geliştiriciler modelin metin üreten son katmanını çıkarıp yerine yaklaşık bir milyon parametrelik küçük bir puanlama katmanı koymuş. Bu katman her seçeneği, modelin metni okuduktan sonraki iç temsiliyle karşılaştırarak puanlıyor; böylece yanıt tek geçişte, metin üretmeden çıkıyor. Seçenekler modelin içine gömülü olmadığı için her istekte yeniden tanımlanabiliyor ve sayıları sınırlanmıyor. Aynı metin hakkında birden çok soru sorulduğunda metin bir kez okunuyor, her yeni soru yalnızca kendi payını ekliyor.

Ekip, modelin doğruluğunu ve güven puanlarının ne kadar yerinde olduğunu bu tür modeller için hazırlanmış üçüncü taraf bir ölçüm seti olan JevBench üzerinde ölçüyor. Deneylerin kaydı depoda açık: her eğitim denemesinden önce beklentiler yazılıyor, sonuç denemeden sonra ekleniyor ve beklentiyi tutturamayan denemeler de kayıtta kalıyor.

## Kurulum ve donanım

Model `pip install strands-decider` komutuyla kuruluyor. Gelen komut satırı aracıyla sorular doğrudan sorulabiliyor; `strands-decider serve` komutuyla da model bir HTTP sunucusu olarak çalıştırılıp başka uygulamalardan çağrılabiliyor. Model dosyaları Hugging Face'te StrandsAgents hesabı altında yayımlandı. Sayfadaki bilgilere göre model NVIDIA ekran kartlarında, Apple Silicon işlemcili Mac'lerde ve yalnızca işlemcisi (CPU) olan makinelerde çalışıyor; Mac'ler için daha hızlı çalışan MLX desteği de ekleniyor. Modeli baştan eğitmek de mümkün: sayfaya göre eğitim tarifinin tamamı tek bir RTX 3090 ekran kartında yaklaşık 11 saatte çalışıyor. Depoda modelin Strands Agents içinde kullanıldığı bir örnek de var; örnekte ajan, hava durumu aracını çağırmadan önce iki evet/hayır kararına bakıyor ve şehir belli olmadığında tahmin yürütmeden kullanıcıya soruyor.

Karar modelleri son haftalarda ayrı bir kategori olarak öne çıkıyor. Typesafe AI'ın Jev modelinin ardından Cloudflare de aynı gün Clef adlı karar modellerini açık model olarak yayımladı. Strands Decider'ın sunucusu da Jev ve Clef ile aynı adı taşıyan `/v1/systemone` adresi üzerinden yanıt veriyor.

Paylaşılan ölçümlerin tamamı proje ekibi tarafından yapıldı ve ekip, az sayıda görevden oluşan ölçüm setinde küçük farkların yeniden eğitimler arasındaki oynamanın içinde kalabileceğini kendisi not ediyor. Sayfalarda modelin hangi dilleri desteklediği belirtilmiyor ve eğitim verisi kaynakları çoğunlukla İngilizce veri setlerinden oluşuyor; Türkçe metinlerde kullanmadan önce kendi örneklerinizle denemek iyi olur. Modelin okuyabildiği metin miktarı da birkaç bin kelime parçasıyla (token) sınırlı, daha uzun metinler kısaltılarak okunuyor. Modelin gerçek performansını görmek için bağımsız araştırmacıların değerlendirmelerini takip etmekte fayda var.

Kaynaklar: [GitHub: Strands Decider](https://github.com/strands-labs/strands-decider?ref=globalfeed.ai), [Hugging Face: Strands Decider 2B](https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19?ref=globalfeed.ai), [AWS: Strands Labs tanıtımı](https://aws.amazon.com/blogs/opensource/introducing-strands-labs-get-hands-on-today-with-state-of-the-art-experimental-approaches-to-agentic-development?ref=globalfeed.ai).