فريق AWS يطلق Strands Decider 2B نموذج قرار مفتوحا يعمل على المعالج المركزي

أطلقت Strands Labs، وهي منظمة على GitHub تجمع فيها AWS المشاريع التجريبية المرتبطة بأداة تطوير الوكلاء مفتوحة المصدر Strands Agents، نموذج Strands Decider 2B في 1 أكتوبر 2026. وبحسب صفحة المشروع، فهو أول نموذج في عائلة جديدة من نماذج القرار. وهو نموذج صغير بنحو 1.9 مليار معامل، وشيفرته وملفات النموذج المدرب متاحة للتنزيل بترخيص Apache 2.0. وبهذا الحجم يمكن تشغيله محليا على حاسوبك أو خادمك دون الحاجة إلى بطاقة رسومات قوية.

نموذج صغير يختار بين الخيارات

نموذج القرار نوع من النماذج يختار لنص معين من بين خيارات محددة مسبقا أو يمنحه درجة على مقياس. وتضع صفحة المشروع هذه النماذج بين النماذج اللغوية الكبيرة ونماذج التصنيف التقليدية: فهي تستجيب أسرع من النموذج اللغوي، ولا تحتاج إلى تدريب منفصل لكل مهمة كما هو الحال مع المصنف التقليدي. ويجيب Strands Decider عن ثلاثة أنواع من الأسئلة: أسئلة نعم أو لا، واختيار خيار واحد من عدة خيارات، ومنح درجة على مقياس مرتب. فمثلا، لرسالة عميل تقول "مدفوعاتي تفشل منذ ثلاثة أيام"، يمكن بأمر واحد السؤال عن الفريق الذي يجب أن يتولاها وما إذا كانت عاجلة ومدى انزعاج كاتبها.

ويرافق كل قرار درجة ثقة. وبحسب صفحة المشروع، تكون إجابات النموذج عالية الثقة صحيحة في الغالبية العظمى من الحالات في مهام التصنيف القصيرة التي لم يرها من قبل، وعندما تنخفض الثقة يُنصح بالتحقق من الإجابة أو سؤال شخص. وتشمل الاستخدامات المقترحة القرارات الروتينية داخل سير عمل الوكلاء: اختيار النموذج اللغوي المناسب لمهمة ما، وتحديد الأداة التالية للوكيل، وفحص معطيات استدعاء أداة قبل تنفيذه، وتوجيه الطلبات الواردة إلى الفريق المناسب، وفحوص الأمان والسياسات، وتقييم مخرجات النماذج بتكلفة منخفضة. ويقترح المشروع وكلاء هجينين يتركون القرارات الصعبة للنموذج اللغوي والقرارات الروتينية لنموذج القرار.

مبني على Qwen مع إزالة طبقة توليد النص

يقوم النموذج على Qwen3.5-2B-Base من Alibaba. وأزال المطورون طبقة النمذجة اللغوية التي تولد النص، واستبدلوا بها طبقة تقييم صغيرة بنحو مليون معامل. وتقيّم هذه الطبقة كل خيار بمقارنته بالتمثيل الداخلي للنموذج بعد قراءة النص، فتخرج الإجابة في تمريرة واحدة دون توليد نص. ولأن الخيارات غير مدمجة في النموذج، يمكن تعريفها من جديد في كل طلب ولا حد لعددها. وعند طرح عدة أسئلة عن النص نفسه يُقرأ النص مرة واحدة، ويضيف كل سؤال جديد كلفته الخاصة فقط.

ويقيس الفريق دقة النموذج ومدى صدق درجات الثقة على JevBench، وهو معيار قياس من طرف ثالث مخصص لهذا النوع من النماذج. وسجل الأبحاث متاح في المستودع: تُكتب التوقعات قبل كل تجربة تدريب، وتُضاف النتيجة بعدها، وتبقى التجارب التي لم تحقق هدفها في السجل.

التثبيت والعتاد

يُثبت النموذج بالأمر pip install strands-decider. وتتيح أداة سطر الأوامر المرفقة طرح الأسئلة مباشرة، ويشغّل الأمر strands-decider serve النموذج خادم HTTP يمكن للتطبيقات الأخرى استدعاؤه. ونُشرت ملفات النموذج على Hugging Face تحت حساب StrandsAgents. وبحسب صفحة المشروع، يعمل النموذج على بطاقات NVIDIA وعلى أجهزة Mac بمعالجات Apple وعلى الأجهزة التي تملك معالجا مركزيا (CPU) فقط، كما يجري إضافة دعم MLX الأسرع لأجهزة Mac. ويمكن أيضا إعادة تدريب النموذج من البداية، إذ تستغرق وصفة التدريب كاملة نحو 11 ساعة على بطاقة RTX 3090 واحدة. ويتضمن المستودع مثالا داخل وكيل Strands، يتحقق فيه الوكيل من قرارين بنعم أو لا قبل استدعاء أداة الطقس، ويسأل المستخدم عن المدينة عندما تكون غير واضحة بدل التخمين.

وتبرز نماذج القرار في الأسابيع الأخيرة فئة قائمة بذاتها. فبعد نموذج Jev من Typesafe AI، طرحت Cloudflare في اليوم نفسه نماذج القرار Clef نماذج مفتوحة. ويستجيب خادم Strands Decider كذلك عبر العنوان /v1/systemone الذي يحمل الاسم نفسه المستخدم في Jev وClef.

أجرى فريق المشروع جميع القياسات المنشورة، ويشير هو نفسه إلى أن الفروق الصغيرة على معيار يضم عددا محدودا من المهام قد تقع ضمن التذبذب بين عمليات إعادة التدريب. ولا تذكر الصفحات اللغات التي يدعمها النموذج، ومصادر بيانات تدريبه في معظمها مجموعات بيانات إنجليزية، لذا يُستحسن اختباره على أمثلتك الخاصة قبل استخدامه مع لغات أخرى. كما أن مقدار النص الذي يقرؤه دفعة واحدة محدود ببضعة آلاف من الرموز (token)، وتُختصر النصوص الأطول. ولمعرفة الأداء الفعلي، تجدر متابعة تقييمات الباحثين المستقلين.

المصادر: GitHub: Strands Decider، وHugging Face: Strands Decider 2B، وAWS: تقديم Strands Labs.