AWS团队发布可在CPU上运行的开放决策模型Strands Decider 2B

AWS 用来汇集其开源智能体开发工具包 Strands Agents 相关实验项目的 GitHub 组织 Strands Labs，于 2026 年 10 月 1 日发布了 Strands Decider 2B。据项目页面介绍，这是一个新的决策模型（decision model）系列的首款模型。它是一个约 19 亿参数的小模型，代码和模型文件均以 Apache 2.0 许可证开放下载。以这样的规模，无需高性能显卡也能在自己的电脑或服务器上本地运行。

在多个选项之间作出选择的小模型

决策模型是一类针对给定文本，从预设选项中作出选择或在某个量表上打分的模型。项目页面把这类模型定位在大语言模型与传统分类模型之间：它们的响应速度快于大语言模型，也不像传统分类器那样需要为每项任务单独训练。Strands Decider 可回答三类问题：是非题、从几个选项中选一个，以及在有序量表上打分。例如，对于一条写着“我的付款已经连续三天失败”的客户消息，只需一条命令就能同时询问应由哪个团队处理、是否紧急以及写信人有多恼火。

每个决定都附带一个置信度分数。据项目页面介绍，在未见过的短分类任务中，模型高置信度的回答绝大多数是正确的；置信度较低时，建议核实答案或交由人工判断。项目列出的用途是智能体工作流中的常规决策：为任务挑选合适的大语言模型、决定智能体下一步调用哪个工具、在执行前检查工具调用的参数、把收到的请求分派给合适的团队、进行安全与政策审查，以及低成本地为模型输出打分。项目提出了混合式智能体的思路：难的决定交给大语言模型，常规决定交给决策模型。

基于 Qwen，去掉了生成文本的输出层

该模型基于阿里巴巴的 Qwen3.5-2B-Base。开发者去掉了模型用于生成文本的语言建模输出层，换成一个约 100 万参数的小型打分模块。该模块把每个选项与模型读完文本后的内部表示进行比较并打分，因此只需一次前向计算即可得出答案，无需生成文本。由于选项没有固化在模型内部，每次请求都可以重新定义，数量也不受限制。针对同一段文本提出多个问题时，文本只读取一次，每个新问题只增加自身的开销。

团队在专为这类模型设计的第三方基准 JevBench 上衡量模型的准确率及其置信度分数的可靠程度。研究记录在代码仓库中公开：每次训练前先写下预期，训练后再补充结果，未达预期的实验也保留在记录中。

安装与硬件

模型可通过 pip install strands-decider 安装。附带的命令行工具可以直接提问，strands-decider serve 命令则能把模型作为 HTTP 服务运行，供其他应用调用。模型文件以 StrandsAgents 账号发布在 Hugging Face 上。据项目页面介绍，模型可在 NVIDIA 显卡、Apple 芯片的 Mac 以及只有 CPU 的机器上运行，面向 Mac 的更快的 MLX 支持也即将推出。模型也可以从头重新训练：整套训练流程在单张 RTX 3090 上约需 11 小时。仓库中还有一个在 Strands 智能体中使用该模型的示例：智能体在调用天气工具前先查看两个是非判断，城市不明确时直接询问用户，不作猜测。

决策模型近几周正在成为一个独立的类别。继 Typesafe AI 的 Jev 之后，Cloudflare 也在同一天以开放模型形式发布了 Clef 决策模型。Strands Decider 的服务同样通过与 Jev 和 Clef 同名的 /v1/systemone 接口响应请求。

已公布的测量结果均由项目团队完成，团队也指出，在任务数量较少的基准上，细小的差异可能落在多次重新训练之间的波动范围内。页面没有说明模型支持哪些语言，其训练数据来源大多为英文数据集，因此在处理其他语言前，最好先用自己的样例测试。模型一次能读取的文本也限于几千个词元（token），更长的文本会被截断。想了解模型的真实表现，值得关注独立研究人员的评估。

来源：GitHub：Strands Decider、Hugging Face：Strands Decider 2B、AWS：Strands Labs 介绍。