20億參數決策模型，專攻代理人安全判斷

AWS Strands團隊於10月1日開源Strands Decider 2B，這是一個擁有20億參數的決策模型，專為AI代理人設計。它不生成自由文字，而是從預設選項中進行分類、工具選擇及安全判斷。模型基於Qwen3.5-2B預訓練模型，移除原本負責生成文字的LM head，改用專門替答案選項評分的pointer head。這種架構犧牲了複雜推理能力，換取極低的延遲與穩定的結構化輸出，並能為每項決策提供可信度分數。目前公開模型已迭代至v19，早期採用的slot head因表現較差而被棄用。

本機硬體毫秒級響應，RTX 3090延遲僅115毫秒

Strands Decider 2B可直接在本機CPU或GPU執行，實現低延遲決策。測試顯示，在Nvidia RTX 3090上，中位決策時間約115毫秒；在M3 MacBook處理小型工作時，則約153毫秒。AWS示範了將其整合進AI代理人的工具呼叫流程：當代理人準備執行某項工具時，可先將對話內容及預定工具呼叫交給Decider判斷，再決定是否繼續執行。例如查詢天氣時，若使用者未提供地點，Decider可判斷資訊不足，讓代理人先詢問地點，而非自行猜測執行，有效避免錯誤操作。

開源生態完善，SDK下載量破1,400萬次

AWS同步公開了Strands Decider 2B的原始碼、訓練資料及相關範例，模型權重已上架Hugging Face。其背後的Strands Agents SDK於2025年5月開源，支援Python及TypeScript，累計下載已超過1,400萬次。今年2月推出的Strands Labs作為GitHub上的代理式AI實驗平臺，讓Amazon各開發團隊能公開測試新技術並依社群回饋改進。這類決策模型隨AI代理人發展受關注，前OpenAI研究人員Diogo Almeida創辦的TypeSafe AI今年9月發表的Jev也是同類模型。決策模型讓代理人處理大量簡單決策時，無需每次都交由大型語言模型，提升效率。

決策模型讓AI代理人從「猜測」轉向「判斷」，安全與效率兼得。