AWS 开源了一个专门「做选择题」的小模型 Strands Decider 2B：给定一组预设选项，它不写文章、不聊天，只负责快速挑出该选的那一个，并给出置信度。模型完全开源、体积小到可以本地跑，基础是 Qwen3.5-2B，但把文本生成换成了校准过的选项输出。
项目源于 AWS 杰出工程师 Marc Brooker 的个人尝试——他在看到 TypeSafe 的 Jev 决策模型后动手做了自己的版本，一度在同级模型的 Jevbench 榜单上登顶，随后被 AWS 工程团队打磨成正式产品，放进专做智能体工具与协议的 Strands Labs。时机也巧：就在同一周，OpenAI 也发布了类似产品，决策模型这个小品类正在集中爆发。
Brooker 解释说，需求来自 AWS 客户的真实痛点：智能体工作流里的很多步骤，用不着每次都调用全功能大模型——「在工作流的某一步问『接下来该做什么』，选项是封闭的，答案可校准，延迟和成本都能压下来」。换句话说，大模型负责理解和规划，这类小模型负责高频、机械的流程分拣。
挑战在于平衡：既要提升准确率和校准质量，又不能损伤语言理解和通用知识——那正是它比硬编码规则好用的原因。Jev 这个名字取自经济学家杰文斯：智能的成本越降，需求反而越大。自 TypeSafe 带火这个思路以来，类似模型已经出现几十个，AWS 和 OpenAI 相继入场算是给这个品类盖了章。对做智能体开发的读者，思路可以直接借鉴：把工作流里「选分支」的环节换成决策小模型，成本账往往更划算。
配图来源：AWS 官网
相关阅读：《亚马逊封禁 Muse 代购：智能体未亮明身份即遭拦截》
来源：TechCrunch（Amazon releases its own Jev clone as decision models flood the web）