新闻 · TechCrunch AI
决策模型涌入网络之际，亚马逊发布自家的 Jev 克隆模型
亚马逊云科技旗下的 Strand Labs 发布了最新的类 Jev 决策模型 Strands Decider 2B。
en
英文原标题：Amazon releases its own Jev clone as decision models flood the web
本文为英文原文的机器翻译摘要，原文见：TechCrunch AI ↗
亚马逊AWS发布开源决策模型Strands Decider 2B，灵感来自TypeSafe的Jev，旨在为AI代理工作流提供高速、低成本、带置信度的决策能力。此举正值决策模型大量涌现，引发对这类模型价值与竞争格局的讨论。
亚马逊发布Strands Decider 2B
亚马逊AWS发布了开源决策模型Strands Decider 2B，该模型受TypeSafe的Jev启发，与OpenAI宣布类似产品的同一周推出。它能够高速、低成本地在预先确定的选项中进行选择，并给出置信度，完全开源且体积小到可在本地运行。
- 模型名称：Strands Decider 2B
- 特点：高速、低成本、带置信度、完全开源、可本地运行
- 发布背景：与OpenAI类似产品同周发布
项目起源与AWS Strands Labs
亚马逊杰出工程师Marc Brooker在看到Jev后，尝试构建自己的版本，该项目一度在Jevbench同尺寸模型排名中登顶。随后亚马逊工程师将其整理，通过Strands Labs发布，该组织致力于开发部署AI代理的新工具和协议。
- 发起人：亚马逊杰出工程师Marc Brooker
- 项目曾登顶Jevbench同尺寸排名
- 发布组织：Strands Labs
客户需求与工作流应用
Brooker表示，这一工具的需求源于与AWS客户的对话，客户的代理工作流并不总是需要完整LLM的能力或成本。该模型可作为工作流步骤的决策器，基于当前状态决定下一步行动，提供更可靠、低延迟、可能更低成本的解决方案。
- 需求来源：AWS客户代理工作流
- 应用场景：工作流步骤决策
- 优势：可靠、低延迟、低成本
技术基础与命名由来
与其他决策模型类似，Strands Decider基于LLM的“躯干”构建，具体使用Qwen3.5-2B，但不生成文本，而是输出校准后的选择。TypeSafe将其模型命名为Jev，取自经济学家William Stanley Jevons，寓意其理论：某种东西（如计算机智能）成本下降反而可能增加需求。
- 基础模型：Qwen3.5-2B
- 输出：校准后的选择而非文本
- 命名：Jev源自经济学家William Stanley Jevons
挑战与竞争格局
自TypeSafe提出该概念以来，已有数十个类似模型出现，显示广泛兴趣，但也引发对其价值的质疑。Brooker认为挑战在于优化快速决策而不损害智能，需在准确性和校准与多语言理解、知识保留之间找到平衡。他并不认为前沿实验室会主导该领域，因为小市场构建有趣模型的成本仅数百到数千美元。TypeSafe高管则表示正专注于改进未来模型，CEO Diogo Almeida认为当前批次更像是ML人员实现酷架构，而非深度致力于让智能有用，目前尚未看到真正的竞争。
- 挑战：平衡决策速度与智能
- 竞争：数十个类似模型涌现
- Brooker观点：前沿实验室未必主导，成本低
- TypeSafe CEO：当前竞争不激烈，多数是ML人员尝试架构