杂谈

亚马逊推出 Strands Decider 2B 开源决策模型

⭐ **亚马逊 Strands Agents 团队(2026-10-01)开源 Strands Decider 2B 决策模型** —— ⭐ **基于 Qwen3.5-2B "躯干"** + ⭐ **评分功能指针"头部"**(替换原文本生成头,总参数 ⭐ **仅略超 100 万**)+ ⭐ **rank-16 LoRA 微调**。JevBench ⭐ **2B 级排名第 3** / 优于所有 ≤2B 对手。本地 ⭐ **113ms 决策时延** / RTX 3090 小型决策 ⭐ **153ms 中位数**。

一句话总结

⭐ 亚马逊 Strands Agents 团队(2026-10-01)开源 Strands Decider 2B 决策模型 —— ⭐ 基于 Qwen3.5-2B “躯干” + ⭐ 评分功能指针”头部”(替换原文本生成头,总参数 ⭐ 仅略超 100 万)+ ⭐ rank-16 LoRA 微调。JevBench ⭐ 2B 级排名第 3 / 优于所有 ≤2B 对手。本地 ⭐ 113ms 决策时延 / RTX 3090 小型决策 ⭐ 153ms 中位数。


一、模型架构 ⭐

核心思路 ⭐

”⭐ Strands Decider 2B 基于预训练的 Qwen3.5-2B “躯干”,⭐ 以具备评分功能的指针”头部”替换拥有文本生成能力的原有语言模型”头部”。”

组件细节

组件详情
⭐ “躯干”Qwen3.5-2B 预训练
⭐ “头部”评分功能指针(替代文本生成)
⭐ 头部规模总参数仅略超 100 万(小型)
⭐ 微调rank-16 LoRA 适配器

⭐ 设计哲学:用小型的评分头 + 大的躯干 backbone —— 比纯文本生成更高效、更专注决策任务。


二、JevBench 测评 ⭐

“Strands Decider 2B 在 ⭐ JevBench 公开数据集上具有不错的 ⭐ 准确率和校准度表现。”

排名详情
⭐ 2B 级别模型中⭐ 排名第 3
⭐ 严格 ≤2B 竞争对手⭐ 优于所有

三、本地运行性能 ⭐

通用硬件 ⭐

指标数值
⭐ 决策时延中位数⭐ 113ms

NVIDIA RTX 3090 ⭐

指标数值
⭐ 小型决策任务中位数时延⭐ 153ms

部署 ⭐

维度详情
⭐ GitHub已 ⭐ 开源
⭐ Hugging Face⭐ 权重可获取
⭐ 运行平台⭐ 本地 CPU / GPU

四、Strands Agents 团队 ⭐

“Amazon(亚马逊)Strands Agents 团队 ⭐ 当地时间本月 1 日(2026-10-01)宣布推出 ⭐ Strands Decider 2B 决策模型。”

Strands Agents 是什么 ⭐

Strands = 亚马逊 AI Agent SDK → 帮开发者构建、运行和部署 AI 智能体

Strands Decider 2B 是其生态内的 ⭐ 专用决策模型 —— ⭐ 专注”决策”而非”生成”,更轻、更快、更好本地化。


五、技术意义 ⭐

为什么要做”决策头”

维度传统文本生成⭐ 评分决策头
目标流畅文字 / 长篇⭐ 比较 / 评分多个候选
参数效率大头在语言建模⭐ 小头做评分(仅 100 万参数)
决策质量间接(需要解码整段文字)⭐ 直接给分数(更准)
时延长(生成整个 token 序列)⭐ 短(只输出分数)

与 Qwen3.5-2B 的关系 ⭐

⭐ 继承 Qwen3.5-2B 的预训练表示能力 + LoRA rank-16 小幅适配 + 评分头做最终决策 —— ⭐ 比纯 fine-tune 更轻量。


六、应用场景 ⭐

场景价值
⭐ Agent 路径选择多候选方案选最优
⭐ Tool 调用决策选哪个 API / 工具
⭐ 多轮对话状态切换决定下一步动作
⭐ 生产环境 Agent⭐ 本地低延迟 + 可控
⭐ 边缘部署⭐ CPU / GPU 本地跑(无需依赖云端 API)

配图

亚马逊 Strands Decider 2B

图 1:亚马逊 Strands Decider 2B —— Qwen3.5-2B "躯干" + 评分"头部" + LoRA rank-16(IT 之家 · 2026-10-03)

来源