- 发布日期
亚马逊推出 Strands Decider 2B 开源决策模型，支持本地部署
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
亚马逊 Strands Agents 团队于当地时间10月1日宣布推出 Strands Decider 2B 开源决策模型。该模型已在 GitHub 开源，模型权重可在 Hugging Face 获取，并支持在本地 CPU 或 GPU 上运行。它的定位是为需要快速判断和决策的应用提供可本地部署的模型选择。
Strands Decider 2B 以预训练的 Qwen3.5-2B 作为“躯干”，并替换模型原有的文本生成“头部”。新的“头部”采用具备评分功能的指针结构，总参数规模略超过一百万，小于原有语言模型头部。与此同时，“躯干”通过 rank-16 LoRA 适配器进行微调，以适配决策任务。
按照公开数据集 JevBench 的测试结果，Strands Decider 2B 展现出较好的准确率和校准度表现。该模型在2B级别模型中排名第3，并优于所有参数量严格不超过2B的竞争对手。相关成绩显示，面向评分和选择任务的模型结构在公开基准中具有较强竞争力。
在实际运行效率方面，Strands Decider 2B 在市面常见硬件上进行本地运行时，决策时延中位数为113毫秒。对于小型决策任务，模型在 NVIDIA GeForce RTX 3090 上的执行时延中位数为153毫秒。这些数据为其在本地硬件上开展快速决策调用提供了性能参考。
本地部署方式是该模型的重要特点。由于模型代码和权重均已开放，用户可以在自己的 CPU 或 GPU 环境中运行，而不必依赖远程服务。对 Strands Agents 而言，Strands Decider 2B 的开源发布也使其决策能力能够被开发者下载、测试，并集成到本地工作流中。
Strands Decider 2B 的后续影响，将取决于开发者在不同硬件和任务上的实际使用反馈。开源代码、模型权重以及公开基准表现，为社区评估其准确率、校准度和时延提供了基础。开发者还可据此探索其在本地智能代理和决策流程中的集成空间。
