Strands 发布 20 亿参数开源决策模型

Strands 发布了 Strands Decider 2B，一款面向选项判断和评分任务的开源小模型，关注价值在于它把部分智能体决策从通用大语言模型中拆出，以较低延迟处理路由、工具选择和策略判断。

• Strands 官方介绍称，该模型约有 20 亿参数，设计目标是本地开发和快速实验，而不是生成长文本。
• 模型通过选择头对既定选项打分，并为判断提供置信度，适合“是否调用工具”“应转交哪个团队”等结构化问题。
• 官方披露，在 RTX 3090 上本地决策中位延迟约 115 毫秒，在 M3 MacBook 上小任务约 153 毫秒；这些数据来自特定硬件和任务设置。
• Hugging Face 模型卡显示，公开 JevBench 集合上的准确率为 167/231，并明确指出长文档、多步任务和置信度阈值迁移存在限制。
• 该模型采用 Apache 2.0 许可，并公开训练配方、数据清单和评测材料，便于开发者复现和调整。
• 影响/看点：小型决策模型可能降低智能体中重复判断的延迟与调用成本；成立条件是任务选项边界清晰，且部署方在自身数据上重新校准置信度，而不是把通用评测直接当作生产可靠性证明。
• 资料依据:
• Strands Agents 官方公告（2026-10-01）：https://strandsagents.com/blog/introducing-strands-decider/
• Hugging Face 模型卡（2026-10-01）：https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19

本内容由 AI 生成，仅供参考，请注意甄别