AWS推出Strands Decider 2B：本地可部署决策模型，基于Qwen3.5-2B，给AI智能体做行动前置校验

AWS正式发布 Strands Decider 2B，一款可本地运行的轻量级决策模型，对标TypeSafe Jev决策模型，专门放在AI智能体执行动作前做快速校验，避免产生无效、虚构输出。不同于OpenAI刚推出的托管Decisions API，AWS本次直接开放可下载权重、训练数据集与训练脚本。

• GitHub：https://github.com/strands-labs/strands-decider
• 模型：https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19

工作原理

决策模型不再自由生成文本，而是在给定候选选项里做选择、输出置信分数。适合请求路由、工具选择、结果评估、动作校验；复杂对话与内容生成任务依旧交给主大模型。

• 基座主干：Qwen3.5-2B，移除原生文本生成头，替换成选项评分指针头（仅一百多万参数）
• 微调方案：主干采用rank-16 LoRA低秩适配
• 核心优势：输出被限定在预设选项集合，不会凭空编造不存在的答案；同时返回置信分数，决策延迟更低。模型依然存在判断错误的可能性，属于取舍设计。

智能体前置校验场景

搭配AWS开源Strands智能体框架演示：用户查询天气但未指定城市，智能体擅自猜测地点并准备调用天气工具。

在工具调用执行前，Strands Decider本地运行，校验参数是否有对话上下文支撑、信息是否充足。校验发现信息缺失，拦截本次工具调用，让智能体回头向用户询问城市。

开发者可自定义干预策略：放行调用、拒绝执行、人工复核、反馈修正指令。

架构混合部署示例：Decider本地运行，生成大模型通过Amazon Bedrock云端调用；AWS同步开发决策模型集成库。

评测与性能

在JevBench公开测试集：

• 在2B参数量级公开模型里排名第二；在附带完整训练配方的公开模型中位列第一
• JevBench简单任务集全部答对，刚好匹配智能体日常例行判断场景

实测延迟：

• RTX3090：决策耗时100ms以内
• M3 Mac：轻量任务中位数约150ms
  任务复杂度提升时，响应时间会随之增加。

模型为第二代迭代版本，初代头结构效果较差；所有历史迭代版本全部存入仓库，方便开发者追溯演进过程。

项目孵化自Strands Labs，延续此前发布的Strands Harness持久智能体工具栈。

和Kev一样，Strands Decider依托开源Qwen基座，也体现当前决策模型赛道大量依赖开源权重的现状。

待确定规划

目前仅发布本地部署版本，AWS尚未官宣是否会在云端提供该模型的托管服务。本地运行适合原型实验，生产落地场景开发者期待托管版本上线。