Що сталося
1 жовтня 2026 року експериментальний підрозділ AWS Strands Labs виклав у відкритий доступ Strands Decider 2B — модель на 2 млрд параметрів, яка не генерує текст, а обирає відповідь із заздалегідь заданих варіантів і одразу повідомляє, наскільки вона в ній упевнена. Ваги лежать на Hugging Face під ліцензією Apache 2.0, поруч опубліковано навчальні дані та скрипти.
Деталі
Такі системи називають моделями рішень (decision models). Звичайна мовна модель пише відповідь слово за словом і може піти вбік. Модель рішень отримує текст і набір варіантів, а повертає ймовірність для кожного з них. Відповісти «не за форматом» вона фізично не може.
Моду на цей клас задав стартап TypeSafe колишнього дослідника OpenAI Діогу Алмейди: 15 вересня він відкрив ранній доступ до моделі Jev. Jev працює лише як хмарний сервіс, тариф — $0,042 за мільйон вхідних токенів, вихід безкоштовно (за даними VentureBeat на 1 жовтня). За два тижні дослідники випустили десятки аналогів, багато з відкритими вагами.
| Параметр | Strands Decider 2B |
|---|---|
| Основа | Qwen3.5-2B (Alibaba) без «мовної голови» |
| Що додали | вказівну голову (pointer head) і LoRA-адаптер, близько 1 млн параметрів |
| JevBench v19 | 72,3% (167 із 231 завдання) |
| Затримка | ~106 мс медіана на RTX 3090, ~150 мс на MacBook M3 |
| Ліцензія | Apache 2.0 |
У JevBench, відкритому тесті для таких моделей, AWS називає свою модель третьою з 33 у класі 2 млрд параметрів. Конкурент Mapika decider-2b v11 набирає близько 76%. VentureBeat окремо застерігає, що ці графіки не доводять переваги над самою Jev загалом.
Що це означає
Модель адресована розробникам ШІ-агентів. Це не заміна чат-бота, а дешевий «стрілочник» для рутинних розвилок: якій моделі віддати запит, який інструмент викликати, чи пропустити дію агента, до якої категорії віднести звернення. Такі кроки зазвичай проганяють через велику мовну модель, хоча відповідь там — один пункт зі списку. Як влаштовані такі розвилки в автоматизаціях, ми розбирали в матеріалі воркфлоу проти ШІ-агента.
Плюс у тому, що модель працює локально: вистачає однієї споживчої відеокарти або MacBook, дані нікуди не йдуть, оплати за виклик немає. Основа та сама, що в сімейства Qwen3 на своєму ПК, тому вимоги до заліза скромні.
Обмеження AWS називає сама. Зі складними багатокроковими завданнями модель справляється помітно гірше за моделі, що міркують. Довгі документи — її слабке місце. Навчена вона на англомовних наборах даних, тому українські тексти варто спершу перевірити на власних прикладах. Спробувати модель можна вже зараз: вона встановлюється командою pip install strands-decider.
