Что произошло
1 октября 2026 года экспериментальное подразделение AWS Strands Labs выложило в открытый доступ Strands Decider 2B — модель на 2 млрд параметров, которая не генерирует текст, а выбирает ответ из заранее заданных вариантов и сразу сообщает, насколько в нём уверена. Веса лежат на Hugging Face под лицензией Apache 2.0, рядом опубликованы обучающие данные и скрипты.
Детали
Такие системы называют моделями решений (decision models). Обычная языковая модель пишет ответ слово за словом и может уйти в сторону. Модель решений получает текст и набор вариантов, а возвращает вероятность для каждого из них. Ответить «не по формату» она не может физически.
Моду на этот класс задал стартап TypeSafe бывшего исследователя OpenAI Диогу Алмейды: 15 сентября он открыл ранний доступ к модели Jev. Jev работает только как облачный сервис, тариф — $0,042 за миллион входящих токенов, выход бесплатно (по данным VentureBeat на 1 октября). За две недели исследователи выпустили десятки аналогов, многие с открытыми весами.
| Параметр | Strands Decider 2B |
|---|---|
| Основа | Qwen3.5-2B (Alibaba) без «языковой головы» |
| Что добавили | указательную голову (pointer head) и LoRA-адаптер, около 1 млн параметров |
| JevBench v19 | 72,3% (167 из 231 задачи) |
| Задержка | ~106 мс медиана на RTX 3090, ~150 мс на MacBook M3 |
| Лицензия | Apache 2.0 |
В JevBench, открытом тесте для таких моделей, AWS называет свою модель третьей из 33 в классе 2 млрд параметров. Конкурент Mapika decider-2b v11 набирает около 76%. VentureBeat отдельно оговаривается, что эти графики не доказывают превосходства над самой Jev в целом.
Что это значит
Модель адресована разработчикам ИИ-агентов. Это не замена чат-бота, а дешёвый «стрелочник» для рутинных развилок: какой модели отдать запрос, какой инструмент вызвать, пропустить ли действие агента, к какой категории отнести обращение. Такие шаги обычно гоняют через большую языковую модель, хотя ответ там — один пункт из списка. Как устроены такие развилки в автоматизациях, мы разбирали в материале воркфлоу против ИИ-агента.
Плюс в том, что модель работает локально: хватает одной потребительской видеокарты или MacBook, данные никуда не уходят, оплаты за вызов нет. Основа та же, что у семейства Qwen3 на своём ПК, поэтому требования к железу скромные.
Ограничения AWS называет сама. Со сложными многошаговыми задачами модель справляется заметно хуже рассуждающих моделей. Длинные документы — её слабое место. Обучена она на англоязычных наборах данных, поэтому русские и украинские тексты стоит сначала проверить на своих примерах. Попробовать модель можно уже сейчас: она ставится командой pip install strands-decider.
