Strands Decider 2B: otwarty model, który zwraca decyzje, nie tekst

Amazon opublikował Strands Decider 2B — otwarty model, który zamiast generować tekst punktuje gotowe opcje odpowiedzi. Wagi i kod treningowy trafiły 1 października 2026 na Hugging Face, na licencji Apache 2.0 i bez hostowanego API. To pierwszy darmowy odpowiednik zamkniętego Jeva od TypeSafe AI.

Najważniejsze w skrócie

• Baza to Qwen3.5-2B-Base, a adapter LoRA rank-16 dodaje nieco ponad milion parametrów
• JevBench, split publiczny: 167 poprawnych odpowiedzi na 231 zadań, czyli 72,3 proc.
• Brier 0,348 i błąd kalibracji 0,050 — model zwraca prawdopodobieństwa, nie same etykiety
• Mediana opóźnienia 106 ms na RTX 3090, 296 ms w 95. percentylu
• Trening zamknął się w około 70 minutach na ośmiu H100 albo 11 godzinach na jednym RTX 3090

Wskaźnik zamiast przewidywania następnego tokena

Decider zdejmuje z Qwen3.5 warstwę przewidującą kolejny token i zastępuje ją małą głowicą, która ocenia każdą dozwoloną opcję odpowiedzi. Agent dostaje nie zdanie do sparsowania, tylko rozkład prawdopodobieństwa na liście wariantów.

Znika przy tym cała warstwa pośrednia, którą dziś obudowuje się każde wywołanie modelu językowego: wymuszanie JSON-a, walidacja schematu, ponawianie prośby o poprawny format.

Takie podejście pokazał we wrześniu TypeSafe AI z modelem Jev, ale tamten pozostał zamknięty i dostępny wyłącznie przez API. Amazon wypuścił wagi, dane i skrypty treningowe, więc wynik da się odtworzyć na własnym sprzęcie.

Liczby bez marketingu

Trafność 72,3 proc. jest użyteczna, ale daleka od pewności — co czwarta decyzja jest błędna. Ciekawsza bywa kalibracja.

Czym jest wynik Briera i dlaczego tu decyduje

Wynik Briera^?Brier score: Średni kwadrat różnicy między deklarowanym prawdopodobieństwem a tym, co faktycznie się stało. Zero to ideał, 0,25 to poziom rzutu monetą. mierzy nie tyle trafność, ile uczciwość pewności modelu.

Błąd kalibracji 0,050 oznacza, że deklarowane przez model prawdopodobieństwo odpowiada rzeczywistości, więc próg odcięcia można ustawić świadomie. Na wąskich zadaniach wyniki są wyraźnie lepsze — 0,884 na MuSiQue i 0,872 na ContractNLI.

{
  "jevbench_public":   { "accuracy": 0.723, "correct": "167/231" },
  "calibration":       { "brier": 0.348, "ece": 0.050 },
  "musique":           { "accuracy": 0.884, "n": 1199 },
  "contractnli":       { "accuracy": 0.872, "n": 1026 },
  "held_out_short":    { "accuracy": 0.641, "n": 6000 }
}

Koszt waży tu tyle samo co jakość. Mediana 106 ms na jednej karcie RTX 3090 oznacza, że decyzje zapadają lokalnie, w pętli agenta, bez odpytywania zewnętrznego API.

Gdzie Decider stoi wobec konkurencji

Dlaczego to ważne?

Agenci spędzają sporo czasu na drobnych rozstrzygnięciach: czy wywołać narzędzie, czy dokument jest istotny, czy zamknąć pętlę. Oddawanie ich dużemu modelowi generującemu tekst jest kosztowne i zawodne. Otwarty, skalibrowany model 2B zmienia ekonomikę tej warstwy i podważa sens budowania wokół niej płatnego API.

Co dalej?

• Amazon nie uruchomił hostowanego API, więc wdrożenie wymaga własnej infrastruktury
• Wynik 72,3 proc. dotyczy publicznego splitu JevBench, prywatny split nie został opublikowany
• Nazwa wariantu hobson-v19 w karcie modelu wskazuje na kolejne iteracje adaptera

Źródła

• VentureBeat — Amazon unveils a free, fast, open source Jev killer: Strands Decider 2B makes decisions in fractions of a second
• Hugging Face — StrandsAgents/strands-decider-2B-hobson-v19
• Strands Agents — Strands Agents SDK