AWS開源20億參數Strands Decider，專門替AI代理人快速做決策

GitHub

AWS旗下Strands團隊周四（10/1）開源Strands Decider 2B決策模型，專門替AI代理人快速進行分類、工具選擇及安全判斷等工作。模型共有20億個參數，可直接在本機CPU或GPU執行，並以低延遲完成決策。AWS同步公開模型權重、訓練資料及訓練程式碼。

Strands Agents SDK是AWS用來建置AI代理人的開源開發工具，於2025年5月開源，支援Python及TypeScript，迄今累計下載已超過1,400萬次。今年2月，AWS再推出Strands Labs，作為GitHub上的代理式AI實驗平臺，讓Amazon各開發團隊可以先公開測試新技術，再依社群回饋持續改進。

至於決策模型（Decision Model），則是一類專門用來做選擇的AI模型，不以生成自由文字為主要功能，而是在預先提供的選項中進行分類、判斷或評分。相較大型語言模型，這類模型犧牲文字生成及複雜推理能力，換取更低延遲及較穩定的結構化輸出，並可為每項決策提供可信度分數。

這類模型近期隨AI代理人發展而受到關注。代理人在執行工作時，經常需要進行工具選擇、分類、路由及政策判斷等大量簡單決策，未必需要每次都交由大型語言模型處理。前OpenAI研究人員Diogo Almeida創辦的TypeSafe AI今年9月發表的Jev，也是這類決策模型之一。

Strands Decider 2B以Qwen3.5-2B預訓練模型為基礎，移除原本負責生成文字的LM head，改用專門替答案選項評分的pointer head，因此不再自由生成文字，而是直接從既定選項中做出判斷。AWS指出，這次發布的是第二個主要架構版本，早期版本採用slot head，但表現較差；目前公開模型已迭代至v19。

延遲方面，Strands Decider 2B可在一般本機硬體上快速完成判斷，例如在Nvidia RTX 3090上的中位決策時間約115毫秒，在M3 MacBook處理小型工作時則約153毫秒。AWS也示範將它放在AI代理人的工具呼叫流程中，當代理人準備執行某項工具時，可先把對話內容及預定的工具呼叫交給Decider判斷，再決定是否繼續執行。

以查詢天氣為例，若使用者沒有提供地點，Decider可在代理人呼叫天氣工具前判斷資訊不足，讓代理人先向使用者詢問地點，而不是自行猜測後直接執行查詢。

目前AWS已透過GitHub公開Strands Decider 2B原始碼、訓練資料及相關範例，模型權重亦已上架至Hugging Face。