近日，AWS旗下Strands团队把一款专门给AI代理人“快速做决定”的模型开源了——Strands Decider 2B。它主打不是生成长篇文字，而是在预先给定的选项里完成分类、工具选择以及安全判定，让代理在执行任务前先把路走对、走稳。该模型规模达到20亿参数，能够直接在本机CPU或GPU上运行，并以低延迟输出结果。与此同时，AWS也同步发布了模型权重、训练资料与训练代码，方便开发者复现与二次训练。
Strands Decider 2B会被放在“代理调用工具”的流程中使用：当智能体准备执行某个动作时，它可以先把对话内容和拟调用的工具信息交给Decider，让模型判断是否应该继续、选择哪条工具路径、或是否存在不满足安全条件的情况。举例来说，如果用户问天气但没有提供地点，Decider可以在代理准备直接调用天气工具之前识别信息不足，从而促使代理先向用户追问地点，而不是凭空猜测并直接发起查询。
与传统大型语言模型相比，决策模型的核心取舍在于结构化输出：它不以自由生成文本为主要目标，而是用“评分/选择”方式在固定选项间做决定。这样的设计往往带来更低延迟、更稳定的结果，且还能为每个候选决策提供可信度分数。
技术层面，Strands Decider 2B基于Qwen3.5-2B预训练模型改造而来：移除了负责生成文本的LM head，换上用于对答案选项进行评估的pointer head，因此它不再自由写作，而是直接从既定选项中做选择。AWS称这是第二个主要架构版本；早期采用slot head的方案表现更弱，目前公开模型已迭代到v19。
性能方面，AWS给出了本机推理的延迟数据：例如在Nvidia RTX 3090上中位决策时间约115毫秒，M3 MacBook处理小型任务时约153毫秒。当前，AWS已在GitHub公开Strands Decider 2B的源码、训练数据与示例，模型权重也已上架到Hugging Face，开发者可以直接把它纳入自己的代理系统中，给“决策层”加一颗更快、更可控的专用引擎。
