Strands 发布 Decider 2B：2B 参数开源决策模型，本地延迟约 115ms

一句话看懂：Strands Agents 在 strands-labs 下发布 Strands Decider 2B，一个 2B 参数的开源决策模型，专为本地开发与快速实验设计，可返回带可靠性评分的选项答案。它的意义在于把“系统一”式决策模型从概念推向可动手复现的开源资产。

事件核心：发生了什么

根据 strandsagents.com 2026 年 10 月 7 日发布的博客，Strands Agents 推出 Strands Decider 2B，作为 strands-labs 的新成员。该模型基于 Qwen3.5-2B 的预训练躯干，移除负责生成文本的 LM head，换成一个约百万参数的指针头，并用 rank-16 LoRA 适配器微调。它不做自由文本生成，而是在给定选项中做选择，或输出 0 到 1 的数值评分，同时给出每个决策的可靠性分数。模型权重、训练数据和脚本已开源在 GitHub 与 Hugging Face。

性能方面，官方称 strands-decider-2b 在 JevBench 公开集上，准确率与校准均进入 2B 级别前列：在 33 个 2B 模型中排第 3，在排除“刚超过 2B”的模型后 30 个中排第 1。延迟上，RTX 3090 本地小任务中位约 115ms，M3 MacBook 约 153ms，任务规模增大时延迟近似线性上升。目前公开信息显示，这些数字来自该团队自己的评测条件，并非第三方长期排名。

为什么重要

决策模型与推理型大模型走的是两条路：它牺牲生成任意文本的灵活性，换取更小体积下更快的响应、稳定的选项输出，以及前沿 LLM 推理 API 通常不提供的可靠性评分。这正好契合 agentic 工作流里“判断下一步走哪个分支”的高频需求。Strands 把训练数据、脚本和权重一并开源，降低了复现和二次开发的门槛，也让这类“系统一”模型不再只是少数公司的概念演示。对闭源 API 生态来说，这是一个值得注意的开源替代方向。

对用户/开发者/创作者的影响

对开发者，最直接的价值是可以在本地 CPU 或 GPU 上运行，用几十到一百多毫秒完成一次分支判断，适合嵌入 Strands Harness SDK 一类 agent 框架，充当路由、分类、意图识别或打分模块。对创作者和企业采购，它意味着部分决策类任务不必调用大模型 API，成本和延迟都可能更低。但需要注意：它无法生成文本，不适合聊天、写代码或文档摘要，不能替代通用大模型。