AWS Strands Labs lanza Strands Decider 2B, un modelo de decisión de código abierto. No genera texto. Lee un estado y escribe preguntas, luego devuelve una opción, una probabilidad de sí/no o una puntuación con una confianza calibrada. El modelo tiene 1.900 millones de parámetros y se ejecuta localmente en una CPU, una GPU de consumo o una Mac Apple Silicon.
¿Es desplegable? Sí, para uso local y autohospedado. Los pesos están en Hugging Face bajo Apache-2.0, y pip install strands-decider proporciona una CLI y un servidor HTTP. El servidor incluido se vincula a 127.0.0.1 sin autenticación, por lo que la producción necesita su propia capa de autenticación. Ningún proveedor de inferencia alojado lo ofrece todavía.
¿Qué hace un modelo de decisión?
Los modelos de decisión, también llamados modelos System One, se convirtieron en una categoría después de que TypeSafe AI lanzara Jev el mes pasado. Un LLM puede producir resultados arbitrarios. Un modelo de decisión sólo elige entre opciones o tasas en una escala.
Strands Decider admite 3 tipos de preguntas:
elección: elija 1 de N opciones. noul: una probabilidad de sí/no entre 0 y 1. puntuación: un nivel en una rúbrica ordenada.
Cada respuesta proviene de las opciones permitidas y conlleva confianza. El equipo afirma que el modelo es peor que los modelos de razonamiento sobre problemas complejos. No es adecuado para codificar, chatear o resumir.
Arquitectura: un LLM sin boca
El equipo comienza desde Qwen3.5-2B-Base y descarta el cabezal de modelado de lenguaje. Lo reemplaza un pequeño puntero con alrededor de 1 millón de parámetros. Ese líder compara el estado oculto en la posición con el estado oculto en el último token de cada opción. Un pase hacia adelante produce el resultado, sin bucle de decodificación.
El torso usa un LoRA de rango 16 y la cabeza corre en fp32. Los conjuntos de etiquetas provienen de la solicitud, por lo que nada limita el recuento de opciones. El punto de control liberado es v19.
Hacer varias preguntas sobre un mismo texto es barato. El estado se lee una vez y cada pregunta adicional agrega solo sus propios tokens.
‘}); $(‘barras’).innerHTML=h; if(!z){d.rows.forEach(function(r,i){$(‘f’+i).style.width=(r[1]*100)+’%’})} puerta(); } función ejecutar(){ dibujar(verdadero);[‘b1′,’b3’].forEach(function(b){$(b).classList.remove(‘lit’)}); $(‘veredicto’).innerHTML=’Estado de lectura y opciones en un solo paso…’; var a1=$(‘a1’),a2=$(‘a2’);a1.classList.remove(‘go’);a2.classList.remove(‘go’);void a1.offsetWidth; $(‘b1’).classList.add(‘lit’);a1.classList.add(‘go’); setTimeout(function(){a2.classList.add(‘go’);$(‘b3’).classList.add(‘lit’)},700); setTimeout(función(){var d=D[m];d.rows.forEach(function(r,i){var f=$(‘f’+i);f.style.width=(r[1]*100)+’%’;f.parentNode.nextSibling.textContent=r[1].toFixed(3)});$(‘veredicto’).innerHTML=d.out;gate()},1400); setTimeout(function(){$(‘b1’).classList.remove(‘lit’)},1500); } función puerta(){ var t=parseFloat($(‘ésimo’).valor),c=D[m].conf;$(‘thv’).textContent=t.toFixed(2); $(‘gate’).innerHTML=’Confidence ‘+c.toFixed(3)+(c>=t?’ ≥ ‘+t.toFixed(2)+’ → actuar automáticamente’:’ < '+t.toFixed(2)+' → confirmar con una persona o escalar a un LLM'); } función tok(){ var n=+$('nq').value;$('nqv').textContent=n;var h="";for(var i=0;i<24;i++)h+=''; para(var j=0;j