Agent贵，常常贵在「每次只想要一个是/否或三选一，却让大模型写一整段」。Amazon用开源小模型，把这类窄决策拉回本地毫秒级检查点。
据VentureBeat报道，AWS在Strands Labs下发布Strands Decider 2B：以Qwen3.5-2B为基座，去掉下一词预测头，换成对候选答案打分的pointer组件（称Hobson架构），经rank-16 LoRA与约百万级新增参数适配；一次前向返回选项分布。模型与训练材料计划开源，Apache 2.0，可在Hugging Face下载自托管，暂无托管按次API。示例把Decider接在天气工具调用前：若用户未给地点而Agent擅自猜城市，Decider可判「是否过早调用」并触发追问。它利用Strands框架已有的干预机制（继续、拒绝、请求确认、回传反馈），模型只给判断，应用仍定义阈值。
公开材料给出本地RTX 3090等设备上数十到百毫秒量级延迟，以及JevBench公开集上约72%准确率等轨迹点，并称在同尺寸公开模型中居前、且完整训练配方可复现；但未直接公布对TypeSafe Jev的头对头总分。自Jev于9月中旬以「System One」分类模型定位引爆赛道后，Laya、Kev、Mapika、CLM-8B等方案迅速跟进。AWS的差异化更在开源可复现与可自托管，而非已证明全面超越Jev。亦需提醒：决策模型不能当作不可攻破的安全边界，对抗文本仍可能影响判决。对企业采购，开源零标价不等于零总成本：本机或云上推理、监控与微调都要算进去；Jev类托管API虽有按量费用，但运维更轻。哪条路线更划算，取决于调用频率、数据驻留要求与是否已有GPU余量。事实以AWS公告与VentureBeat报道为准。