Strands Decider 2B : un modèle de décision à 2 milliards de paramètres pour les workflows agentiques

Strands Labs (AWS) a publié Strands Decider 2B, un modèle de décision open source de 2 milliards de paramètres optimisé pour l'expérimentation locale rapide et les workflows agentiques. Contrairement aux LLM généralistes, les modèles de décision sont conçus pour choisir parmi un ensemble fixe d'options (par exemple, « Est-ce que "allumer les lumières" concerne la machine à café ? Oui ou non. ») ou attribuer des scores numériques simples (par exemple, un sentiment entre 0 et 1).

Ce que c'est et pourquoi c'est important

Les modèles de décision échangent la flexibilité contre la vitesse et la fiabilité. Ils renvoient toujours une réponse parmi les options fournies, fonctionnent avec une latence très faible et émettent un score de calibration (« à quel point puis-je être sûr que c'est correct ? ») que les API de LLM de pointe n'exposent pas. Le compromis : ils sont moins performants en raisonnement complexe et ne peuvent pas générer de texte, ce qui les rend inadaptés au codage, aux chatbots ou au résumé.

Strands positionne cela comme une nouvelle classe de modèles « système 1 », après le lancement de Jev par TypeSafe AI plus tôt ce mois-ci. L'objectif est de piloter les étapes de décision agentiques dans le SDK Strands Harness.

Architecture

Le modèle prend un torse Qwen3.5-2B pré-entraîné, retire la tête LM (supprimant la génération de texte) et la remplace par une tête pointeur qui note chaque option proposée. La tête compare l'état caché à chaque position d'option avec l'état caché à la position <answer>. La tête est petite — un peu plus de 1 M de paramètres — et le torse est affiné avec un adaptateur LoRA de rang 16.

Il s'agit de la v19 de l'architecture. La première itération utilisait une tête à encoches, qui performait nettement moins bien ; toutes les notes d'itération sont dans le dépôt.

Benchmarks

Strands a mesuré la précision sur l'ensemble public de JevBench et la calibration via le score de Brier sur le même ensemble :

• Précision : 3e sur 33 dans la classe 2B
• Précision en excluant les modèles juste au-dessus de 2B : 1er sur 30
• Latence (médiane) : ~115 ms sur une Nvidia RTX 3090, ~153 ms pour les petites tâches sur un MacBook M3
• La latence évolue à peu près linéairement avec la taille de la tâche

Disponibilité

• Code sur GitHub : strands-decider-2b
• Poids sur Hugging Face
• Inclut toutes les données d'entraînement et les scripts
• Fonctionne sur CPU ou GPU local — aucun appel API requis

Pour qui c'est

Les développeurs qui construisent des workflows agentiques et ont besoin de décisions oui/non ou de classification rapides et calibrées en périphérie, et les chercheurs qui veulent une petite base modifiable pour des expériences de modèles de décision.