北京
一个20亿参数的模型，不写文章，只做选择题。AWS最近开源了两个项目，一个管Agent怎么选，一个管Agent怎么跑。
先说第一个，Strands Decider 2B。这是一个20亿参数的模型，设计目标不是生成大段文字，而是在预设选项之间做选择。它支持的任务包括模型路由、工具选择、分类、护栏和上下文管理。开发者不再需要让通用大模型"想"出一个答案，而是给出一组候选，直接拿到一个带置信度分数的决策结果。
技术路线上，这个模型基于Qwen3.5-2B，把原来的语言模型头换成了一个指针头，用来给候选答案打分。微调用的是rank-16的LoRA适配器。AWS放出了模型权重、训练数据和脚本，开发者可以在本地运行和修改。
性能数据方面，AWS给出的数字是：在NVIDIA RTX 3090上，决策延迟中位数约115毫秒；在Apple M3 MacBook上处理小任务约153毫秒。AWS还用JevBench做了评估，v19检查点在231个公开任务上报告了72.3%的准确率。开发者可以安装strands-decider包，用命令行界面，或者把模型集成进Strands agents。
第二个项目叫Strands Box，目前是开发者预览版，提供一个隔离环境来执行AI Agent。它把操作系统级别的隔离和一个叫Dogwood的开源策略语言结合起来，用来定义Agent能执行哪些动作。沙箱支持shell命令、Python执行、MCP工具、文件系统操作和网络访问。
Strands Box用内核强制的隔离，把Agent的交互都路由到一个策略层。开发者可以根据内容和执行历史来允许或拒绝动作。比如，策略可以要求Agent先通过测试才能把代码推到仓库，或者限制外部API调用的频率。这些控制运行在语言模型之外，减少了对提示词指令来约束执行边界的依赖。
AWS表示，Strands Box可以配合不同的模型和Agent框架使用，无论本地运行还是云端环境。开发者可以在不替换现有Agent架构的前提下引入执行策略。
竞争格局上，Strands Decider 2B对标的是TypeSafe AI的Jev，另一个专门做结构化决策、不生成冗长回复的模型。两者都支持分类、路由和工具选择，都会在决策结果旁返回置信度分数。主要差别在部署方式：Strands Decider 2B是开源的，可以本地运行；Jev通过托管API提供。AWS用JevBench评估了Strands Decider，不过公布的结果并没有确立对Jev的直接性能优势。
Strands Box要解决的问题，容器沙箱、Firecracker microVM和托管式Agent执行环境也在处理。常规沙箱主要限制文件系统、进程和网络访问，Strands Box增加了基于工具参数和先前动作的策略。开发者可以定义Agent执行特定操作前必须满足的条件。
早期开发者反馈集中在把小型决策模型集成进Agent工作流的实际限制上。在一份实操教程中，AWS Community Builder Yuuki Yamashita提到，Strands Decider 2B可以阻止Agent发起一次不受支持的天气工具调用。GitHub讨论里也出现了并发请求、Apple Silicon兼容性和冷启动延迟等问题，这些是开发者在上生产前需要评估的地方。
AI Builder Dipen Vaja在X上评论说："我宁愿Agent在运行中途撞墙，也不愿它走完一条错误的路。AWS今天开源了Strands Box：一个内核沙箱，把shell、Python、工具和网络都路由到同一个策略层，所以一条规则可以在Agent读取客户文件后阻断出站HTTP。"
把两个项目放在一起看，Strands Decider 2B和Strands Box把Strands生态从Agent编排延伸到了决策和执行控制。一个负责选动作，一个负责管动作怎么执行，各管一段。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
