亞馬遜推出自家的 Jev 仿製品，決策模型充斥網路

亞馬遜網路服務（Amazon Web Services）發布了一個受TypeSafe的Jev啟發的開源決策模型，AI開發者越來越尋求更適合電腦自動化而非前沿大型語言模型（LLM）的智慧。

亞馬遜的 Strands Decider 2B 與 OpenAI 宣布類似產品同時推出，是一種高速、低成本的方式，能在預先決定的選項間篩選，並衡量其對選擇的信心程度。這個模型完全開源，現已可用，且規模小巧，可以本地運行。

亞馬遜知名工程師 Marc Brooker 在看到 Jev 並嘗試打造自己的模型後，構思了這個專案。這個自製專案相當成功——它曾短暫登上 Jevbench 同尺寸模型排名第一——因此亞馬遜工程師將其清理後，由其 Strands Labs 發布，該組織致力於開發部署 AI 代理的新工具與協議。

Brooker 表示，這類工具的需求是在與 AWS 客戶的對話中浮現的，因為他們的代理式工作流程並不總是需要具備完整功能 LLM 的能力或成本。

「最初讓我對這類模型感興趣，是因為它們是工作流程步驟的完美決策工具——『根據我所在的位置，我下一步該做什麼？』」布魯克說：這為客戶提供「一個工作流程步驟，得益於信心分數、封閉的答案領域，且延遲較低，潛在成本更低。」

像其他決策模型一樣，Strands 決策器建立在大型語言模型（LLM）的「軀幹」上，這裡指的是 Qwen3.5-2B，但它不是產生文字，而是提供校準過的選擇。TypeSafe 將他們的模型命名為 Jev，取自經濟學家 William Stanley Jevons，希望藉此引用他的理論：像電腦智慧這類東西的成本下降，實際上會增加其需求。

自TypeSafe提出構想以來，研究人員已製作出數十款類似模型，顯示出廣泛的興趣，但同時也引發了它們價值的疑問。Brooker 指出，挑戰在於如何在不犧牲智慧的前提下，優化模型的快速決策。

他說：「在追求準確度與校準的同時，也要在不影響其理解不同語言及擁有知識方面取得非常謹慎的平衡，這正是它通用、有趣且實用的原因。」

不過，他並不一定預期前沿實驗室會主導這個領域，尤其是因為市場較小，打造有趣東西的成本高達數百甚至數千美元。

TypeSafe 高層表示，他們正低調改進未來的模型。

執行長兼創辦人Diogo Almeida說：「我知道大家覺得這是淘金熱，但他們可能低估了讓模型真正變得智慧的難度，」他表示目前還沒看到公司真正出現的競爭。

「目前這批人看起來更像是想實作酷炫架構的機器學習人員，而非一支致力於讓智慧變得有用的團隊。」