آمازون وب‌سرویسز مدل تصمیم‌گیر Strands Decider 2B را به‌صورت متن‌باز منتشر کرد. این مدل که در همان هفته‌ای عرضه شد که OpenAI هم محصول مشابهی را معرفی کرده بود، وظیفه‌اش انتخاب بین گزینه‌های از پیش تعیین‌شده و ارائه نمره‌ی اطمینان از انتخاب خود است. مدل کاملاً متن‌باز است، همین حالا در دسترس قرار دارد و آن‌قدر کوچک است که به‌صورت محلی اجرا شود.
مارک بروکر، مهندس ممتاز آمازون، این پروژه را پس از دیدن مدل Jev شرکت TypeSafe و تلاش برای ساخت نسخه‌ی شخصی خود از آن آغاز کرد. پروژه‌ی خانگی او به اندازه‌ای موفق بود که برای مدتی به صدر رتبه‌بندی Jevbench برای مدل‌های هم‌اندازه‌ی خود رسید؛ پس از آن مهندسان آمازون آن را پاک‌سازی کردند و زیرمجموعه Strands Labs — سازمانی که ابزارها و پروتکل‌های جدید برای استقرار ایجنت‌های هوش مصنوعی توسعه می‌دهد — منتشرش کردند.
بروکر به TechCrunch گفته است نیاز به ابزاری مانند این از گفت‌وگو با مشتریان AWS سرچشمه گرفت؛ مشتریانی که جریان‌های کاری ایجنتی‌شان همیشه به توانایی یا هزینه‌ی یک LLM تمام‌عیار نیاز نداشتند. Strands Decider 2B بر پایه‌ی بدنه‌ی یک مدل زبانی ساخته شده — در این مورد Qwen3.5-2B — اما به‌جای تولید متن، انتخاب‌های کالیبره‌شده ارائه می‌دهد.
مدل Jev شرکت TypeSafe نام خود را از ویلیام استنلی جیونز، اقتصاددان، گرفته است؛ با هدف یادآوری نظریه‌ی او که کاهش هزینه‌ی چیزی — مانند هوش ماشینی — می‌تواند تقاضا برای آن را افزایش دهد. ده‌ها مدل مشابه از زمان معرفی ایده‌ی TypeSafe توسط پژوهشگران ساخته شده‌اند.
خوانش تحریریه#
انتشار Strands Decider 2B از چند جهت برای کسانی که ایجنت و اتوماسیون می‌سازند قابل‌توجه است. اول، مدل بر پایه Qwen3.5-2B ساخته شده و متن‌باز است؛ یعنی می‌توان بدون وابستگی به API و بدون هزینه‌ی توکن، یک لایه‌ی تصمیم‌گیر ارزان و سریع در جریان کاری خود قرار داد. دوم، اینکه این مدل در رتبه‌بندی Jevbench به صدر رسیده، سیگنال می‌دهد که رقابت در این دسته‌ی مدل‌ها جدی شده و صرفاً یک پروژه‌ی جانبی نیست.
اما نکته‌ی مهم‌تر این است که دیوگو آلמידا، مدیرعامل TypeSafe، گفته هنوز رقیب واقعی نمی‌بیند و مدل‌های فعلی بیشتر شبیه پیاده‌سازی یک معماری جذاب توسط آدم‌های ML هستند تا تیم‌هایی که عمیقاً روی هوشمندسازی متمرکز شده‌اند. این یعنی اگرچه مدل‌ها زیاد شده‌اند، هنوز مسئله‌ی سخت — یعنی حفظ توانایی‌های عمومی مدل زبانی پایه هنگام بهینه‌سازی برای تصمیم‌گیری دقیق — حل‌نشده باقی است. بروکر هم همین را تأیید می‌کند: تعادل ظریفی بین دقت، کالیبراسیون و حفظ دانش عمومی وجود دارد که هنوز به‌خوبی به دست نیامده.
برای کسی که همین حالا ایجنت می‌سازد، Strands Decider 2B یک ابزار عملی برای مرحله‌ی «انتخاب گام بعدی» است، نه جایگزین مدل زبانی اصلی. و اینکه هزینه‌ی ساخت مدل‌های مشابه در حد صدها یا هزاران دلار است، یعنی این فضا به‌سرعت پرخواهد شد — اما پر شدن فضا لزوماً به معنای حل مسئله نیست.
منبع: TechCrunch AI
دیدگاه‌ها
برای گذاشتن دیدگاه وارد شو
دیدگاه‌ها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.