Strands 在其官方博客上线了一款名为 Strands Decider 2B 的模型（https://strandsagents.com/blog/introducing-strands-decider/）。按公布信息，这是一个体量较小、以开源形式发布的“决策模型”（decision model）。目前官方博客是了解该模型细节的主要来源。
为什么值得关注
在当前的智能体（agent）技术栈中，通用大模型通常负责理解与生成，而“下一步该做什么”——调用哪个工具、是否继续、何时终止——往往由提示词、规则代码或额外的模型调用承担。把这一层单独抽象为模型，是近期 agent 架构演进中较为常见的一条思路：让主模型专注语言能力，把控制与决策交给更小、更快、更专一的组件。
Decider 2B 的两个标签因此具有指向性。其一是“小”：按命名惯例，2B 通常对应 20 亿参数级别的规模，这类模型在推理延迟、调用成本和本地部署上比通用大模型更有优势，适合放在需要高频、低开销判断的循环中。其二是“开源”：决策逻辑直接影响 agent 的可控性与可审计性，权重与实现开放之后，团队可以自行评测、微调甚至私有化部署，而不必把关键的控制环节完全交给不可见的黑箱。
需要说明的是，除官方博客外，目前尚无可核实的评测数据、许可条款与训练细节公开，该模型在工具选择、流程终止等具体决策任务上的准确率与泛化能力，以及与现有 agent 框架的集成方式，都还有待验证。对正在构建 agent 系统的团队而言，值得跟进的方向是它能否在真实链路中稳定承担决策职责，以及是否提供可复现的基准与清晰的开放许可。