据 Strands Agents 官方博客发布的消息，亚马逊在一项实践中用 Strands Decider 替换了此前使用的 Sonnet 4.6，并由此节省了数百万美元成本。该说法来自博客文章标题，文章将这次替换描述为一次围绕成本展开的调整；但公开可见的标题信息中没有给出节省金额的统计范围、涉及的调用规模以及替换发生的时间区间。
对 AI 从业者来说，这条消息的关键不在于某一个数字，而在于它呈现出一条路径：把通用大模型承担的某类决策或调度环节，交给更专用的组件处理，从而在流程继续运转的同时压缩推理开销。过去一段时间，模型调用成本一直是 Agent 与自动化系统落地的主要负担之一；“哪一层必须用大模型、哪一层可以用更轻的方案”正成为工程团队反复权衡的问题。如果亚马逊能在生产环境中完成这类替换，并取得可观的成本下降，就说明部分环节对通用模型的依赖并非不可替代。
需要说明的是，目前公开的信息仅为博客层面的自述，缺少可复核的基准、对比条件以及对失败情形的讨论。“数百万美元”究竟来自单价差异、调用量削减还是流程重构，尚无法从现有信息判断。建议关注原文披露的评估方法与适用范围，再评估这一做法对自身业务的可迁移性。