अमेज़न वेब सर्विसेज़ ने TypeSafe के Jev से प्रेरित एक ओपन-सोर्स डिसीज़न मॉडल जारी किया है, क्योंकि इनोवेशन का इससे बेहतर उदाहरण और क्या होगा कि आप किसी और का होमवर्क देखें और फिर अपना वर्ज़न बनाने का फैसला कर लें। Strands Decider 2B, जो उसी हफ्ते रिलीज़ हुआ जब OpenAI ने संदिग्ध रूप से मिलता-जुलता ऑफरिंग का ऐलान किया, पहले से तय विकल्पों के बीच चुनाव करने का हाई-स्पीड, लो-कॉस्ट तरीका होने का वादा करता है - यानी असल में एक मल्टीपल-चॉइस मशीन जो बताती है कि उसे अपने जवाब पर कितना भरोसा है। यह पूरी तरह ओपन-सोर्स है, अभी उपलब्ध है, और इतना छोटा है कि लोकली चलाया जा सकता है, जिसका टेक-भाषा में मतलब है "इसे इस्तेमाल करने के लिए डेटा सेंटर की ज़रूरत नहीं।"

यह प्रोजेक्ट तब शुरू हुआ जब अमेज़न के डिस्टिंग्विश्ड इंजीनियर मार्क ब्रूकर ने Jev देखा और सोचा, "मैं भी यह बना सकता हूं।" निकला कि वह बना भी सकते थे - घर का बना वर्ज़न अपने साइज़ के मॉडल्स के लिए Jevbench रैंकिंग में संक्षेप में टॉप पर पहुंच गया, जो ऐसा है जैसे पार्टिसिपेशन ट्रॉफी जीतना जिसका असल में कुछ मतलब हो। फिर अमेज़न के इंजीनियर्स ने इसे साफ-सुथरा किया और Strands Labs के ज़रिए रिलीज़ किया, जो कंपनी का नए AI एजेंट डिप्लॉयमेंट टूल्स विकसित करने वाला संगठन है।

ब्रूकर कहते हैं कि यह ज़रूरत AWS ग्राहकों के साथ बातचीत से उभरी, जिनके एजेंटिक वर्कफ़्लोज़ को हमेशा पूरी तरह सुसज्जित LLM की क्षमता या लागत की ज़रूरत नहीं होती। टेकक्रंच से बात करते हुए उन्होंने कहा, "इस श्रेणी के मॉडल्स में मेरी दिलचस्पी मूल रूप से इसलिए जगी क्योंकि ये वर्कफ़्लो स्टेप के लिए एक परफेक्ट डिसाइडर बनाते हैं - 'मैं यहां कहां हूं, इसके आधार पर मेरा अगला काम क्या है?'" उन्होंने जोड़ा कि यह ग्राहकों को एक वर्कफ़्लो स्टेप देता है जो कॉन्फिडेंस स्कोर और जवाबों के बंद डोमेन की वजह से ज़्यादा भरोसेमंद है, साथ ही कम लेटेंसी और संभवतः कम लागत के साथ। दूसरे शब्दों में: कभी-कभी आपको बस एक ट्रैफिक पुलिस चाहिए, दार्शनिक नहीं।

अन्य डिसीज़न मॉडल्स की तरह, Strands Decider भी एक LLM के "टोर्सो" पर बना है - विशेष रूप से Qen3.5-2B - लेकिन टेक्स्ट जनरेट करने के बजाय, यह कैलिब्रेटेड विकल्प देता है। TypeSafe ने अपने मॉडल का नाम अर्थशास्त्री विलियम स्टेनली जेवन्स के नाम पर Jev रखा, उनके इस सिद्धांत का हवाला देते हुए कि गिरती लागतें मांग बढ़ा सकती हैं। क्योंकि "AI क्रांति" का इससे बेहतर परिचय और क्या होगा कि आप अपने प्रोडक्ट का नाम 19वीं सदी के अर्थशास्त्री पर रख दें।

तथ्य यह है कि TypeSafe के अपने विचार को पेश करने के बाद से दर्जनों समान मॉडल्स उभरे हैं, यह व्यापक रुचि दिखाता है, लेकिन यह सवाल भी उठाता है कि ये कितने मूल्यवान हो सकते हैं। ब्रूकर सुझाव देते हैं कि चुनौती बुद्धिमत्ता से समझौता किए बिना तेज़ निर्णय-क्षमता को अनुकूलित करना है। उन्होंने कहा, "एक बहुत सावधान संतुलन खोजना होता है जहां आप इन तरह के कार्यों पर सटीकता और कैलिब्रेशन में इसके प्रदर्शन को आगे बढ़ाना चाहते हैं, बिना विभिन्न भाषाओं को समझने, इसके ज्ञान जैसी चीज़ों में प्रदर्शन को खराब किए, जो इसे जनरल-पर्पस, दिलचस्प और उपयोगी बनाता है।" तो, लक्ष्य है एक ऐसा मॉडल बनाना जो तेज़ भी हो और स्मार्ट भी - ऐसा संयोजन जो ऐतिहासिक रूप से AI और इंसानों दोनों से ही दूर रहा है।

फिर भी, ब्रूकर को उम्मीद नहीं है कि फ्रंटियर लैब्स इस स्पेस पर राज करेंगी, खासकर जब कुछ दिलचस्प बनाने की लागत केवल सैकड़ों या हज़ारों डॉलर में है। अपनी ओर से, TypeSafe के अधिकारी कहते हैं कि वे सिर झुकाए अपने भविष्य के मॉडल्स को बेहतर कर रहे हैं। CEO और संस्थापक डियोगो अल्मेडा ने टेकक्रंच को बताया, "मैं समझता हूं कि लोग इसे गोल्ड रश मानते हैं, लेकिन वे शायद मॉडल्स को वाकई स्मार्ट बनाने की कठिनाई को कम आंक रहे हैं," और उन्होंने जोड़ा कि उन्हें अभी असली प्रतिस्पर्धा उभरती नहीं दिख रही। "मौजूदा बैच ऐसा लगता है जैसे ML के लोग एक कूल आर्किटेक्चर लागू करना चाहते हैं, बजाय एक ऐसी टीम के जो बुद्धिमत्ता को उपयोगी बनाने के लिए गहराई से समर्पित हो।" जो शिष्ट तरीके से कहने का मतलब है: अच्छी कोशिश, लेकिन जब असल में कुछ बना लो तो हमें कॉल करना।