A Amazon Web Services lançou um modelo de decisão de código aberto inspirado no Jev da TypeSafe, porque nada diz inovação como olhar o dever de casa dos outros e decidir fazer sua própria versão. O Strands Decider 2B, lançado na mesma semana em que a OpenAI anunciou uma oferta suspeitosamente similar, promete ser uma maneira rápida e de baixo custo de escolher entre opções pré-definidas — essencialmente uma máquina de múltipla escolha que diz o quão confiante está na sua resposta. É totalmente de código aberto, disponível agora, e pequeno o suficiente para rodar localmente, o que em tecniquês significa "você não precisa de um data center para usá-lo".

O projeto começou quando o engenheiro distinto da Amazon, Marc Brooker, viu o Jev e pensou: "Eu poderia construir isso." Acontece que ele podia — a versão caseira chegou brevemente ao topo do ranking Jevbench para modelos do seu tamanho, o que é como ganhar um troféu de participação que realmente significa algo. Engenheiros da Amazon então o limparam e o lançaram através do Strands Labs, a organização da empresa para desenvolver novas ferramentas de implantação de agentes de IA.

Brooker diz que a necessidade surgiu de conversas com clientes da AWS cujos fluxos de trabalho agênticos nem sempre exigiam a capacidade ou o custo de um LLM completo. "O que originalmente despertou meu interesse nessa classe de modelos foi que eles são um decisor perfeito para uma etapa do fluxo de trabalho — 'qual é a próxima coisa para eu fazer aqui, com base em onde estou?'" ele disse ao TechCrunch. Ele acrescentou que oferece aos clientes uma etapa de fluxo de trabalho mais confiável graças a pontuações de confiança e um domínio fechado de respostas, com menor latência e custo potencialmente menor. Em outras palavras: às vezes você só precisa de um guarda de trânsito, não de um filósofo.

Como outros modelos de decisão, o Strands Decider é construído sobre o "torso" de um LLM — especificamente o Qen3.5-2B — mas em vez de gerar texto, ele entrega escolhas calibradas. A TypeSafe nomeou seu modelo Jev em homenagem ao economista William Stanley Jevons, invocando sua teoria de que custos decrescentes podem aumentar a demanda. Porque nada diz "revolução da IA" como nomear seu produto em homenagem a um economista do século XIX.

O fato de que dúzias de modelos similares surgiram desde que a TypeSafe estreou sua ideia mostra amplo interesse, mas também levanta a questão de quão valiosos eles podem ser. Brooker sugere que o desafio é otimizar a tomada de decisão rápida sem comprometer a inteligência. "Há um equilíbrio muito cuidadoso a ser encontrado onde você quer impulsionar seu desempenho em precisão e calibração nesses tipos de tarefas, sem degradar seu desempenho em entender diferentes idiomas, em ter o tipo de conhecimento que possui, que é o que o torna de propósito geral e interessante e útil", ele disse. Então, o objetivo é fazer um modelo que seja tanto rápido quanto inteligente — uma combinação que historicamente tem escapado tanto da IA quanto dos humanos.

Ainda assim, Brooker não espera que laboratórios de fronteira dominem o espaço, especialmente porque o custo para construir algo interessante é de apenas centenas ou milhares de dólares. Por sua parte, executivos da TypeSafe dizem que estão mantendo a cabeça baixa e melhorando modelos futuros. "Eu entendo que as pessoas acham que é uma corrida do ouro, mas elas podem estar subestimando a dificuldade de tornar os modelos realmente inteligentes", disse o CEO e fundador Diogo Almeida ao TechCrunch, acrescentando que ele não via competição real emergindo ainda. "O lote atual parece mais pessoas de ML querendo implementar uma arquitetura legal do que uma equipe profundamente dedicada a tornar a inteligência útil." O que é uma maneira educada de dizer: boa tentativa, mas nos ligue quando você tiver realmente construído algo.