Amazon Web Services выпустила открытую модель принятия решений, вдохновлённую Jev от TypeSafe, потому что ничто так не говорит об инновациях, как подсмотреть чужую домашку и решить сделать свою версию. Strands Decider 2B, выпущенная на той же неделе, когда OpenAI анонсировала подозрительно похожее предложение, обещает быть высокоскоростным и недорогим способом выбирать между заранее определёнными вариантами — по сути, машиной для множественного выбора, которая сообщает, насколько она уверена в своём ответе. Проект полностью открыт, доступен уже сейчас и достаточно мал, чтобы работать локально, что на техническом жаргоне означает «вам не нужен дата-центр, чтобы этим пользоваться».

Проект начался, когда выдающийся инженер Amazon Марк Брукер увидел Jev и подумал: «Я мог бы такое построить». Оказалось, мог — самодельная версия ненадолго заняла первое место в рейтинге Jevbench среди моделей своего размера, что похоже на участие в конкурсе, где трофей за участие на самом деле что-то значит. Затем инженеры Amazon причесали её и выпустили через Strands Labs — организацию компании по разработке новых инструментов развёртывания ИИ-агентов.

Брукер говорит, что потребность возникла из разговоров с клиентами AWS, чьи агентные рабочие процессы не всегда требовали возможностей или стоимости полнофункциональной LLM. «Изначально меня заинтересовал этот класс моделей тем, что они идеально подходят на роль решателя для шага рабочего процесса — “что мне делать дальше, исходя из того, где я нахожусь?”» — сказал он TechCrunch. Он добавил, что это даёт клиентам шаг рабочего процесса, более надёжный благодаря оценкам уверенности и закрытому домену ответов, с меньшей задержкой и потенциально меньшей стоимостью. Иными словами: иногда нужен просто регулировщик, а не философ.

Как и другие модели принятия решений, Strands Decider построена на «торсе» LLM — конкретно на Qen3.5-2B — но вместо генерации текста выдаёт калиброванные варианты выбора. TypeSafe назвала свою модель Jev в честь экономиста Уильяма Стэнли Джевонса, ссылаясь на его теорию о том, что падение издержек может увеличивать спрос. Потому что ничто так не говорит об «ИИ-революции», как назвать продукт в честь экономиста XIX века.

То, что с момента дебюта идеи TypeSafe появились десятки похожих моделей, показывает широкий интерес, но также поднимает вопрос, насколько они могут быть ценными. Брукер предполагает, что задача — оптимизировать быстрое принятие решений, не жертвуя интеллектом. «Здесь нужно найти очень тонкий баланс: вы хотите повысить её точность и калибровку на таких задачах, не ухудшая её работу с разными языками и не лишая её тех знаний, которые делают её универсальной, интересной и полезной», — сказал он. Итак, цель — сделать модель одновременно быстрой и умной — сочетание, которое исторически ускользало и от ИИ, и от людей.

Тем не менее Брукер не ожидает, что фронтирные лаборатории будут доминировать в этой нише, особенно учитывая, что стоимость создания чего-то интересного составляет лишь сотни или тысячи долларов. Со своей стороны, руководители TypeSafe говорят, что не поднимают головы и улучшают будущие модели. «Я понимаю, что люди думают, будто это золотая лихорадка, но они могут недооценивать сложность того, чтобы сделать модели действительно умными», — сказал TechCrunch генеральный директор и основатель Диогу Алмейда, добавив, что пока не видит реальной конкуренции. «Текущая партия больше похожа на ML-специалистов, желающих реализовать крутую архитектуру, чем на команду, глубоко преданную тому, чтобы сделать интеллект полезным». Что является вежливым способом сказать: неплохая попытка, но позвоните нам, когда действительно что-то построите.