Strands Decider 2B: a small, open-source, decision model

Earlier this year, strands-labs announced a platform for experimenting with agentic AI. Today, they're introducing Strands Decider 2B, a small open source decision model optimized for fast experimentation, local development, and innovation. This model belongs to a new class called 'decision models' or 'system one models', which pick between sets of options and assign numerical scores rather than generating arbitrary output like LLMs. Unlike LLMs, decision models are faster, more capable at a given size, always produce answers from selected options, and run with very low latency.

However, they're worse at complex problems and lack text generation ability. Strands Decider 2B is a 2 billion parameter model that returns answers in tens of milliseconds. It's ranked 3rd of 33 in the 2B class for accuracy and 1st of 30 (excluding just-over-2B models) for calibration.

The model uses a pre-trained LLM torso (Qwen3.5-2B) with a pointer head scoring answers against option positions. It's released open source on GitHub with weights on Hugging Face, including training data and scripts.

في مبكر هذا العام، أعلنت strands-labs عن منصة تجريبية للذكاء الاصطناعي Agent. اليوم، يقدمون Strands Decider 2B، نموذج قرار صغير مفتوحultiple مُحسّن للتجربة السريعة، والتطوير محلي، والابتكار. ينتمي هذا النموذج إلى فئة جديدة تسمى ' Naval models' أو 'models Naval systems'، التي تختار بين مجموعات من الخيارات وتُعيّن درجات عددية بدلاً من إخراج نصوص عشوائية مثل النماذج الكبيرة. على عكس النماذج الكبيرة، نماذج القرار أسرع، وأكثر قدرة حجمًا، وتنتج دائمًا إجابات من الخيارات المحددة، وتعمل بتأخير منخفض جدًا. مع ذلك، هي أسوأ فيالمشكلات المعقدة وتفتقر إلى القدرة على توليد النص. Strands Decider 2B هو نموذذ بـ 2 مليار معلمة يُعيد الإجابة في بضعة مللي ثانية. يُصنف في المرتبة الثالثة من 33 في فئة 2B من حيث الدقة، وال الأول من 30 (باستثناء النماذج التي تجاوزت 2B قليلاً) من حيث Calibration. يستخدم النموذل جسمًا مُدربًا مسبقًا (Qwen3.5-2B) مع رأس إشارة تُقيس الإجابات ضد مiaux الخيار. تم إصداره مفتوحultiple على GitHub مع الأوزان على Hugging Face، بما في ذلك البيانات التدريبية والscripts.

এ বছরের গোড়াপাতে, strands-labs একটি এজেন্ট আইএ পরীক্ষার প্লাটফরম ঘোষণা করে। আজ, তারা Strands Decider 2B চালু করছে, একটি ছোট ওপেন সোর্স ডিসিশন মডেল যা দ্রুত পরীক্ষা, স্থানীয় উন্নয়ন এবং উদভাবনার জন্য অনুকূলিত। এই মডেলটি 'ডিসিশন মডেল' বা 'সিস্টেম ওয়ান মডেল' নামক একটি নতুন শ্রেণীর অংশ, যেগুলো বিকল্পের সেটগুলোর মধ্যে বেছে নেয় এবং অনিয়ন্ত্রিত আউটপুট তৈরির পরিবর্তে সংখ্যামূলক স্কোর বরাদ্দ করে। এলএলএমের পরিবর্তে, ডিসিশন মডেলগুলো দ্রুত, দেওয়া আকারে অধিক ক্ষমতাসম্পন্ন, সবসময় বেছে নেওয়া বিকল্পগুলোর মধ্যে উত্তর তৈরি করে এবং খুব কম লেটেন্সির সাথে কাজ করে। তবে, এগুলো জটিল সমস্যায় খারাপ এবং টেক্সট তৈরির ক্ষমতা নেই। Strands Decider 2B হল 2 বিলিয়ন প্যারামিটারের একটি মডেল যা কয়েকটি মিলিসেকেনের মধ্যে উত্তর দেয়। এটি 2B শ্রেণীর 33টির মধ্যে সঠিকতার ক্ষেত্রে 3য় স্থানে এবং 30টির মধ্যে (2B এর কাছাকাছি মডেলগুলো বাদ দিয়ে) ক্যালিব্রেশনের ক্ষেত্রে 1ম স্থানে রয়েছে। মডেলটি একটি প্রশিক্ষিত এলএলএম টরসো (Qwen3.5-2B) ব্যবহার করে যার একটি পয়েন্টার হেড আছে যা বিকল্প অবস্থানগুলোর বিরুদ্ধে উত্তরগুলোকে স্কোর করে। এটি গিটহবে ওপেন সোর্স হিসেবে প্রকাশ করা হয়েছে, হাগিং ফেসে ওয়েটস আছে, শিক্ষাডাতা এবং স্ক্রিপ্ট অন্তর্ভুক্ত আছে।

Anfang dieses Jahres kündigte strands-labs eine Plattform für Experimente mit agentenbasiertem KI an. Heute führen sie Strands Decider 2B ein, ein kleines Open-Source-Entscheidungsmodell, das für schnelle Experimente,lokale Entwicklung und Innovation optimiert ist. Dieses Modell gehört zu einer neuen Klasse namens 'Entscheidungsmodule' oder 'System-Entscheidungsmodule', die zwischen Sets von Optionen wählen und numerische Bewertungen zuweisen, anstatt willkürliche Ausgaben wie LLMs zu erzeugen.

Im Gegensatz zu LLMs sind Entscheidungsmodule schneller, fähiger bei einer bestimmten Größe, erzeugen immer Ausgaben aus ausgewählten Optionen und laufen mit sehr niedriger Latenz. Sie sind jedoch schlechter bei komplexen Problemen und besitzen keine Textgenerierungsfähigkeit. Strands Decider 2B ist ein Modell mit 2 Milliarden Parametern, das Ausgaben in Zehnteln von Millisekunden zurückgibt.

Es ist auf Platz 3 von 33 in der 2B-Klasse für Genauigkeit und Platz 1 von 30 (außerhalb von gerade über 2B Modellen) für Kalibrierung. Das Modell verwendet einen vorab trainierten LLM-Torso (Qwen3.5-2B) mit einem Zeigerkopf, der Ausgaben gegen Optionenpositionen bewertet. Es wird als Open-Source auf GitHub mit Gewichten auf Hugging Face released, einschließlich Trainingsdaten und Skripten.

A principios de este año, strands-labs anunció una plataforma para experimentar con IA agente. Hoy, presentan Strands Decider 2B, un pequeño modelo de decisión de código abierto optimizado para experimentación rápida, desarrollo local e innovación. Este modelo pertenece a una nueva clase llamada 'modelos de decisión' o 'modelos de sistema uno', que eligen entre conjuntos de opciones y asignan puntuaciones numéricas en lugar de salida arbitraria como los LLMs. A diferencia de los LLMs, los modelos de decisión son más rápidos, más capaces a un tamaño dado, siempre producen respuestas de opciones seleccionadas y funcionan con muy baja latencia.

Sin embargo, son peores en problemas complejos y carecen de capacidad de generación de texto. Strands Decider 2B es un modelo de 2 mil millones de parámetros que responde en decenas de milisegundos. Está clasificado en el puesto 3 de 33 en la clase de 2B para precisión y 1º de 30 (excluyendo modelos justo sobre 2B) para calibración.

El modelo utiliza un torso LLM preentrenado (Qwen3.5-2B) con una cabeza de puntero que puntúa respuestas contra posiciones de opciones. Se lanza en código abierto en GitHub con pesos en Hugging Face, incluyendo datos de entrenamiento y scripts.

Début cette année, strands-labs a annoncé une plateforme pour expérimenter l'IA agent. Aujourd'hui, ils introduisent Strands Decider 2B, un petit modèle de décision open source optimisé pour l'expérimentation rapide, le développement local et l'innovation. Ce modèle appartient à une nouvelle classe appelée 'modèles de décision' ou 'modèles système un', qui choisissent entre des ensembles d'options et attribuent des scores numériques plutôt que de générer une sortie arbitraire comme les LLM.

Contrairement aux LLM, les modèles de décision sont plus rapides, plus capables à une taille donnée, produisent toujours des réponses à partir d'options sélectionnées, et fonctionnent avec très faible latence. Cependant, ils sont moins bons sur les problèmes complexes et manquent de capacité de génération de texte. Strands Decider 2B est un modèle de 2 milliards de paramètres qui renvoie des réponses en quelques dizaines de millisecondes.

Il est classé 3e sur 33 dans la classe 2B pour la précision et 1er sur 30 (en excluant les modèles juste au-dessus de 2B) pour la calibration. Le modèle utilise un torse LLM pré-entraîné (Qwen3.5-2B) avec une tête de pointeur qui score les réponses contre les positions d'options. Il est publié open source sur GitHub avec des poids sur Hugging Face, incluant les données d'entraînement et les scripts.

इस वर्ष की शुरुआत में, strands-labs ने एजेंट आईए के साथ प्रयोग करने के लिए एक प्लेटफार्म की घोषणा की। आज, वे Strands Decider 2B पेश कर रहे हैं, एक छोटा ओपन सोर्स डिसीजन मॉडल जो तेज प्रयोग, स्थानीय विकास और नवाचार के लिए अनुकूलित है। यह मॉडल एक नई क्लास में आता है जिसे 'डिसीजन मॉडल्स' या 'सिस्टम वन मॉडल्स' कहा जाता है, जो विकल्पों के सेटों के बीच चुनाव करते हैं और अनिर्धारित आउटपुट जनरेट करने के बजाय संख्यात्मक स्कोर असाइन करते हैं। एलएलएम के विपरीत, डिसीजन मॉडल तेज होते हैं, दिए गए आकार में अधिक क्षमता वाले होते हैं, हमेशा चुने गए विकल्पों से उत्तर देते हैं, और बहुत कम लेटेंसी के साथ कार्य करते हैं। हालांकि, वे जटिल समस्याओं में खराब प्रदर्शन करते हैं और टेक्स्ट जनरेशन की क्षमता नहीं होती। Strands Decider 2B एक 2 बिलियन पैरामीटर का मॉडल है जो कई मिलीसेकंड में उत्तर देता है। यह 2बी क्लास में 33 में से सटीकता में 3वें स्थान पर है और कैलिब्रेशन में 30 में से पहले स्थान पर है (बस 2बी से अधिक मॉडलों को छोड़कर)। इस मॉडल में एक प्रशिक्षित एलएलएम टॉर्सो (क्वेन 3.5-2B) है जिसमें विकल्प स्थितियों के खिलाफ उत्तरों को स्कोर करने वाला एक पॉइंटर हेड है। इसे गिटहब पर ओपन सोर्स के रूप में जारी किया गया है, हगिंग फेस पर वेट्स के साथ, शिक्षण डेटा और स्क्रिप्ट शामिल हैं।

Awal tahun ini, strands-labs mengumumkan platform untuk bereksperimen dengan AI agen. Hari ini, mereka memperkenalkan Strands Decider 2B, model keputusan kecil open source yang dioptimalkan untuk eksperimen cepat, pengembangan lokal, dan inovasi. Model ini milik kelas baru yang disebut 'model keputusan' atau 'model sistem satu', yang memilih antara kumpulan opsi dan memberikan skor numerik daripada menghasilkan output acak seperti LLM.

Berbeda dengan LLM, model keputusan lebih cepat, lebih mampu pada ukuran tertentu, selalu menghasilkan jawaban dari opsi yang dipilih, dan berjalan dengan latensi sangat rendah. Namun,他们 kurang pada masalah kompleks dan kekurangan kemampuan generate teks. Strands Decider 2B adalah model dengan 2 miliar parameter yang mengembalikan jawaban dalam hitungan puluh milidetik.

Peringkat ke-3 dari 33 di kelas 2B untuk akurasi dan ke-1 dari 30 (kecuali model baru saja melewati 2B) untuk kalibrasi. Model menggunakan torso LLM yang dilatih sebelumnya (Qwen3.5-2B) dengan kepala penunjuk yang skor jawaban terhadap posisi opsi. Dirilis open source di GitHub dengan berat di Hugging Face, termasuk data pelatihan dan skrip.

今年の早々に、strands-labsはエージェントAIの実験用プラットフォームを発表しました。今日、他们是Strands Decider 2Bを導入しました。これは、高速実験、ローカル開発、イノベーション用に最適化された小型のオープンソース判断モデルです。このモデルは、「判断モデル」または「システム一モデル」と呼ばれる新しいクラスに属し、LLMのように任意の出力を生成する代わり、オプションのセットから選択し、数値スコアを割り当てます。LLMと異なり、判断モデルは高速で、与えられたサイズではより-capableで、選択されたオプションから常に回答を生成し、非常に遅延が低く動作します。しかし、複雑な問題では悪く、テキスト生成能力がありません。Strands Decider 2Bは、数ミリ秒で回答を返す20億パラメータのモデルです。2Bクラスの33個中、精度で3位、30個中（少し2Bを超えるモデルを除いて）キャリブレーションで1位にランクインしています。このモデルは、オプション位置に対して回答をスコアリングするポINTERヘッド付きの事前訓練されたLLMトロス（Qwen3.5-2B）を使用しています。これはGitHubでオープンソースとしてリリースされ、Hugging Faceに重み、訓練データとスクリプトが含まれています。

Mais cedo este ano, strands-labs anunciou uma plataforma para experimentar IA agent. Hoje, eles estão introduzindo o Strands Decider 2B, um pequeno modelo de decisão open source otimizado para experimentação rápida, desenvolvimento local e inovação. Este modelo pertence a uma nova classe chamada 'modelos de decisão' ou 'modelos sistema um', que escolhem entre conjuntos de opções e atribuem pontuações numéricas em vez de gerar saídas arbitrárias como os LLMs. Ao contrário dos LLMs, os modelos de decisão são mais rápidos, mais capazes em um tamanho dado, sempre produzem respostas a partir de opções selecionadas e funcionam com muito baixa latência.

No entanto, eles são piores em problemas complexos e carecem de capacidade de geração de texto. Strands Decider 2B é um modelo de 2 bilhões de parâmetros que retorna respostas em dezenas de milissegundos. Ele está classificado em 3º lugar entre 33 na classe 2B para precisão e 1º entre 30 (excluindo modelos acabados de ultrapassar 2B) para calibração.

O modelo utiliza um torso LLM pré-treinado (Qwen3.5-2B) com uma cabeça de pontuação que pontua respostas contra posições de opções. É lançado open source no GitHub com pesos no Hugging Face, incluindo dados de treinamento e scripts.

В начале этого года strands-labs анонсировала платформу для экспериментов с агентным ИИ. Сегодня они представляют Strands Decider 2B, небольшую открытую модель решений, оптимизированную для быстрого экспериментирования, локальной разработки и инноваций. Эта модель принадлежит к новому классу, называемому «модели решений» или «модели системы один», которые выбирают между наборами вариантов и присваивают числовые оценки, а не генерируют произвольный вывод, как LLM. В отличие от LLM, модели решений быстрее, более способны при заданном размере, всегда производят ответы из выбранных вариантов и работают с очень низкой задержкой. Однако они хуже справляются со сложными проблемами и не обладают способностью генерировать текст. Strands Decider 2B — это модель с 2 миллиардами параметров, которая возвращает ответы за десятки миллисекунд. Она занимает 3-е место из 33 в классе 2B по точности и 1-е место из 30 (исключая модели чуть больше 2B) по калибровке. Модель использует предобученный корпус LLM (Qwen3.5-2B) с головкой-указателем, оценивающей ответы против позиций вариантов. Она выпущена с открытым кодом на GitHub с весами на Hugging Face, включая обучающие данные и скрипты.

今年早些时候，strands-labs 宣布了一个用于实验性代理人工智能的平台。今天，他们推出了 Strands Decider 2B，这是一款小型开源决策模型，专为快速实验、本地开发和创新而优化。该模型属于一个新类别，称为“决策模型”或“系统一模型”，它们在选项集合之间进行选择并分配数值评分，而不是像大语言模型那样生成任意输出。与大语言模型不同，决策模型速度更快，在给定尺寸下能力更强，始终从选定选项中生成答案，并以极低延迟运行。然而，它们在复杂问题上表现较差，且缺乏文本生成能力。Strands Decider 2B 是一个拥有20亿参数的模型，能在数十毫秒内返回答案。在20亿参数类别中，它在33个模型中准确率排名第3，在30个模型中（排除略超20亿参数的模型）校准能力排名第1。该模型使用预训练的大语言模型主干（Qwen3.5-2B）与一个指针头，对选项位置进行评分。它在 GitHub 上以开源形式发布，权重在 Hugging Face 上提供，包括训练数据和脚本。