1 октября 2026 г.
ИИ-агент спрашивает город вместо догадки: Strands Decider проверяет вызов инструмента
Модель Amazon выбирает из заданных вариантов и оценивает действия, а код и ответы для чата не пишет.
В примере Strands Agents от 1 октября Decider проверяет 2 условия перед запросом погоды. Агент уточняет город у пользователя вместо догадки.
Amazon выпустила Strands Decider 2B для отдельных решений внутри ИИ-агента. Вместо генерации ответа модель выбирает вариант или выставляет оценку. Вендор исключает написание кода, чат-ботов и суммаризацию из подходящих задач.
В примере перед `get_weather` модель проверяет, подтвердил ли пользователь аргументы и не преждевременен ли вызов. Для приложения это проверка конкретного шага, например обращения к инструменту.
Как запустить модель
Первый запрос. Пакет устанавливается командой `pip install strands-decider`. Пример из README направляет обращение о выплатах в один из заданных отделов:
```bash strands-decider ask StrandsAgents/strands-decider-2B-hobson-v19 --state "Help! My payouts have been failing for 3 days!" --choice "Which team should handle this?=billing,sales,retail" ```
При первом запуске пакет отдельно скачивает базовую Qwen/Qwen3.5-2B-Base объёмом 4,5 ГБ: checkpoint Decider не содержит базовых весов. Флаг `--device` выбирает `cuda`, `mps` или `cpu`. Без него пакет выбирает устройство автоматически.
CLI поддерживает три типа вопросов:
- `choice`; - `noul`; - `score`.
Их можно объединить в одном запросе, загрузив общий текст один раз. Для подключения к приложению предусмотрен HTTP-сервер:
```bash strands-decider serve StrandsAgents/strands-decider-2B-hobson-v19 --port 8000 ```
Сервер принимает запросы через `POST /v1/systemone`. Веса v19 опубликованы на Hugging Face под Apache-2.0.
Какие результаты получила команда
Задержка на практике. По замерам команды на 1 октября, половина запросов к v19 на RTX 3090 укладывается в 115 мс, а 95% запросов — в 299 мс. На M3 Pro прогретые запросы короче 300 токенов занимают 153 мс.
В собственном замере на JevBench вендор получил 167 правильных ответов из 231, то есть 72,3%. Модель работает с окном 4096 токенов.
Для воспроизведения обучения команда предусмотрела `training/recipe.sh all`. По README от 1 октября, обучение занимает около 11 часов на одной RTX 3090 с 24 ГиБ памяти или 1 час 10 минут на 8 H100.
В примере Strands Agents отдельная модель принимает решение о вызове инструмента внутри агента.
Первоисточник