Amazon випускає власний клон Jev, оскільки моделі прийняття рішень заполонили мережу
Amazon Web Services випустила модель прийняття рішень з відкритим кодом, натхненну Jev від TypeSafe , при цьому розробники штучного інтелекту все частіше шукають інтелект, який більше підходить для комп'ютерної автоматизації, ніж для передових LLM.
Amazon Strands Decider 2B, випущений того ж тижня, коли OpenAI анонсував аналогічну пропозицію , — це високошвидкісний та недорогий спосіб сортування між заздалегідь визначеними варіантами та визначення того, наскільки впевнений користувач у своєму виборі. Модель має повністю відкритий код, доступна вже зараз і достатньо мала для локального використання.
Видатний інженер Amazon Марк Брукер придумав цей проєкт після того, як побачив Джева та спробував створити власний варіант такої моделі. Саморобний проєкт був настільки успішним — він ненадовго досяг першого місця в рейтингу Jevbench для моделей такого розміру — що інженери Amazon допрацювали його та випустили як пропозицію від своїх Strands Labs , організації, яка розробляє нові інструменти та протоколи для розгортання агентів штучного інтелекту.
Брукер каже, що потреба в такому інструменті виникла в розмовах з клієнтами AWS, чиї агентські робочі процеси не завжди вимагали можливостей або вартості повнофункціонального LLM.
«Спочатку мій інтерес до цього класу моделей викликало те, що вони ідеально визначають етап робочого процесу — «що мені робити далі, виходячи з того, де я знаходжуся?» — розповів Брукер TechCrunch. Він сказав, що це пропонує клієнтам «етап робочого процесу, який можна структурувати надійнішим чином завдяки показникам достовірності, завдяки закритій області відповідей, [і] з меншою затримкою, потенційно нижчою вартістю».
Як і інші моделі прийняття рішень, Strands Decider побудований на «торсі» LLM, у цьому випадку Qwen3.5-2B, але замість генерації тексту він надає калібрований вибір. TypeSafe назвала свою модель Jev на честь економіста Вільяма Стенлі Джевонса, сподіваючись використати його теорію про те, що падіння вартості чогось, наприклад, комп'ютерного інтелекту, може фактично збільшити попит на нього.
Той факт, що з моменту дебюту TypeSafe зі своєю ідеєю дослідники створили десятки подібних моделей, свідчить про широкий інтерес, але також ставить питання про їхню цінність. Брукер припускає, що завдання полягатиме в оптимізації швидкого прийняття рішень моделлю без шкоди для її інтелекту.
«Потрібно знайти дуже ретельний баланс між підвищенням його продуктивності щодо точності та калібрування для виконання таких завдань, не погіршуючи його продуктивність щодо розуміння різних мов, володіння тими знаннями, які він має, що робить його універсальним, цікавим та корисним», – сказав він TechCrunch.
Однак він не обов'язково очікує, що передові лабораторії домінуватимуть у цьому просторі, особливо враховуючи, що на менших ринках вартість створення чогось цікавого становить сотні або тисячі доларів.
Зі свого боку, керівники TypeSafe кажуть, що вони не чіпають проблем та вдосконалюють майбутні моделі.
«Я розумію, що люди думають, що це золота лихоманка, але вони можуть недооцінювати складність створення справді розумних моделей», – сказав генеральний директор і засновник Діого Алмейда виданню TechCrunch, зазначивши, що наразі він не бачить реальної конкуренції для своєї компанії.
«Поточна група більше схожа на людей з машинного навчання, які хочуть впровадити класну архітектуру, ніж на команду, глибоко присвячену тому, щоб зробити інтелект корисним».