Amazon lanza un modelo de decisión de código abierto para competir con Jev

Amazon Web Services lanzó un modelo de decisión de código abierto inspirado en Jev, de TypeSafe, en un momento en que los desarrolladores de IA buscan cada vez más inteligencia adaptada a la automatización informática, en lugar de los grandes modelos de lenguaje (LLM) de frontera. El nuevo modelo, Strands Decider 2B, llegó la misma semana en que OpenAI anunció una oferta similar. Se trata de una forma rápida y de bajo costo de elegir entre un conjunto de opciones predefinidas y devolver una medida de cuán seguro está el modelo de su elección. El modelo es completamente de código abierto, ya está disponible y es lo bastante pequeño para ejecutarse de forma local.

El ingeniero distinguido de Amazon Marc Brooker ideó el proyecto después de ver Jev e intentar construir su propia versión de ese tipo de modelo. El esfuerzo artesanal tuvo tanto éxito —llegó brevemente al primer puesto en el ranking de Jevbench para modelos de su tamaño— que los ingenieros de Amazon lo refinaron y lo lanzaron a través de Strands Labs, la organización de la empresa dedicada a crear herramientas y protocolos para desplegar agentes de IA.

Brooker dijo que la necesidad de esta clase de herramienta surgió de conversaciones con clientes de AWS cuyos flujos de trabajo con agentes no siempre requerían la capacidad ni el costo de un LLM totalmente completo. Describió el modelo como un tomador de decisiones confiable para un paso de un flujo de trabajo, que ofrece menor latencia y, potencialmente, menor costo gracias a sus puntuaciones de confianza y a su dominio cerrado de respuestas. Como otros modelos de decisión, Strands Decider funciona sobre el “torso” de un modelo más grande —en este caso, Qwen3.5-2B— pero, en lugar de generar texto, entrega decisiones calibradas. TypeSafe llamó a su propio modelo Jev en honor al economista William Stanley Jevons, invocando su teoría de que la caída en el costo de algo, incluida la inteligencia computacional, puede aumentar su demanda.

La cantidad de modelos similares producidos por investigadores desde que TypeSafe presentó la idea muestra el amplio interés en la categoría, pero también plantea la pregunta de cuán valiosos pueden llegar a ser estos modelos. Brooker dijo que el reto será optimizar la velocidad sin degradar la comprensión del lenguaje ni el conocimiento más amplio del modelo. No necesariamente espera que los laboratorios de IA de frontera dominen este espacio, y señaló que construir algo útil en esta categoría más pequeña puede costar solo cientos o miles de dólares.

TypeSafe, por su parte, dice que está centrada en mejorar sus propios modelos en lugar de reaccionar a la competencia. “Entiendo que la gente piense que esto es una fiebre del oro, pero podrían estar subestimando la dificultad de lograr que los modelos sean realmente inteligentes”, dijo a TechCrunch el director ejecutivo y fundador de TypeSafe, Diogo Almeida, quien agregó que todavía no ve una competencia real para su empresa.

Por qué importa

La rápida proliferación de “modelos de decisión” más pequeños sugiere que los desarrolladores de IA están avanzando más allá de los LLM de uso general hacia componentes más baratos y diseñados a medida para tareas de automatización rutinarias, un cambio que podría transformar la estructura de costos de desplegar agentes de IA a gran escala, incluso cuando no está claro cuántos actores, más allá de TypeSafe y Amazon, pueden llevar esta categoría a un nivel técnicamente sólido.