AWS libera Strands Decider 2B, el rival open source de Jev

AWS entra a la carrera de los modelos de decisión con Strands Decider 2B

AWS publicó Strands Decider 2B, un modelo open source de 2.000 millones de parámetros que, según la compañía, decide en decenas de milisegundos en tareas cortas —y bajo 100 ms en hardware común— frente a los 70-500 ms que reporta Jev. Está disponible en Hugging Face bajo licencia Apache 2.0 y se apoya en una arquitectura bautizada «Hobson» que sustituye la cabeza generativa del modelo base por un pequeño pointer head de aproximadamente un millón de parámetros. El movimiento llega apenas dos semanas después de que TypeSafe AI presentara Jev, el primer modelo «System One» que la industria empezó a tratar como categoría propia.

La propuesta de AWS no es reemplazar a un LLM, sino colocarse justo antes —o justo después— de una llamada a herramienta: clasificar, enrutar, aprobar o rechazar. El modelo entrega una distribución de probabilidades sobre opciones predefinidas, no un párrafo de texto. Para un founder, eso significa reemplazar el viejo patrón de «prompt largo + parsear JSON» por una llamada local en milisegundos.

Cómo funciona el «pointer head»

Strands Decider parte de Qwen3.5-2B, el modelo base de Alibaba, y lo ajusta con un adaptador LoRA de rango 16. AWS retira la cabeza que predice la siguiente palabra y la sustituye por un componente diminuto —el pointer head— que puntúa las opciones que el desarrollador le entrega. El resultado: en lugar de generar prosa, devuelve una decisión con su confianza asociada en un único forward pass.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Según SiliconANGLE, AWS eligió deliberadamente la escala de 2.000 millones de parámetros: lo bastante pequeño para correr en una laptop con latencia inferior a 150 milisegundos, y lo bastante capaz para abordar decisiones no triviales. El equipo de Strands Labs itera rápido: el lanzamiento llega con la versión 20 y publica de forma abierta los pesos, el código, los datos de entrenamiento y los scripts —algo poco habitual en modelos de decisión y que AWS explícitamente contrapone a Jev, que solo se ofrece como API.

Strands Decider 2B vs Jev: qué dicen las cifras

La comparación más directa es con Jev, lanzado por TypeSafe AI el 15 de septiembre de 2026. Ambos atacan el mismo problema —decisiones acotadas en lugar de texto generado— pero con modelos operativos opuestos.

Licencia y pesos: Strands Decider 2B se descarga gratis bajo Apache 2.0; Jev es API cerrada, sin pesos publicados.
Precio de lista: Strands Decider 2B es «gratis» pero exige tu propio hardware; Jev cobra US$0,042 por millón de tokens de entrada y la salida es gratis.
Latencia medida: AWS reporta 106 ms de mediana y 296 ms en el percentil 95 para la versión 18 en una RTX 3090 local; Jev publica 70-500 ms extremo a extremo en su servicio hospedado.
Precisión en JevBench público: la versión 19 de Strands Decider se ubica cerca de 72% de exactitud con un Brier score de 0,35; CryptoBriefing reportó el 1 de octubre que el modelo obtuvo una puntuación perfecta en la franja fácil del benchmark.
Comparables abiertos: en el mismo tamaño, Mapika decider-2b v11 aparece cerca de 76% / 0,32 según el gráfico de AWS. El lanzamiento de AWS no incluye a Jev en su propia comparativa, por lo que no existe aún un enfrentamiento directo en iguales condiciones.

La diferencia operativa es la que más pesa: ejecutar Strands Decider en tu propio hardware implica asumir costos de cómputo y mantenimiento que la tarifa plana de Jev no exige. Mindstudio.ai, en un análisis independiente, calculó que mil millones de tokens de entrada en Jev cuestan alrededor de US$42 al precio publicado; en una prueba registró una sesión de Minecraft de dos minutos que consumió cerca de 150.000 tokens por aproximadamente un centavo.

La nueva categoría «System One»

El nombre «System One» lo acuñó TypeSafe para distinguir modelos que deciden de modelos que escriben. La idea no es nueva —los clasificadores existen desde antes que los transformers— pero la atención del sector cambió en septiembre. Jev abrió la puerta y, en dos semanas, aparecieron al menos seis alternativas de código abierto, según el recuento de VentureBeat:

Laya (421 millones de parámetros, basada en ModernBERT), de Convai Innovations.
Kev, familia de modelos de Jared Palmer, con rastro de investigación público.
Bespoke Nimble 9B, adaptador bajo licencia Apache.
Mapika decider, en varios tamaños, con código y tarjetas de modelo.
this-that-model, de FLock, pequeño y ejecutable en local.
CLM-8B, proyecto de Stanford y Nvidia que, según VentureBeat, corrió hasta 9 veces más rápido que Jev en algunas tareas, aunque con menor precisión en invocación de herramientas.

A esto se suma, según CryptoBriefing, un preestreno de la Decisions API de OpenAI, una señal de que la decisión rápida y barata se está consolidando como categoría de producto y no como experimento aislado.

El patrón común: los agentes gastan la mayor parte de su presupuesto en decisiones de rutina (¿qué herramienta?, ¿qué ruta?, ¿es seguro llamar a esta API?), no en generar texto. Modelos pequeños bien calibrados resuelven esa primera capa a una fracción del costo de un LLM grande.

Qué significa esto para tu startup

Si tu producto tiene un agente que toma decisiones repetitivas —clasificar tickets, enrutar consultas, aprobar o rechazar acciones, validar salidas de herramientas— tienes ahora dos caminos de costo radicalmente distintos:

Jev vía API: integras en minutos, pagas por uso (US$0,042 por millón de tokens de entrada, salida gratis), no operas infraestructura. Ideal para prototipos y volúmenes inciertos.
Strands Decider 2B self-hosted: descarga gratis, corre en una laptop o en tu propia nube, sin telemetría saliente. El costo es tu cómputo, tu latencia y tu operación.

Tres acciones concretas esta semana:

Mide cuántas decisiones de baja complejidad hace tu agente por día. Si el volumen es alto (decenas de miles o más), un modelo de 2B en local probablemente te salga más barato que cualquier API de LLM por token. Si el volumen es bajo, la API de Jev es probablemente más rentable.
Prueba Strands Decider 2B en una decisión no crítica. El repositorio en Hugging Face incluye scripts; mide latencia real en tu hardware antes de comprometerte con la arquitectura. Recuerda que el pointer head solo puntúa opciones que tú le das —no inventa categorías.
No uses ninguno de los dos como única frontera de seguridad. VentureBeat ya documentó que instrucciones adversariales dentro del prompt pueden sesgar el veredicto de un modelo de decisión barato. Mantén reglas duras y revisión humana para acciones de alto impacto: cobros, borrado de datos, cambios de permisos.

La pregunta de fondo no es si Strands Decider «mata» a Jev —VentureBeat concluye que no hay evidencia de superioridad en precisión o calibración— sino qué modelo operativo encaja con tu negocio: API cerrada a centavos por millón de tokens, o pesos abiertos en tu propia infraestructura. La diferencia es estratégica: control, privacidad, personalización y costo total, no solo el precio de lista de «gratis».