A Strands publicou o Decider 2B, um modelo de decisão open source de 2 bilhões de parâmetros voltado a experimentação rápida e desenvolvimento local. Em vez de gerar texto livre, ele escolhe entre opções predefinidas e atribui pontuações simples, sempre devolvendo uma resposta dentro do conjunto oferecido.
Segundo a empresa, essa abordagem troca flexibilidade por velocidade e resposta com baixa latência. O modelo também entrega uma pontuação de confiabilidade para cada decisão, algo que a Strands diz não estar disponível nas APIs de inferência dos grandes modelos de linguagem. Em contrapartida, ele não serve para programação, chatbots ou resumo de documentos, justamente por não gerar texto.
O Decider 2B foi construído a partir do Qwen3.5-2B, com a remoção da cabeça de geração de texto e a troca por uma cabeça de pontuação. O torso do modelo recebeu um ajuste com LoRA de rank 16. A Strands afirma que ele roda em CPU ou GPU local e que responde a perguntas úteis em dezenas de milissegundos; nos testes citados, a mediana foi de cerca de 115ms em uma RTX 3090 e de 153ms em um M3 MacBook para tarefas pequenas.
A empresa também diz que o modelo é útil para selecionar ferramentas, avaliar respostas, aplicar regras e decidir roteamentos em sistemas agentivos. O código está no GitHub, os pesos no Hugging Face, e a Strands incluiu os dados de treinamento e os scripts usados na construção do modelo.