A Amazon lança seu próprio clone de Jev à medida que modelos de decisão inundam a web

A Amazon Web Services lançou um modelo de decisão de código aberto inspirado no Jev da TypeSafe, em um momento em que desenvolvedores de IA buscam cada vez mais uma inteligência mais adequada à automação computacional do que aos LLMs de fronteira.

O Strands Decider 2B da Amazon, lançado na mesma semana em que a OpenAI anunciou uma oferta semelhante, é uma forma de alta velocidade e baixo custo para selecionar opções pré-decididas e fornecer uma medida de quão confiante ele está em sua escolha. O modelo tem código totalmente aberto, já está disponível e é pequeno o suficiente para rodar localmente.

O engenheiro distinto da Amazon, Marc Brooker, teve a ideia do projeto após ver o Jev e tentar construir a sua própria versão desse tipo de modelo. O projeto caseiro teve sucesso suficiente — alcançando brevemente o primeiro lugar no ranking do Jevbench para modelos de seu tamanho — a ponto de os engenheiros da Amazon o aprimorarem e lançarem como uma oferta de seus Strands Labs, uma organização que desenvolve novas ferramentas e protocolos para implantação de agentes de IA.

Brooker diz que a necessidade de uma ferramenta como essa surgiu em conversas com clientes da AWS, cujos fluxos de trabalho com agentes nem sempre exigiam a capacidade ou o custo de um LLM completo o tempo todo.

“O que originalmente despertou meu interesse nessa classe de modelos foi o fato de eles serem um decisor perfeito para uma etapa de fluxo de trabalho — ‘qual é a próxima coisa que devo fazer aqui, com base em onde estou?’” Brooker disse ao TechCrunch. Ele afirmou que isso oferece aos clientes “uma etapa de fluxo de trabalho que pode ser estruturada de forma mais confiável, graças às pontuações de confiança, graças ao domínio fechado de respostas, [e sendo] de menor latência e potencialmente menor custo.”

Assim como outros modelos de decisão, o Strands Decider é construído sobre o “tronco” de um LLM, neste caso o Qwen3.5-2B, mas em vez de gerar texto, ele entrega escolhas calibradas. A TypeSafe nomeou seu modelo Jev em homenagem ao economista William Stanley Jevons, na esperança de invocar sua teoria de que a queda no custo de algo — como a inteligência computacional — pode, de fato, aumentar sua demanda.

O fato de dezenas de modelos semelhantes terem sido produzidos por pesquisadores desde que a TypeSafe estreou sua ideia demonstra o?? (amplo) interesse, mas também levanta a questão de quão valiosos eles podem ser. Brooker sugere que o desafio estará em otimizar a tomada de decisão rápida do modelo sem comprometer sua inteligência.

“Há um equilíbrio muito cuidadoso a ser encontrado, onde você quer impulsionar seu desempenho em termos de precisão e calibração nesses tipos de tarefas, sem degradar seu desempenho na compreensão de diferentes idiomas, em ter o tipo de conhecimento que ele possui, que é o que o torna de propósito geral, interessante e útil”, disse ele ao TechCrunch.

Ainda assim, ele não espera necessariamente que os laboratórios de fronteira dominem o espaço, especialmente porque, em mercados menores, o custo para construir algo interessante é de centenas ou milhares de dólares.

Por sua vez, os executivos da TypeSafe dizem que estão focados no trabalho e em melhorar os futuros modelos.

“Eu entendo que as pessoas achem que é uma corrida do ouro, mas elas podem estar subestimando a dificuldade de tornar os modelos realmente inteligentes”, disse o CEO e fundador Diogo Almeida ao TechCrunch, afirmando que, por enquanto, ele ainda não via uma concorrência real surgindo para sua empresa.

“O lote atual parece mais ser de pessoas de aprendizado de máquina (ML) querendo implementar uma arquitetura legal do que de uma equipe profundamente dedicada a tornar a inteligência útil.”