AWS 與 Cloudflare 相繼開源 AI 代理專用決策模型，主打低延遲快速判斷

AI 代理的發展正催生一類新的模型：專門用來做決策的小型模型。AWS 旗下的 Strands 團隊開源了 Strands Decider 2B 決策模型，Cloudflare 也推出自行訓練的決策模型 Clef 與 Clef-flash。兩家業者不約而同地推出這類模型，顯示 AI 代理的架構正在走向分工化，由專門的小模型處理快速判斷的任務。

AI 代理在執行任務時，需要不斷做出各種決策：這個請求屬於哪一類、下一步該呼叫哪個工具、這個動作是否安全、是否需要人類確認。若每一個這樣的判斷都交給大型語言模型處理，不僅速度慢，成本也相當高。決策模型就是為了解決這個問題而生，它們體積較小、反應快速，專門負責這類分類與判斷工作，讓大型模型專注於需要深度推理與生成的任務。

AWS 的 Strands Decider 2B 擁有 20 億個參數，可以直接在本機的 CPU 或 GPU 上執行，以低延遲完成決策。AWS 同步公開了模型權重、訓練資料及訓練程式碼，開放程度相當高。Cloudflare 的 Clef 則已整合至 Workers AI 平台，並以 Apache 2.0 授權開放模型權重，同時採用與既有決策模型相容的程式介面，讓開發者能較容易地從其他方案轉換過來。

業界分析人士指出，決策模型的興起反映了 AI 代理系統設計的成熟。早期的 AI 代理多半依賴單一大型模型處理所有工作，隨著應用規模擴大，業者發現這種做法在成本與效率上都不理想。將不同類型的工作分配給不同規模的模型，類似於企業中的分工合作，能有效提升整體系統的效率。決策模型也在安全上扮演重要角色，可以在代理執行動作前快速判斷其安全性，這與近期 AI 代理越權事件頻傳的背景相互呼應。

對開發者的影響方面，開源的決策模型讓開發者能以更低的成本打造高效率的 AI 代理系統，並且能在本機執行，兼顧資料隱私與反應速度。對雲端業者而言，提供決策模型也是爭取 AI 代理開發者的重要策略。

展望後續，市場將關注決策模型在實際 AI 代理應用中的表現、其他業者是否跟進推出類似模型，以及決策模型能否成為 AI 代理架構的標準元件。