Heim
Amazon startet seine eigene Jev-Klonversion, während Entscheidungsmodelle das Web überschwemmen

Amazon Web Services hat ein Open-Source-Entscheidungsmodell veröffentlicht, das von TypeSafe’s Jev inspiriert ist, da KI-Entwickler zunehmend Intelligenz priorisieren, die für Computer-Automatisierung optimiert ist, anstatt auf fortschrittliche Large Language Models (LLMs) zu setzen.
Veröffentlicht in derselben Woche, in der OpenAI ein ähnliches Angebot ankündigte, bietet Amazons Strands Decider 2B eine hochgeschwindigkeits-, kostengünstige Methode zum Sortieren vorab entschiedener Optionen und liefert dabei Konfidenzwerte für seine Entscheidungen. Das Modell ist vollständig quelloffen, sofort verfügbar und kompakt genug, um lokal ausgeführt zu werden.
Der Amazon Distinguished Engineer Marc Brooker initiierte das Projekt, nachdem er Jev beobachtet und versucht hatte, ein ähnliches Modell zu entwickeln. Das selbstgebaute Projekt erwies sich als erfolgreich – es führte kurzzeitig die Jevbench-Rangliste für seine Größe an –, was Amazon-Ingeniere dazu veranlasste, es zu verfeinern und über Strands Labs, eine Abteilung, die sich auf die Entwicklung von Tools und Protokollen zur Bereitstellung von KI-Agenten konzentriert, zu veröffentlichen.
Brooker erklärt, dass die Nachfrage nach einem solchen Werkzeug aus Gesprächen mit AWS-Kunden entstand, deren agentic Workflows oft nicht die Fähigkeit oder Kosten eines voll ausgestatteten LLMs jederzeit erfordern.
„Was mein Interesse an dieser Klasse von Modellen ursprünglich geweckt hat, war, dass sie ein perfekter Entscheider für einen Workflow-Schritt sind – ‚Was ist das Nächste, was ich hier tun muss, basierend auf meinem aktuellen Stand?‘“, sagte Brooker gegenüber TechCrunch. Er bemerkte, dass dies den Kunden „einen Workflow-Schritt bietet, der dank der Konfidenzwerte und dank des geschlossenen Antwortbereichs auf eine zuverlässigere Weise strukturiert werden kann, [und] mit geringerer Latenz und möglicherweise geringeren Kosten verbunden ist.“
Wie andere Entscheidungsmodelle basiert Strands Decider auf dem „Torso“ eines LLM, speziell Qwen3.5-2B, gibt jedoch anstelle von Text generierten, kalibrierte Entscheidungen aus. TypeSafe nannte ihr Modell Jev nach dem Ökonomen William Stanley Jevons und bezog sich auf seine Theorie, dass die sinkenden Kosten für etwas – wie Computerintelligenz – tatsächlich die Nachfrage danach erhöhen können.
Die Verbreitung von Dutzenden ähnlicher Modelle durch Forscher seit dem Debüt von TypeSafe unterstreicht das weit verbreitete Interesse, wirft jedoch Fragen nach ihrem praktischen Wert auf. Brooker schlägt vor, dass die Hauptherausforderung darin besteht, die schnelle Entscheidungsfindung des Modells zu optimieren, ohne seine Intelligenz zu beeinträchtigen.
„Es gibt einen sehr sorgfältig zu findenden Balanceakt, bei dem man die Leistung in Bezug auf Genauigkeit und Kalibrierung bei solchen Aufgaben vorantreiben möchte, ohne die Leistung beim Verständnis verschiedener Sprachen oder bei der Verfügung über das Wissen, das es zu einem allgemeinen, interessanten und nützlichen Modell macht, zu verschlechtern“, sagte er gegenüber TechCrunch.
Trotzdem erwartet er nicht unbedingt, dass Fronttier-Labs diese Nische dominieren, insbesondere da die Kosten für den Aufbau eines bedeutungsvollen Produkts in kleineren Märkten oft nur einige hundert oder tausend Dollar betragen.
Unterdessen konzentrieren sich die Führungskräfte von TypeSafe darauf, ihren Ansatz zu verfeinern und zukünftige Modelle zu verbessern.
„Ich verstehe, dass Leute denken, es sei ein Goldrausch, aber sie könnten die Schwierigkeit unterschätzen, die Modelle tatsächlich intelligent zu machen“, sagte CEO und Gründer Diogo Almeida gegenüber TechCrunch und fügte hinzu, dass er noch keinen echten Wettbewerb für sein Unternehmen sehe.
„Die aktuelle Charge scheint eher wie ML-Leute zu sein, die eine coole Architektur implementieren möchten, als ein Team, das sich tiefgründig der Aufgabe widmet, Intelligenz nutzbar zu machen.“
Verwandter Artikel
Unter 400 US-Dollar: Hugging Face bringt Microduck, einen Open-Source-Mini-Zweibeinroboter, auf den Markt
Pollen Robotics, ein von Hugging Face unterstütztes Open-Source-Robotik-Startup, hat den Quellcode für Microduck veröffentlicht, einen kompakten zweibeinigen Roboter. Mit einer Länge von nur 25 cm und einem Gewicht von 800 g kombiniert diese charmant
Google Gemini ist tief in Google Fotos integriert, um personalisierte KI-generierte Bilder zu erstellen.
Google hat kürzlich ein bedeutendes Update für seinen KI-Assistenten Gemini veröffentlicht, indem er ihn tief mit Google Fotos integriert. Diese Verbesserung ermöglicht es Gemini, direkt auf visuelle Daten aus Ihrer Foto-Bibliothek zuzugreifen, was d
Reddit-Meisterwerk lässt Claude in Echtzeit über Handschrift mit Ihnen interagieren und bietet ein immersives Lernerlebnis, das einfach herausragend ist.
Ein Reddit-Entwickler hat eine neue interaktive Handschrift-App vorgestellt, die es Nutzern ermöglicht, in Echtzeit mit Claude AI zu kommunizieren. Indem es den magischen, wechselseitigen Austausch aus Tom Rildes Tagebuch in Harry Potter nachahmt, ve
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Amazon Web Services hat ein Open-Source-Entscheidungsmodell veröffentlicht, das von TypeSafe’s Jev inspiriert ist, da KI-Entwickler zunehmend Intelligenz priorisieren, die für Computer-Automatisierung optimiert ist, anstatt auf fortschrittliche Large Language Models (LLMs) zu setzen.
Veröffentlicht in derselben Woche, in der OpenAI ein ähnliches Angebot ankündigte, bietet Amazons Strands Decider 2B eine hochgeschwindigkeits-, kostengünstige Methode zum Sortieren vorab entschiedener Optionen und liefert dabei Konfidenzwerte für seine Entscheidungen. Das Modell ist vollständig quelloffen, sofort verfügbar und kompakt genug, um lokal ausgeführt zu werden.
Der Amazon Distinguished Engineer Marc Brooker initiierte das Projekt, nachdem er Jev beobachtet und versucht hatte, ein ähnliches Modell zu entwickeln. Das selbstgebaute Projekt erwies sich als erfolgreich – es führte kurzzeitig die Jevbench-Rangliste für seine Größe an –, was Amazon-Ingeniere dazu veranlasste, es zu verfeinern und über Strands Labs, eine Abteilung, die sich auf die Entwicklung von Tools und Protokollen zur Bereitstellung von KI-Agenten konzentriert, zu veröffentlichen.
Brooker erklärt, dass die Nachfrage nach einem solchen Werkzeug aus Gesprächen mit AWS-Kunden entstand, deren agentic Workflows oft nicht die Fähigkeit oder Kosten eines voll ausgestatteten LLMs jederzeit erfordern.
„Was mein Interesse an dieser Klasse von Modellen ursprünglich geweckt hat, war, dass sie ein perfekter Entscheider für einen Workflow-Schritt sind – ‚Was ist das Nächste, was ich hier tun muss, basierend auf meinem aktuellen Stand?‘“, sagte Brooker gegenüber TechCrunch. Er bemerkte, dass dies den Kunden „einen Workflow-Schritt bietet, der dank der Konfidenzwerte und dank des geschlossenen Antwortbereichs auf eine zuverlässigere Weise strukturiert werden kann, [und] mit geringerer Latenz und möglicherweise geringeren Kosten verbunden ist.“
Wie andere Entscheidungsmodelle basiert Strands Decider auf dem „Torso“ eines LLM, speziell Qwen3.5-2B, gibt jedoch anstelle von Text generierten, kalibrierte Entscheidungen aus. TypeSafe nannte ihr Modell Jev nach dem Ökonomen William Stanley Jevons und bezog sich auf seine Theorie, dass die sinkenden Kosten für etwas – wie Computerintelligenz – tatsächlich die Nachfrage danach erhöhen können.
Die Verbreitung von Dutzenden ähnlicher Modelle durch Forscher seit dem Debüt von TypeSafe unterstreicht das weit verbreitete Interesse, wirft jedoch Fragen nach ihrem praktischen Wert auf. Brooker schlägt vor, dass die Hauptherausforderung darin besteht, die schnelle Entscheidungsfindung des Modells zu optimieren, ohne seine Intelligenz zu beeinträchtigen.
„Es gibt einen sehr sorgfältig zu findenden Balanceakt, bei dem man die Leistung in Bezug auf Genauigkeit und Kalibrierung bei solchen Aufgaben vorantreiben möchte, ohne die Leistung beim Verständnis verschiedener Sprachen oder bei der Verfügung über das Wissen, das es zu einem allgemeinen, interessanten und nützlichen Modell macht, zu verschlechtern“, sagte er gegenüber TechCrunch.
Trotzdem erwartet er nicht unbedingt, dass Fronttier-Labs diese Nische dominieren, insbesondere da die Kosten für den Aufbau eines bedeutungsvollen Produkts in kleineren Märkten oft nur einige hundert oder tausend Dollar betragen.
Unterdessen konzentrieren sich die Führungskräfte von TypeSafe darauf, ihren Ansatz zu verfeinern und zukünftige Modelle zu verbessern.
„Ich verstehe, dass Leute denken, es sei ein Goldrausch, aber sie könnten die Schwierigkeit unterschätzen, die Modelle tatsächlich intelligent zu machen“, sagte CEO und Gründer Diogo Almeida gegenüber TechCrunch und fügte hinzu, dass er noch keinen echten Wettbewerb für sein Unternehmen sehe.
„Die aktuelle Charge scheint eher wie ML-Leute zu sein, die eine coole Architektur implementieren möchten, als ein Team, das sich tiefgründig der Aufgabe widmet, Intelligenz nutzbar zu machen.“
Unter 400 US-Dollar: Hugging Face bringt Microduck, einen Open-Source-Mini-Zweibeinroboter, auf den Markt
Pollen Robotics, ein von Hugging Face unterstütztes Open-Source-Robotik-Startup, hat den Quellcode für Microduck veröffentlicht, einen kompakten zweibeinigen Roboter. Mit einer Länge von nur 25 cm und einem Gewicht von 800 g kombiniert diese charmant
Google Gemini ist tief in Google Fotos integriert, um personalisierte KI-generierte Bilder zu erstellen.
Google hat kürzlich ein bedeutendes Update für seinen KI-Assistenten Gemini veröffentlicht, indem er ihn tief mit Google Fotos integriert. Diese Verbesserung ermöglicht es Gemini, direkt auf visuelle Daten aus Ihrer Foto-Bibliothek zuzugreifen, was d
Reddit-Meisterwerk lässt Claude in Echtzeit über Handschrift mit Ihnen interagieren und bietet ein immersives Lernerlebnis, das einfach herausragend ist.
Ein Reddit-Entwickler hat eine neue interaktive Handschrift-App vorgestellt, die es Nutzern ermöglicht, in Echtzeit mit Claude AI zu kommunizieren. Indem es den magischen, wechselseitigen Austausch aus Tom Rildes Tagebuch in Harry Potter nachahmt, ve











