A Amazon lança sua própria versão do Jev, enquanto modelos de decisão inundam a web

A Amazon Web Services lançou um modelo de decisão de código aberto inspirado no Jev da TypeSafe, à medida que os desenvolvedores de IA priorizam cada vez mais a inteligência otimizada para automação computacional em detrimento dos grandes modelos de linguagem de ponta.
Lançada na mesma semana em que a OpenAI anunciou uma oferta semelhante, a Strands Decider 2B da Amazon oferece um método de alta velocidade e baixo custo para classificar opções pré-decididas, fornecendo também pontuações de confiança para suas escolhas. O modelo é totalmente de código aberto, está imediatamente disponível e é compacto o suficiente para ser executado localmente.
O engenheiro sênior da Amazon, Marc Brooker, iniciou o projeto após observar o Jev e tentar construir um modelo semelhante. O projeto caseiro mostrou-se bem-sucedido — ocupando brevemente o topo do ranking Jevbench em seu tamanho —, o que motivou os engenheiros da Amazon a refiná-lo e lançá-lo por meio da Strands Labs, uma divisão focada no desenvolvimento de ferramentas e protocolos para a implantação de agentes de IA.
Brooker explica que a demanda por essa ferramenta surgiu de discussões com clientes da AWS, cujos fluxos de trabalho baseados em agentes muitas vezes não exigem a capacidade ou o custo de um modelo de linguagem grande (LLM) completo o tempo todo.
“O que originalmente despertou meu interesse nessa classe de modelos foi que eles são um decisor perfeito para uma etapa de fluxo de trabalho: ‘qual é a próxima ação que devo realizar aqui, com base na minha posição atual?’”, disse Brooker à TechCrunch. Ele observou que isso oferece aos clientes “uma etapa de fluxo de trabalho que pode ser estruturada de maneira mais confiável, graças às pontuações de confiança, graças ao domínio fechado de respostas, [e é] de baixa latência e, potencialmente, de menor custo.”
Como outros modelos de decisão, a Strands Decider é construída sobre o “tronco” de um LLM, especificamente o Qwen3.5-2B, mas, em vez de gerar texto, ela emite escolhas calibradas. A TypeSafe nomeou seu modelo Jev em homenagem ao economista William Stanley Jevons, invocando sua teoria de que a queda no custo de algo — como a inteligência computacional — pode, na verdade, aumentar sua demanda.
A proliferação de dezenas de modelos semelhantes por pesquisadores desde o lançamento da TypeSafe destaca o amplo interesse, mas levanta questões sobre seu valor prático. Brooker sugere que o principal desafio reside em otimizar a tomada de decisão rápida do modelo sem comprometer sua inteligência.
“Há um equilíbrio muito cuidadoso a ser encontrado, em que você deseja maximizar o desempenho em precisão e calibração nessas tarefas, sem degradar seu desempenho na compreensão de diferentes idiomas ou no tipo de conhecimento que ele possui, o que o torna de propósito geral, interessante e útil”, disse ele à TechCrunch.
No entanto, ele não espera necessariamente que os laboratórios de ponta dominem esse nicho, especialmente porque o custo para construir algo significativo em mercados menores costuma ser de apenas algumas centenas ou milhares de dólares.
Enquanto isso, os executivos da TypeSafe estão focados em refinar sua abordagem e melhorar os modelos futuros.
“Entendo que as pessoas pensem que se trata de uma corrida pelo ouro, mas elas podem estar subestimando a dificuldade de tornar os modelos realmente inteligentes”, disse o CEO e fundador Diogo Almeida à TechCrunch, acrescentando que ainda não vê uma concorrência real emergindo para sua empresa.
“A turma atual parece mais com pessoas de ML querendo implementar uma arquitetura interessante do que com uma equipe profundamente dedicada a tornar a inteligência útil.”
Artigo relacionado
Menos de US$ 400: a Hugging Face lança o Microduck, um mini-robô bípede de código aberto
A Pollen Robotics, uma startup de robótica de código aberto apoiada pela Hugging Face, divulgou o código-fonte do Microduck, um robô bípede compacto. Medindo apenas 25 cm e pesando 800 g, este encanta
O Google Gemini está profundamente integrado ao Google Fotos para geração de imagens por IA personalizada
O Google lançou recentemente uma atualização significativa para seu assistente de IA, o Gemini, integrando-o profundamente ao Google Photos. Essa melhoria permite que o Gemini acesse diretamente os dados visuais da sua biblioteca de fotos, possibilit
Mestre do Reddit faz o Claude interagir com você através de escrita à mão em tempo real, proporcionando uma experiência de aprendizado imersiva que é simplesmente excepcional
Um desenvolvedor do Reddit lançou um novo aplicativo interativo de escrita à mão que permite aos usuários conversar com o Claude AI em tempo real. Ao imitar a troca mágica e bidirecional do diário de Tom Riddle em Harry Potter, a ferramenta transform
Recomendações de tópicos especiais relacionados
Comentários (0)

A Amazon Web Services lançou um modelo de decisão de código aberto inspirado no Jev da TypeSafe, à medida que os desenvolvedores de IA priorizam cada vez mais a inteligência otimizada para automação computacional em detrimento dos grandes modelos de linguagem de ponta.
Lançada na mesma semana em que a OpenAI anunciou uma oferta semelhante, a Strands Decider 2B da Amazon oferece um método de alta velocidade e baixo custo para classificar opções pré-decididas, fornecendo também pontuações de confiança para suas escolhas. O modelo é totalmente de código aberto, está imediatamente disponível e é compacto o suficiente para ser executado localmente.
O engenheiro sênior da Amazon, Marc Brooker, iniciou o projeto após observar o Jev e tentar construir um modelo semelhante. O projeto caseiro mostrou-se bem-sucedido — ocupando brevemente o topo do ranking Jevbench em seu tamanho —, o que motivou os engenheiros da Amazon a refiná-lo e lançá-lo por meio da Strands Labs, uma divisão focada no desenvolvimento de ferramentas e protocolos para a implantação de agentes de IA.
Brooker explica que a demanda por essa ferramenta surgiu de discussões com clientes da AWS, cujos fluxos de trabalho baseados em agentes muitas vezes não exigem a capacidade ou o custo de um modelo de linguagem grande (LLM) completo o tempo todo.
“O que originalmente despertou meu interesse nessa classe de modelos foi que eles são um decisor perfeito para uma etapa de fluxo de trabalho: ‘qual é a próxima ação que devo realizar aqui, com base na minha posição atual?’”, disse Brooker à TechCrunch. Ele observou que isso oferece aos clientes “uma etapa de fluxo de trabalho que pode ser estruturada de maneira mais confiável, graças às pontuações de confiança, graças ao domínio fechado de respostas, [e é] de baixa latência e, potencialmente, de menor custo.”
Como outros modelos de decisão, a Strands Decider é construída sobre o “tronco” de um LLM, especificamente o Qwen3.5-2B, mas, em vez de gerar texto, ela emite escolhas calibradas. A TypeSafe nomeou seu modelo Jev em homenagem ao economista William Stanley Jevons, invocando sua teoria de que a queda no custo de algo — como a inteligência computacional — pode, na verdade, aumentar sua demanda.
A proliferação de dezenas de modelos semelhantes por pesquisadores desde o lançamento da TypeSafe destaca o amplo interesse, mas levanta questões sobre seu valor prático. Brooker sugere que o principal desafio reside em otimizar a tomada de decisão rápida do modelo sem comprometer sua inteligência.
“Há um equilíbrio muito cuidadoso a ser encontrado, em que você deseja maximizar o desempenho em precisão e calibração nessas tarefas, sem degradar seu desempenho na compreensão de diferentes idiomas ou no tipo de conhecimento que ele possui, o que o torna de propósito geral, interessante e útil”, disse ele à TechCrunch.
No entanto, ele não espera necessariamente que os laboratórios de ponta dominem esse nicho, especialmente porque o custo para construir algo significativo em mercados menores costuma ser de apenas algumas centenas ou milhares de dólares.
Enquanto isso, os executivos da TypeSafe estão focados em refinar sua abordagem e melhorar os modelos futuros.
“Entendo que as pessoas pensem que se trata de uma corrida pelo ouro, mas elas podem estar subestimando a dificuldade de tornar os modelos realmente inteligentes”, disse o CEO e fundador Diogo Almeida à TechCrunch, acrescentando que ainda não vê uma concorrência real emergindo para sua empresa.
“A turma atual parece mais com pessoas de ML querendo implementar uma arquitetura interessante do que com uma equipe profundamente dedicada a tornar a inteligência útil.”
Menos de US$ 400: a Hugging Face lança o Microduck, um mini-robô bípede de código aberto
A Pollen Robotics, uma startup de robótica de código aberto apoiada pela Hugging Face, divulgou o código-fonte do Microduck, um robô bípede compacto. Medindo apenas 25 cm e pesando 800 g, este encanta
O Google Gemini está profundamente integrado ao Google Fotos para geração de imagens por IA personalizada
O Google lançou recentemente uma atualização significativa para seu assistente de IA, o Gemini, integrando-o profundamente ao Google Photos. Essa melhoria permite que o Gemini acesse diretamente os dados visuais da sua biblioteca de fotos, possibilit
Mestre do Reddit faz o Claude interagir com você através de escrita à mão em tempo real, proporcionando uma experiência de aprendizado imersiva que é simplesmente excepcional
Um desenvolvedor do Reddit lançou um novo aplicativo interativo de escrita à mão que permite aos usuários conversar com o Claude AI em tempo real. Ao imitar a troca mágica e bidirecional do diário de Tom Riddle em Harry Potter, a ferramenta transform





Lar






