Strands Decider 2B: Amazon Bikin Model Keputusan Open Source

Apa itu Strands Decider 2B?

Strands Decider 2B itu model kecil, open source, dan cukup ringan buat dijalanin di komputer biasa tanpa server gede. Bedanya sama LLM (large language model) yang biasa kamu pakai buat nulis atau nanya hal umum, model ini dirancang khusus buat satu tugas: milih opsi yang paling pas di satu langkah dalam alur kerja agent AI.

Ceritanya lucu juga — awalnya ini proyek coba-coba punya Marc Brooker, distinguished engineer di Amazon, yang kepengin bikin versi sendiri dari Jev setelah lihat konsepnya. Eksperimennya ternyata lumayan bagus sampai sempat nangkring di posisi nomor satu Jevbench, papan peringkat buat model seukuran itu. Karena hasilnya oke, tim Amazon akhirnya merapikan dan ngerilisnya resmi lewat Strands Labs.

Cara kerjanya: beda banget sama LLM biasa

Secara teknis, Strands Decider dibangun dari "torso" alias fondasi model bahasa, dalam hal ini Qwen3.5-2B. Tapi dia nggak diset buat generate teks bebas. Dia dikasih daftar opsi yang sudah ditentukan, lalu ngeluarin pilihan plus nilai confidence — semacam ukuran seberapa yakin dia kalau pilihan itu benar.

Brooker bilang kelebihan utama model jenis ini ada di keandalannya buat satu langkah spesifik. "Yang bikin saya tertarik, model jenis ini pas banget jadi decider di satu langkah workflow — 'apa langkah selanjutnya dari sini?'" katanya ke TechCrunch.

Kenapa Amazon repot-repot bikin model ini?

Alasan Brooker bikin ini muncul dari obrolan sama customer AWS. Banyak alur kerja agent AI mereka ternyata nggak butuh kemampuan penuh (dan biaya penuh) dari LLM besar di tiap langkahnya. Kadang yang dibutuhin cuma "pilih A atau B" yang cepat dan murah, bukan model yang mikir panjang kayak nulis esai.

Brooker juga ngaku tantangan terbesarnya adalah jaga keseimbangan: model ini harus makin akurat dan makin pede soal pilihannya, tapi jangan sampai kehilangan kemampuan umum kayak paham banyak bahasa atau punya pengetahuan luas. Kalau kebablasan dioptimasi cuma buat milih opsi, modelnya jadi kurang "general purpose" dan kurang berguna di luar kasus itu.

Decision model makin ramai — tapi beneran berguna nggak?

Sejak TypeSafe ngeluarin Jev, udah puluhan model sejenis bermunculan dari berbagai peneliti. Brooker sendiri nggak nyangka lab-lab besar bakal dominasi area ini, soalnya biaya buat bikin model sejenis ini cuma ratusan sampai ribuan dolar — jauh lebih murah dibanding bikin LLM frontier.

Tapi CEO TypeSafe, Diogo Almeida, kasih pandangan beda. Menurutnya banyak tim baru di area ini meremehkan susahnya bikin model yang benar-benar pintar, bukan cuma sekadar arsitektur yang keren di atas kertas. "Kelompok yang sekarang muncul kelihatan lebih kayak orang ML yang pengin implementasi arsitektur keren, dibanding tim yang benar-benar fokus bikin kecerdasan yang berguna," katanya.

Kalau kamu lagi ngulik apa itu API AI dan cara kerjanya, konsep decision model ini bisa jadi tambahan menarik buat dipahami — soalnya makin banyak agent AI yang butuh model kecil kayak ini di tengah alur kerjanya, bukan cuma LLM besar di awal dan akhir.

Cara manfaatin ide decision model buat workflow kamu di Indonesia

Strands Decider 2B dan Qwen3.5-2B belum ada di daftar model Classai Router, jadi belum bisa langsung dipakai lewat sana. Tapi kalau kamu developer yang pengin bikin workflow agent dengan langkah keputusan yang cepat dan murah, ada beberapa model kecil-murah yang bisa jadi alternatif buat tugas serupa:

1. Cek dulu apakah langkah agent kamu benar-benar butuh LLM lengkap atau cuma perlu "pilih dari beberapa opsi" — kalau iya, itu kandidat kuat buat diganti model lebih ringan.
2. Coba DeepSeek V4.1 Flash (Rp160 / Rp800 per 1 juta token) buat langkah keputusan cepat dengan biaya paling murah di router.
3. Atau pakai Claude Haiku 4.5 (Rp160 / Rp800 per 1 juta token) kalau butuh model yang lebih konsisten ngikutin instruksi ketat.
4. Buat yang pengin opsi OpenAI, GPT-4o mini (Rp900 / Rp3.500 per 1 juta token) juga bisa dipakai buat tugas klasifikasi atau decision-making ringan.
5. Arahkan base URL ke router.classai.id/v1 pakai SDK OpenAI atau Anthropic yang udah kamu punya — tinggal ganti nama model, kode lain nggak perlu diubah.

Dampaknya buat developer dan bisnis di Indonesia

Buat tim developer di Indonesia yang lagi bangun agent AI, tren decision model ini kasih opsi baru buat hemat biaya infrastruktur. Alih-alih manggil LLM mahal di setiap langkah workflow, kamu bisa pisahin mana langkah yang cuma butuh "keputusan cepat" dan mana yang benar-benar butuh penalaran dalam.

Karena Strands Decider sepenuhnya open source dan bisa jalan lokal, ini juga relevan buat tim yang peduli soal data sensitif — nggak semua proses harus lewat API eksternal kalau modelnya bisa di-deploy sendiri. Kalau kamu baru mulai belajar bikin agent AI dari nol, kelas AI untuk Developer dari Classai bisa jadi titik awal yang pas buat paham konsep-konsep kayak ini sebelum praktik langsung.

Selain itu, kalau kamu penasaran gimana agen AI lain ngatasi kontrol komputer dengan biaya murah, artikel soal Holo4, agen AI kontrol komputer murah juga bisa jadi referensi tambahan buat ngerti arah tren model-model kecil dan efisien kayak gini.