> ## Content Index
> Fetch the complete content index at: https://fomoera.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# AWS libera Strands Decider 2B, un modelo local para las decisiones de agentes de IA
- URL: https://fomoera.com/aws-strands-decider-2b-decisiones-agentes-ia/
- Published: 2026-10-02T00:30:00.000Z
- Updated: 2026-10-02T00:30:00.000Z
- Description: Strands Labs publicó un modelo que elige entre respuestas definidas y puede revisar acciones antes de que un agente use una herramienta. Sus pruebas muestran rapidez en hardware local, junto con una caída de precisión en tareas difíciles.
- Author: Patricia Rodriguez
- Tags: Tecnología y Ciencia, IA

Strands Labs, el proyecto experimental vinculado a AWS, lanzó el 1 de octubre Strands Decider 2B, un modelo abierto que permite a los agentes de IA elegir entre opciones definidas y asignar una puntuación a sus respuestas. Puede ejecutarse en un equipo local para revisar decisiones rutinarias antes de una acción, como llamar a una herramienta. AWS publicó el código y los pesos bajo licencia Apache 2.0, aunque operarlo requiere recursos de cómputo propios.

## Puede frenar una llamada a una herramienta, pero el programa fija la regla

Strands Decider parte de Qwen3.5-2B. El equipo retiró el componente con el que ese modelo generaba texto y lo sustituyó por otro que puntúa las opciones ofrecidas, de poco más de un millón de parámetros. Así, puede responder preguntas de sí o no, escoger una opción o asignar una puntuación. No escribe una explicación, un resumen ni código.

El [ejemplo publicado por Strands](https://strandsagents.com/blog/introducing-strands-decider/?ref=fomoera.com) muestra a un agente que intenta consultar el clima sin que el usuario haya indicado una ciudad. El modelo examina si el lugar elegido se desprende de la conversación y si conviene pedir una aclaración antes de llamar a la herramienta. Luego, el código de la aplicación decide cómo actuar según esas respuestas. El ejemplo ilustra un punto de revisión, no demuestra que todas las llamadas incorrectas puedan detectarse.

## Los 115 milisegundos son una mediana medida en una RTX 3090

En el [repositorio del proyecto](https://github.com/strands-labs/strands-decider?ref=fomoera.com), Strands informa que la versión de referencia v19 acertó 167 de 231 tareas públicas de JevBench, equivalentes a 72.3%. Resolvió todas las tareas de la categoría fácil definida por el equipo, pero acertó 50.5% de las difíciles. Son resultados de una evaluación publicada por sus desarrolladores; no equivalen a una garantía de precisión en los flujos de trabajo de cada empresa.

La latencia mediana reportada fue de 115 milisegundos por pregunta en una Nvidia RTX 3090 bajo WSL2; el percentil 95 llegó a 299 milisegundos. En una Mac con M3 Pro, la mediana para tareas cortas fue de 153 milisegundos. La duración cambia con el tamaño de la consulta, por lo que una cifra aislada no describe todos los casos. El repositorio identifica v19 como versión de referencia: una v20 experimental no la sustituyó.

## Su diferencia con Jev está en la distribución abierta

El [lanzamiento de Jev y sus primeras integraciones](https://fomoera.com/jev-vercel-cloudflare-agentes-ia/) mostró cómo TypeSafe ofrece estas decisiones mediante una API. Con Strands Decider, los desarrolladores pueden descargar el modelo, examinar su código y su receta de entrenamiento y ejecutarlo en su propia infraestructura. Esa posibilidad da más control sobre el despliegue, pero la licencia gratuita no elimina el costo del hardware, la nube o el mantenimiento. Las pruebas publicadas tampoco establecen que Strands sea más preciso o más barato de operar que Jev en una comparación directa.

La [ficha del modelo](https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19?ref=fomoera.com) advierte que los documentos largos y las preguntas distintas a las usadas en el entrenamiento son puntos débiles. Sus puntuaciones de confianza se calibraron para tareas cortas de clasificación; antes de usar un umbral para aprobar acciones reales, cada equipo tendría que medir su desempeño con sus propios casos. Por ahora, la novedad verificable es que AWS puso una alternativa abierta al alcance de quienes construyen agentes y quieren probar estas decisiones en local.

*Fuentes:* [1](https://strandsagents.com/blog/introducing-strands-decider/?ref=fomoera.com), [2](https://github.com/strands-labs/strands-decider?ref=fomoera.com), [3](https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19?ref=fomoera.com)