Amazon Rilis Strands Decider 2B — Model Keputusan Gratis

Bayangin kalian punya sopir yang cuma perlu milih dari tiga rute yang udah dipetain Maps — bukan insinyur yang harus ngerancang jalan baru dari nol. Amazon baru aja ngasih "sopir" kayak gitu secara gratis, dan ukurannya cuma 2 miliar parameter.

Apa yang baru

• Strands Decider 2B dirilis Amazon sebagai model keputusan open-source yang dibangun di atas Qwen3.5-2B, dirancang buat milih di antara opsi yang udah ditentukan sebelumnya, lengkap dengan skor kepercayaan diri.
• Lebih kecil, lebih cepat, lebih murah — buat tugas-tugas workflow otomasi tertentu, modelnya jauh lebih hemat biaya dan latensi dibanding LLM frontier yang biasa dipakai buat segala hal.
• Lahir dari proyek sampingan — insinyur Amazon Marc Brooker bikin ini setelah terinspirasi Jev, model keputusan bikinan TypeSafe, dan versi "homebrew"-nya sempat nangkring di peringkat teratas Jevbench buat kelas ukurannya.
• Dirapihin jadi produk resmi lewat Strands Labs, unit Amazon yang ngembangin tools dan protokol buat deploy AI agent.
• Rilis bareng OpenAI — Strands Decider 2B keluar di minggu yang sama OpenAI ngumumin produk sejenis, tanda minat ke model keputusan lagi rame di seluruh industri.

Cara kerjanya

Decision model kayak ini dibangun di atas "badan" LLM biasa — di sini Qwen3.5-2B — tapi dilatih ulang buat tugas yang beda total. Alih-alih ngarang jawaban panjang, dia cuma mengeluarkan satu pilihan dari daftar opsi tertutup, plus angka seberapa yakin dia sama pilihan itu.

Brooker bilang ke TechCrunch ini pas banget buat satu langkah di tengah workflow — pertanyaan sesederhana "apa yang harus gw lakuin selanjutnya, berdasarkan posisi sekarang?" Karena domain jawabannya terbatas dan ada skor kepercayaan, hasilnya lebih bisa diandalkan, latensinya lebih rendah, dan biayanya lebih murah ketimbang manggil LLM penuh buat keputusan sekecil itu.

Kenapa ini penting

Buat developer dan AI engineer Indonesia yang selama ini mentok di biaya API dan urusan kartu kredit internasional, model ini kabar baik — bisa diunduh dan dijalankan lokal tanpa langganan apa pun. Buat agentic workflow yang isinya cuma keputusan ya/tidak atau pilih-salah-satu, nggak perlu lagi manggil model frontier yang mahal cuma buat satu langkah kecil.

Ini juga nguatin pola yang udah mulai kelihatan: bukan satu model raksasa buat semua tugas, tapi kombinasi model kecil yang spesifik dan model besar yang dipanggil seperlunya. Kalau kalian lagi mikirin arsitektur serupa, pola pembagian tugas ini udah gw bahas lebih detail di sini — intinya sama: model mahal cuma dipanggil kalau benar-benar perlu.

Satu catatan jujur dari CEO TypeSafe, Diogo Almeida — dia bilang banyak tim yang bikin model sejenis lebih keasikan sama arsitekturnya ketimbang benar-benar fokus bikin model yang pinter. Jadi walau opsinya makin banyak dan gratis, kualitas kalibrasinya tetap perlu dicek sendiri sebelum dipasang ke produksi.

Buat kalian

• Yang harus peduli: kalian yang bangun agentic workflow dengan banyak langkah repetitif — routing, klasifikasi, keputusan ya/tidak — dan selama ini kepaksa pakai LLM besar cuma karena gak ada alternatif murah.
• Yang boleh santai: kalau workflow kalian butuh pemahaman bahasa yang luas, reasoning kompleks, atau konteks panjang, model sekecil ini bukan penggantinya — dia didesain buat tugas yang jawabannya memang terbatas.
• Langkah kecil pertama: ambil satu langkah di pipeline kalian yang selama ini cuma nanya "opsi A, B, atau C?" ke LLM besar, dan coba ganti dengan model keputusan kecil kayak ini — ukur selisih biaya dan latensinya sebelum rollout ke seluruh sistem.

Godaan terbesar pas model baru keluar itu selalu sama: pakai yang paling canggih buat semua hal. Tapi mencocokkan ukuran model dengan ukuran keputusan justru yang bikin sistem kalian murah dan cepat dalam jangka panjang — itu salah satu prinsip arsitektur yang gw latih bareng murid-murid di kelas gw.

Sumber primer: laporan TechCrunch (techcrunch.com, "Amazon releases its own Jev clone as decision models flood the web", 1 Oktober 2026).