Amazon lanza su propio clon de Jev y los modelos de decisión se multiplican

Amazon Web Services (AWS) lanzó un modelo de decisión de código abierto inspirado en Jev, el desarrollo de la firma TypeSafe que sacudió al mundo de la inteligencia artificial. Se llama Strands Decider 2B y llega en un momento en que los desarrolladores buscan herramientas más aptas para la automatización que los grandes modelos de frontera.

El anuncio se produjo la misma semana en que OpenAI presentó una propuesta similar. El modelo de Amazon es rápido, barato y capaz de elegir entre opciones ya definidas, además de informar con qué grado de confianza tomó cada decisión. Es totalmente abierto, ya está disponible y es lo bastante chico como para funcionar en una computadora personal.

El ingeniero distinguido de Amazon Marc Brooker ideó el proyecto después de conocer Jev y probar su propia versión. El desarrollo casero funcionó tan bien que llegó a encabezar por un momento el ranking Jevbench en su categoría de tamaño. Con ese antecedente, los ingenieros de la compañía lo pulieron y lo publicaron a través de Strands Labs, el área que diseña herramientas y protocolos para desplegar agentes de inteligencia artificial.

Según Brooker, la necesidad surgió de conversaciones con clientes de AWS cuyos flujos de trabajo con agentes no siempre requerían la capacidad ni el costo de un modelo de lenguaje completo.

"Lo que despertó mi interés en esta clase de modelos fue que son un decisor perfecto para un paso del flujo de trabajo: ¿qué me conviene hacer ahora, según dónde estoy?", declaró Brooker a TechCrunch.

El ingeniero sostuvo que la herramienta ofrece a los clientes un paso de trabajo más confiable gracias a los puntajes de confianza y al dominio cerrado de respuestas, con menor latencia y un costo potencialmente más bajo.

Como otros modelos de decisión, Strands Decider se apoya en el torso de un modelo de lenguaje, en este caso Qwen3.5-2B, pero en lugar de generar texto entrega elecciones calibradas. TypeSafe bautizó su modelo como Jev en honor al economista William Stanley Jevons, con la intención de invocar su teoría de que la caída del costo de algo, como la inteligencia computacional, puede aumentar su demanda.

La aparición de decenas de modelos parecidos desde que TypeSafe presentó su idea muestra el interés amplio, pero también despierta dudas sobre cuánto pueden valer. Brooker plantea que el desafío pasa por optimizar la velocidad de decisión sin sacrificar la inteligencia del sistema.

"Hay un equilibrio muy delicado: querés empujar el rendimiento en precisión y calibración en estas tareas sin degradar su desempeño en la comprensión de distintos idiomas ni el conocimiento que tiene, que es lo que lo vuelve general, interesante y útil", explicó.

De todos modos, no espera que los laboratorios de frontera dominen el sector, sobre todo porque, al tratarse de mercados más chicos, construir algo interesante cuesta entre cientos y miles de dólares.

Desde TypeSafe aseguran que siguen trabajando en silencio para mejorar sus próximos modelos.

"Entiendo que la gente piense que es una fiebre del oro, pero quizá subestiman la dificultad de hacer que los modelos sean realmente inteligentes", afirmó el CEO y fundador Diogo Almeida.

El directivo agregó que por ahora no ve competencia real para su empresa y consideró que la tanda actual de modelos se parece más a especialistas en aprendizaje automático que quieren implementar una arquitectura atractiva que a un equipo dedicado a volver útil la inteligencia.