Amazon lança seu próprio clone do Jev para tomada de decisões

Read the Portuguese translation →

Author: Compilado do Código Fonte TV [OFICIAL] · Watch on YouTube

Video authored by the channel shown, not by IANIA; all rights belong to the creator. Transcript and summary generated automatically; the original-language content is preserved.

Original language: Portuguese

Original video: Amazon lança seu próprio clone do Jev para tomada de decisões · Channel: Compilado do Código Fonte TV [OFICIAL] · 05:43 · Watch on YouTube

Topics: AI agents, Markets and economy, AI models, Local and open-source models

Summary

A Amazon Web Services lançou o Strands Decider 2B, um modelo open source voltado a decisões rápidas em fluxos de trabalho com agentes de IA. Baseado no Qwen 3.5 2B, ele seleciona entre opções predefinidas em vez de gerar texto livre e pode rodar localmente. Os participantes discutem as diferenças entre decision models e LLMs tradicionais, além do tempo e da experiência necessários para desenvolver essas soluções. Eles também avaliam a corrida de empresas para criar modelos semelhantes e as perspectivas da TypeSafe.

Key points

• O Strands Decider 2B foi desenvolvido para automatizar decisões rápidas em fluxos de trabalho com agentes de IA.
• O modelo parte do Qwen 3.5 2B e substitui a geração livre de texto pela seleção calibrada entre opções predefinidas.
• A ferramenta pode rodar localmente e liderou o Jev Bench em sua categoria antes do anúncio oficial.
• A AWS e outras empresas estão entrando em uma corrida para desenvolver decision models.
• Os participantes destacam que criar um decision model funcional exige mais do que adaptar um LLM tradicional.
• Segundo a discussão, esses modelos produzem respostas em milissegundos, sem o fluxo de geração token a token característico de modelos Transformer.
• Os comentaristas veem os decision models como uma tecnologia que pode complementar os LLMs, especialmente no desenvolvimento.
• A TypeSafe pode enfrentar dificuldades para competir com empresas que dispõem de mais capital, embora os participantes ressalvem que ela pode ter recursos ou apoio ainda não conhecidos.

Chapters

Start	Chapter	Summary
00:02	A chegada do Strands Decider 2B	Os participantes apresentam a onda de concorrentes do Jev e o lançamento do modelo de decisão da AWS.
01:04	Como o modelo foi desenvolvido	A conversa explica a relação com o Qwen 3.5 2B, o uso local e o desempenho no Jev Bench.
02:37	Diferenças entre decision models e LLMs	Os participantes discutem como esses modelos são treinados e por que não basta adaptar um LLM tradicional.
04:09	A corrida do mercado e o futuro da TypeSafe	A conversa aborda o potencial dos decision models e as incertezas sobre a capacidade da TypeSafe de competir.
05:13	Possível aquisição e encerramento	Os participantes especulam sobre o futuro da TypeSafe e encerram com uma chamada para acompanhar o canal.

Quotes

Um modelo open source desenvolvido especificamente para automatizar decisões rápidas em fluxos de trabalho com agentes de inteligência artificial. — 00:32

Capaz de rodar localmente, o modelo liderou o ranking Jev Bench de sua categoria antes do anúncio oficial. — 01:36

Ele foi realmente pensado para ter respostas mais direcionadas para sistemas e para resolver esses problemas. — 03:07

Acho que ele tem muita utilidade, principalmente para desenvolvimento. — 04:41

Concepts and entities

Strands Decider 2B, Jev, Qwen3.5 2B, Jev Bench, decision model, Amazon Web Services, Strands Labs, TypeSafe, OpenAI, Cloudflare, Mark Brooker, William Stanley Jevons, Transformer

Full transcript (original language)

00:02 E a Amazon lança seu próprio clone do Jev para tomada de decisões. Jev ficou famoso, logo surgiram diversos concorrentes. >> porque o que é que vai rolar? Todo mundo está está lançando o concorrente. Cloudflare na na semana passada, já tem o Laia que é o o open source, muita gente já está usando o próprio Laia. Mas é engraçado que quando a gente vai falar dos temas é o Jev. O Jev é o é o nome que se vem. >> na cabeça, é verdade. >> É na cabeça, pois é. Ele é a o amido de milho, né? A maizena

00:32 dos decision models. A Amazon Web Services lançou aí o Strands Decider 2B. Pô, que >> Que nome estranho, né? >> Pô, horrível esse nome aí. Bota um um nome mais bonito. >> Decider estava legal, né? >> Decider, é. Um modelo open source desenvolvido especificamente para automatizar decisões rápidas em fluxos de trabalho com agentes de inteligência artificial. Pois é, o Jev. Poderia colocar outro, né? O Jol. Poderia ser Jol. >> Jiv. >> Hã? >> Jav, não é Jav, não pode ser Jiv porque é Jev. >> Jol seria um tubarão, né? A novidade foi

01:04 inspirada no Jev, criado pela Type Safe em alusão ao economista William Stanley Jevons, está vendo? Aí tem um todo um para testar a tese de que a queda nos custos computacionais amplia a demanda técnica. Pô, interessante, né? O sistema utiliza como base a estrutura do Gwen 3.5 2B, mas substitui a geração livre de texto pela escolha calibrada entre opções pré-definidas. Então, ele usou o Gwen que já é um um modelo e transformou ele num decision model, foi isso, né? A

01:36 ferramenta surgiu de experimentos do engenheiro Mark Brooker para atender a clientes corporativos cujos fluxos de automação dispensam o custo e a latência de grandes LLMs. Capaz de rodar localmente, o modelo liderou o ranking Jev Bench de sua categoria antes do anúncio oficial pela Strands Labs. Ah, é por isso que chama Strands. Labs. Pois é, e aí já tem até o Jeff Branch, Bench. >> Pois é, ele já virou, é tão referência que tem o benchmark com o próprio nome, né? A

02:06 estreia ocorre na mesma semana em que a Open AI revelou uma proposta equivalente, acompanhando dezenas de implementações similares criadas pela comunidade após o surgimento do Jeff. Para engenharia da AWS, o desafio reside em acelerar as respostas sem prejudicar o repertório e a precisão do algoritmo. Na visão da liderança da Type Safe, parte do setor subestima a complexidade de tornar essas soluções realmente funcionais. Tratando o movimento como uma corrida de arquiteturas. Como o custo para estruturar ferramentas desse tipo gira em centenas ou milhares de

02:37 dólares, a expectativa de Brooker é que grandes laboratórios de fronteira não dominem esse segmento de mercado. >> Será que não vai? Pois é, a gente já falou sobre o Jeff e falamos no Código Fonte, justamente porque ele é um modelo de decisão e ele já foi treinado desse jeito. Ou seja, não é um modelo a partir de outro, ele é um modelo de fundação treinado já para responder daquela forma. Então, ele não não foi um fine tuning ou um, entendeu? Um uma uma uma coisa.

03:07 >> Uma adaptação feita, né? Ele foi realmente pensado para para ter respostas que que são mais ah direcionadas para sistemas e para resolver esses problemas já ali, não só com respostas específicas, como com um critério ali de avaliação, né? Um percentual de acerto para cada uma das opções. >> Não, e outra coisa, ele ele não funciona igual o Transformer, o modelo Transformer, onde ele gera token a token. Ele gera já a resposta praticamente instantaneamente em em

03:37 pouco de milissegundos. Então, você não tem o stream de resposta como é feito. Por isso que vai ser difícil de transformar esses modelos de fundação em modelos de decisão. Uma Eu acho que é uma gambiarra. Não que a Open AI não consiga fazer ou a própria CloudFlare ou a AWS, eles têm capacidade computacional de gerar novos modelos, aí teria que ser meio que do zero mesmo para ele que se transformar em um decision model. >> Mas e realmente né, o JEV é um projeto que ficou ali mais de um ano, mais de um

04:09 ano sendo desenvolvido por alguém que tinha muita experiência né? >> Um ano não, são dois anos. >> Dois anos? É. Então enfim, muito tempo ali sendo adaptado e feito para isso num resultado que saiu. Então talvez por isso ele esteja falando que o pessoal tá subestimando o que tá sendo, o que foi feito né? >> Pois é, o que que você acha? Acho que, por isso que a gente falou no nosso vídeo que o JEV não é hype. E aí não é necessariamente o JEV, é a, é, é o que ele trouxe como decision model. Eu acho que ele tem muita utilidade, principalmente para desenvolvimento. E

04:41 não é só para desenvolvimento, mas principalmente para desenvolvimento, eu acho que ele vai realmente entrar numa camada de IA, vai elevar ali o uso de IA para um outro nível e vai complementar o uso inclusive de tais LLMs. Por isso que a gente tá vendo essa corrida agora para todo mundo lançar também um decision model. Aí eu não sei realmente se a própria TypeSafe vai ter cacife de brigar com essas empresas que elas, elas estão todas ali debaixo de capital de risco, mas é muita grana que essas outras empresas têm. Então a minha

05:13 aposta é que daqui a pouco a própria TypeSafe ou ela morre ou ela vai ser adquirida aí por alguma empresa. >> outra dessas grandes. É possível. >> Pois é, posso posso tá errado. Pode ser que a TypeSafe tenha um, uma carta na manga aí e ela, imagina, daqui a pouco vem, vem a SoftBank e joga dinheiro na TypeSafe, pronto. >> E ela vira outra gigante também. >> E esse aqui é um corte de uma notícia do Compilado do Código Fonte TV. >> Onde toda semana tem episódio novo falando de programação, tecnologia, inteligência artificial e cibersegurança.

05:43 >> Então já se inscreve aqui no canal do Compilado e acompanhe os episódios completos. >> [música] [música]