아마존, 오픈소스 의사결정 모델 '스트랜즈 디사이더 2B' 공개

선택지와 확률만 돌려주는 모델

스트랜즈 디사이더 2B는 주어진 선택지 가운데 하나를 고른 뒤 그 판단의 확률을 함께 내놓는다. 답이 제한된 질문에 특화돼 복잡한 추론이나 글쓰기에는 맞지 않지만, 속도와 효율에서 장점이 있다는 설명이 제시됐다. 모델 규모는 공개된 설명마다 20억개와 19억개 매개변수로 엇갈려 확정되지 않았다.

구조는 알리바바 큐원 계열 모델을 기반으로 한다. 언어 생성용 출력부를 떼고 100만개를 조금 넘는 매개변수의 포인터 헤드를 붙였다. 포인터 헤드는 입력된 선택지를 평가하는 출력부다. 기반 모델의 세부 명칭은 설명이 엇갈려 특정되지 않는다.

아마존은 짧은 작업의 중앙값 지연시간이 엔비디아 RTX 3090에서 약 115밀리초, M3 맥북에서 약 153밀리초였다고 밝혔다.

가중치와 학습 데이터까지 개방

아마존은 모델 가중치와 학습 데이터, 학습 스크립트를 아파치 2.0 라이선스로 내놨다. 코드는 깃허브, 가중치는 허깅페이스에서 제공한다. 외부 서비스를 거치지 않고 보유한 장비에서 곧바로 구동할 수 있고, 필요하면 고쳐 다시 학습시킬 수도 있다는 설명이 함께 나왔다. 적용 분야로는 모델 라우팅, 도구 선택, 출력 평가, 메모리·컨텍스트 관리, 정책 분류가 제시됐다.

행동을 되묻게 하는 판단 계층

사용자의 위치가 확인되지 않은 상태에서 날씨 도구를 호출하려는 사례가 소개됐다. 이때 디사이더가 대화와 호출 내용을 검토해 에이전트가 사용자에게 위치를 다시 묻게 한다. 아마존은 이 모델이 주요 작업의 대체물이 아니라 행동을 확인하는 저비용 판단 계층이라고 설명했다. 판단 결과를 어떻게 적용할지는 개발자가 정해야 한다는 것이 아마존의 설명이다.

오픈형과 API형으로 갈린 경쟁

이 유형은 타입세이프AI의 ‘제브’ 공개를 계기로 주목받았다. AWS는 공식 발표문에서 제브를 지칭하며 이 범주의 중요성을 강조했다. AWS의 마크 브루커 디스팅귀시드 엔지니어가 제브를 접한 뒤 관심을 갖고 구현한 결과물이 스트랜즈 디사이더라고 전해졌다. 제브는 자연어 토큰 대신 보정된 확률과 신뢰도 점수를 제공한다. 타입세이프AI는 제브의 응답 시간이 70~500밀리초라고 밝혔다. 또 프런티어 모델보다 193.6배 빠르고 444.6배 저렴하다고 주장했다.

공개형 모델도 잇따랐다. 컨브AI이노베이션스가 2026년 9월 21일 ‘라야’를, 파스티노가 2026년 9월 24일 ‘GLiNER2.5-Decide’를 공개했다. 2026년 9월 27일에는 ‘오토트러스트 제브-27B’가 등장했다. 제작사는 자체 평가에서 6개 공개 벤치마크 평균이 84.07%로 제브 1.13의 83.85%보다 높다고 제시했다. 파스티노는 2026년 9월 30일 불확실한 문제에 추가 추론 연산을 수행하는 ‘GliDE’를 발표했다.

외부 호출형도 나왔다. 리퀴드AI는 2026년 9월 29일 API형 상용 모델 ‘d1’을 출시했다. 자체 비교 평가에서는 d1의 정확도가 0.742, 제브 1.13은 약 0.727이었다고 밝혔다. 오픈AI는 같은 날 데브데이에서 GPT-6 루나를 선택 문제에 집중시키는 ‘디시전 API’를 제한적 프리뷰로 선보였다. 이 API는 텍스트와 이미지를 판단 맥락으로 받을 수 있다. 인셉션은 의사결정 전용 모델 ‘머큐리 디사이드’를 운용하며 최대 초당 14회의 판단을 처리한다.

남은 쟁점

스트랜즈 디사이더 2B는 제브벤치 26위이며, 같은 순위표 1위는 제브 1.13.0이다. 복잡한 판단은 LLM이, 단순한 판단은 소형 의사결정 모델이 처리해 에이전트의 비용과 지연시간을 줄일 수 있다는 설명도 제시됐다. 입력 분류·라우팅·점수화는 의사결정 모델이, 복잡한 분석·계획·추론은 고성능 LLM이 맡는 형태로 에이전트 구조가 분화할 수 있다는 견해가 제시됐다.