Amazon saves millions by replacing Sonnet 4.6 with Strands Decider
725 points • 2 days ago • Article Link

亚马逊工程师最近通过用一种名为 Strands Decider 的专用决策模型取代 Claude Sonnet 4.6 大语言模型,为其内部票务系统实现了显著的成本节约。尽管 Sonnet 4.6 表现不错,但切换到 Strands Decider 后,运营成本下降了 98%,公司有望每年节省数百万美元。这次变化反映出一种战略转向:在高频、结构化任务中,优先使用更精简、为特定场景打造的模型。

该票务系统需要处理大量输入,包括客户升级诉求、安全发现以及容量请求,并将它们归入 20 个不同的类别。与生成对话文本的传统 LLM 不同,决策模型会接收输入状态,并对预定义选项集合返回概率分数。借助 Strands Decider E4B 模型,团队成功用更高效的决策流程替代了冗长的基于 JSON 的 LLM 提示词,从而显著减少了所需的 Token 数量。

为确保平稳切换,团队通过 AWS AppConfig 实施了三向配置开关,能够实时对比两种模型效果。他们采用双模式监控流量:在新系统全面上线前,Sonnet 和 Decider 并行运行以验证性能。该方式比离线评估可靠得多,因为它让团队能够基于真实生产规模数据分析差异。

此次切换的效果十分突出:每个工单的平均延迟下降了 78% 。通过优化输入提示词,并将输出精简为单一选择而不是完整的 JSON 响应,每个工单的 Token 总数减少了 70% 。此外,团队还发现:在请求中对 JSON 键进行排序能够提升一致性,他们注意到键的顺序此前会影响模型输出的概率。

尽管结果令人满意,工程师们仍强调决策模型更适用于特定场景,例如类别集合稳定的高并发分类任务。他们建议,如果某项任务需要较长解释,或类别目录经常变化,传统 LLM 可能仍然更合适。最终,这次迁移的成功表明:在大型企业环境中为代理部署专用决策模型,能够带来可观的经济收益。

261 comments • Comments Link

- 行业经历了周期性的转向:一开始为构建高效、专用的 machine learning classifiers 所做的努力,被强大的 LLMs 出现所打断;但当各组织在生产环境中寻求更具成本效益、可实现高吞吐量的方案时,市场又重新回到轻量级 classifiers 。

- LLMs 通过打破"需要海量、人工策划数据集"这一曾经让模型很难落地的高门槛,彻底改变了原型设计流程。它们让开发者能够在几天而非几个月内迭代业务逻辑,并成为将合成标签用于训练小型专用模型的强大工具。

- 尽管 LLMs 功能高度通用,但把它们用于每一项分类任务通常既低效又昂贵。当前共识更倾向于:在开发与启动阶段使用 LLMs,随后将其知识"提炼"到更小、更快、更便宜的模型中,例如 decision models 或微调后的 transformers,以满足长期生产需求。

- "Bitter Lesson"告诉我们,通用且计算密集型的方法往往胜过专用方案,但这并不否定在软件工程中部署专用单元的现实必要性。单体式模型在延迟、资源消耗以及在通用架构里维护专用逻辑方面都面临挑战。

- 数据安全和知识产权方面的担忧常常会阻碍跨客户训练,这在过去曾迫使开发者从头开始构建模型。 LLMs 则通过提供"world knowledge"来绕开这一点,使得较小的模型也能在显著更少的专有数据下达到较高性能。

- 使用 LLMs 的开发体验很像 Electron apps:它们往往占用大量资源,架构也不够理想,但它们大幅降低了门槛,让不具备深厚 machine learning 专业背景的通用型开发者也能构建复杂功能。

- machine learning 的"研究"端与"生产"现实之间存在明显差异。虽然 LLMs 非常适合原型验证,但它们的不可预测性和高成本在规模化落地时往往会成为负担。一旦问题领域被充分理解,就需要切换到更稳定、确定性更强的系统。

- 技术社区已经识别出 LLMs 的关键可靠性问题,例如对 JSON key 排序的敏感性。这些发现也解释了为什么在没有严格验证或下游优化的情况下,把 LLMs 直接依赖在核心基础设施上,会被视为对高风险业务运营而言的高风险做法。

- 大规模的 ticket classification 系统——例如大型科技公司在使用的那些——每年处理数千万条目。在这种规模下,哪怕只是降低分类延迟或略微降低每次推理成本,都可能带来每年数百万美元的节省,因此也证明了投入定制化模型的必要性。

- 从"购买与购买"(消费专有 LLM API)的模式,转回"制造"定制化、轻量级模型,被视为重新夺回技术控制权、并减少 vendor lock-in 的必要步骤。

整体讨论反映了 AI 落地向成熟化推进的更大趋势:围绕 LLMs 的早期热潮正在受到成本、规模和可维护性等现实约束的限制。普遍观点认为,LLMs 虽然在启动和快速实验阶段价值无可替代,但在狭窄、高频的分类任务中往往属于"大材小用"。新兴的最佳实践指向一种混合工作流:先用 large generative models 来定义流程并完成标记,再把这种行为提炼为更小、更专用、更高效的架构。这样的演进表明,行业中 machine learning 的未来不取决于少数几个巨型模型,而取决于一个异构生态系统:在这里,针对特定任务选择最合适的工具——从简单的 SVM 到面向领域的 transformer 。