Cloudflare запустила модели искусственного интеллекта Clef и Clef-flash — открытые модели принятия решений, предназначенные для формирования классификаций, структурированных выходных данных и вероятностей, пригодных для программного использования, вместо генерации текстов со свободной структурой, как это обычно делают большие языковые модели. Компания размещает обе модели на платформе Workers AI, а также предоставила их на Hugging Face по лицензии Apache 2.0.
Одновременно Cloudflare представила новый сервис тонкой настройки Clef с использованием обучения с подкреплением. На первом этапе сервис предоставляется командой инженеров по внедрению, а позднее должен превратиться в платформу самообслуживания, которая позволит клиентам собирать данные, настраивать модель, а затем повторно развёртывать её на инфраструктуре Cloudflare.
Что делают модели принятия решений?
Модели принятия решений предназначены для случаев, когда системе необходимо выбрать конкретный вариант в рамках рабочего процесса — например, определить, является ли обращение в службу поддержки срочным, направить его в отдел биллинга или техническую команду либо оценить серьёзность его воздействия. Модели возвращают ответы, записанные в соответствии с определёнными типами, например в виде выбора, оценки или логического значения, а также вероятности, которые приложение может использовать для маршрутизации, эскалации запроса или его передачи сотруднику.
Cloudflare сообщает, что протестировала Clef в команде разведки угроз для классификации веб-доменов. В эксперименте, включавшем получение и отображение сайта, а также его классификацию с помощью Browser Run, Clef справился за 2,2 секунды по сравнению с 4,7 секунды у самой быстрой модели компании gpt-oss-120b в том же рабочем процессе. Clef также возвращал несколько классификаций с вероятностями, включая вероятность того, что домен является сайтом о моде или электронной коммерции, а также вероятность менее 1% того, что он является фишинговым сайтом.
Технические различия и производительность
Cloudflare сообщает, что Clef включает визуальный энкодер для обработки изображений, тогда как Jev, согласно материалу, был сосредоточен на классификации текста. Модель также предоставляет контекстное окно длиной 64 тысячи токенов по сравнению с 32 тысячами у Jev. Clef и Clef-flash используют нерегрессионную архитектуру на этапе принятия решения: корректные варианты схемы оцениваются параллельно, вместо того чтобы генерировать промежуточный текст последовательно, токен за токеном.
Согласно опубликованным результатам тестов, Clef набрал точность 98,47% в бенчмарке BFCL, 91,93% в API-Bank и 94,20% в BANKING77, тогда как Clef-flash показал соответственно 98,76%, 93,11% и 90,93%. Обе модели не превосходили другие во всех тестах: в бенчмарке When2Call Jev получил 80,97% против 72,37% у Clef и 65,58% у Clef-flash, а Jev также сохранил преимущество в бенчмарке BRIGHT.
Адаптация с помощью обучения с подкреплением
Cloudflare обучает Clef на базе Qwen, используя Qwen3.8-27B для Clef и Qwen3.5-9B для Clef-flash, а затем оптимизирует их для задач принятия решений и калибровки вероятностей. Сервис настройки ориентирован на такие случаи, как сортировка обращений в службу поддержки, оценка сообщений о доверии и безопасности, а также классификация ботов.
Предлагаемая система объединяет AI Gateway для сбора данных о запросах, Workers AI для генерации результатов, Cloudflare Containers для сред обучения с подкреплением и обучающий модуль для обновления весов модели с последующим повторным развёртыванием на Workers AI. Компания отмечает, что адаптация модели может повысить точность в конкретной области, но это может происходить за счёт общей производительности.
Почему этот запуск важен?
Cloudflare представляет модели принятия решений как специализированный слой между входными данными и поведением агентов: относительно небольшая модель быстро возвращает структурированное решение, после чего более крупная языковая модель может выполнить соответствующее действие. Такая архитектура способна сократить время отклика в процессах поддержки, безопасности и автоматической маршрутизации, однако не устраняет необходимость проверять калибровку и надёжность для каждого варианта использования, особенно когда вероятности классификации приводят к автоматическим действиям или чувствительным решениям. Кроме того, представленные результаты получены в ходе оценок, выбранных Cloudflare, и не доказывают превосходство Clef над всеми моделями или во всех областях.