Cloudflare, genellikle büyük dil modellerinin yaptığı gibi uçtan uca açık metinler üretmek yerine, programatik olarak kullanılabilecek sınıflandırmalar, yapılandırılmış çıktılar ve olasılıklar üretmek üzere tasarlanmış açık kaynaklı karar modelleri Clef ve Clef-flash'i piyasaya sürdü. Şirket, iki modeli Workers AI platformunda barındırıyor ve modelleri Apache 2.0 lisansı kapsamında Hugging Face'te de kullanıma sundu.
Buna eş zamanlı olarak Cloudflare, pekiştirmeli öğrenme kullanarak Clef'i ince ayarlamak için yeni bir hizmet açıkladı. Hizmet başlangıçta saha uygulama mühendislerinden oluşan bir ekip aracılığıyla sunulacak; daha sonra müşterilerin veri toplamasına, modeli ayarlamasına ve ardından modeli Cloudflare altyapısında yeniden dağıtmasına olanak tanıyan self servis bir platforma dönüşecek.
Karar modelleri ne yapıyor?
Karar modelleri, bir sistemin bir iş akışı içinde belirli bir seçim yapması gereken durumları hedefliyor. Örneğin bir destek mesajının acil olup olmadığını belirlemek, mesajı faturalandırma veya teknik ekibe yönlendirmek ya da etkisinin şiddetini tahmin etmek gibi. Modeller; seçim, puan veya mantıksal değer gibi belirli türlere göre yazılmış yanıtları, uygulamanın isteği yönlendirmek, üst kademeye taşımak veya bir insan çalışana aktarmak için kullanabileceği olasılıklarla birlikte döndürüyor.
Cloudflare, Clef'i web alan adlarını sınıflandırmak üzere tehdit istihbaratı ekibinde test ettiğini söylüyor. Browser Run kullanılarak sitenin alınması, görüntülenmesi ve sınıflandırılmasını içeren bir deneyde Clef 2,2 saniye sürerken, aynı iş akışında şirketin en hızlı modeli olan gpt-oss-120b 4,7 saniye sürdü. Clef ayrıca, alan adının bir moda veya e-ticaret sitesi olma olasılığı ve kimlik avı sitesi olma ihtimalinin %1'den düşük olması gibi birden fazla sınıflandırmayı olasılıklarla birlikte döndürdü.
Teknik farklar ve performans
Cloudflare, Clef'in görüntüleri işlemek için görsel bir kodlayıcı içerdiğini, oysa makaleye göre Jev'in metin sınıflandırmaya odaklandığını söylüyor. Model ayrıca Jev'deki 32 bin tokene kıyasla 64 bin token uzunluğunda bir bağlam penceresi sunuyor. Clef ve Clef-flash, karar aşamasında otoregresif olmayan bir mimari kullanıyor; bu sayede ara metin token token üretilmek yerine, şemadaki doğru seçenekler paralel olarak değerlendiriliyor.
Yayınlanan test sonuçlarında Clef, BFCL kıyaslamasında %98,47, API-Bank'te %91,93 ve BANKING77'de %94,20 doğruluk elde etti. Clef-flash ise bu kıyaslamalarda sırasıyla %98,76, %93,11 ve %90,93 sonuçlarına ulaştı. İki model de tüm testlerde üstünlük sağlayamadı; When2Call kıyaslamasında Jev %80,97 elde ederken Clef %72,37, Clef-flash ise %65,58'de kaldı. Jev, BRIGHT kıyaslamasında da önde olmayı sürdürdü.
Pekiştirmeli öğrenmeyle özelleştirme
Cloudflare, Clef'i eğitirken temel model olarak Qwen'i kullanıyor; Clef için Qwen3.8-27B, Clef-flash için ise Qwen3.5-9B kullanılıyor. Daha sonra bu modeller karar görevleri ve olasılık kalibrasyonu için iyileştiriliyor. İnce ayar hizmeti; destek taleplerinin tasnifi, güven ve emniyet bildirimlerinin değerlendirilmesi ve botların sınıflandırılması gibi durumları hedefliyor.
Önerilen sistem; istek verilerini yakalamak için AI Gateway'i, sonuçları üretmek için Workers AI'ı, pekiştirmeli öğrenme ortamları için Cloudflare Containers'ı ve model ağırlıklarını güncellemek için bir eğiticiyi bir araya getiriyor; ardından model Workers AI üzerinde yeniden dağıtılıyor. Şirket, modelin özelleştirilmesinin belirli bir alandaki doğruluğu artırabileceğini, ancak bunun genel performans pahasına gerçekleşebileceğini belirtiyor.
Bu lansman neden önemli?
Cloudflare, karar modellerini girdiler ile ajanların davranışı arasında uzmanlaşmış bir katman olarak sunuyor: Nispeten küçük bir model, hızlı biçimde yapılandırılmış bir karar döndürüyor; ardından daha büyük bir dil modeli ortaya çıkan eylemi gerçekleştirebiliyor. Bu tasarım, destek, güvenlik ve otomatik yönlendirme akışlarında yanıt süresini azaltabilir. Ancak özellikle sınıflandırma olasılıklarının otomatik eylemlere veya hassas kararlara yol açtığı durumlarda, her kullanım alanı için kalibrasyon ve güvenilirlik testlerine duyulan ihtiyacı ortadan kaldırmıyor. Ayrıca sunulan sonuçlar Cloudflare'ın seçtiği değerlendirmelerden elde edildiği için Clef'in tüm modellerden veya alanlardan üstün olduğunu kanıtlamıyor.