Cloudflare: с новой моделью Clef людям больше не нужно контролировать работу ИИ-агентов

Cloudflare делает ставку на скорость в конкуренции с лидером рынка Jev. Модели принятия решений возвращают краткую классификацию с вероятностями, а не длинный ответ. Получив сообщение в службу поддержки, Clef оценивает срочность и определяет, какая команда должна им заняться. Затем код может направить обращение, запустить эскалацию или передать дело человеку.

По словам Cloudflare, теперь человек не всегда должен участвовать в решениях ИИ-агентов. Агент может программно собрать контекст, принять решение и выполнить задачу или, если потребуется, передать её человеку. Название Clef отсылает к музыкальному ключу: он задаёт высоту нот на линейках нотного стана. Так же и модель принятия решений определяет, какие действия последуют дальше. Созвучие с названием Jev, вероятно, тоже выбрано не случайно.

Модель принятия решений одновременно отвечает на несколько заранее заданных вопросов о входных данных, возвращая вероятность для каждого варианта ответа

Источник: the-decoder.com

Модели принятия решений занимают промежуточное место между большими языковыми моделями и обычными классификаторами. Языковые модели умеют рассуждать и вызывать инструменты, но их ответы могут различаться, а работа — занимать больше времени. Классификаторы работают быстро, однако для каждой новой категории их приходится переобучать. Cloudflare позиционирует Clef как прямого конкурента Jev от TypeSafe AI и сохранила полную совместимость API, чтобы клиентам было проще переключиться.

Clef-flash отвечает за 39 миллисекунд

По данным Cloudflare, в 43 бенчмарках Clef и более компактная Clef-flash оказались быстрее всех подходящих моделей-конкурентов. Медианная задержка составляет около 39 миллисекунд у Clef-flash и около 209 миллисекунд у Clef. У Jev этот показатель превышает 524 миллисекунды. Обе модели работают непосредственно на инфраструктуре Cloudflare и, по словам компании, выигрывают от близости к периферийным дата-центрам.

Согласно опубликованным Cloudflare данным, Clef обеспечивает наивысшее качество принятия решений, а Clef-flash почти не уступает Jev по точности при значительно меньшей задержке

Источник: the-decoder.com

Команда Cloudflare по анализу угроз уже проверяет Clef для классификации сайтов. В одном примере модель оценила вероятность того, что домен принадлежит сайту о моде, в 95%, а вероятность того, что это интернет-магазин, — в 85%. Вероятность фишинга оказалась ниже 1%. Загрузка сайта, его отображение и классификация заняли 2,2 секунды. Самая быстрая универсальная языковая модель компании выполнила тот же процесс за 4,7 секунды и определила только две категории.

По данным Cloudflare, Clef умеет обрабатывать изображения, тогда как Jev пока работает только с текстом. Контекстное окно Clef вмещает 64 000 токенов — вдвое больше, чем у Jev. В собственных бенчмарках Cloudflare Clef также опережает конкурента по индексу Jev Decision Index.

Clef построена на моделях Qwen

Cloudflare сообщает, что Clef основана на Qwen3.8-27B, а Clef-flash — на меньшей Qwen3.5-9B. Во время обучения компания не меняет базовые модели, а использует собственные синтетические данные, чтобы обучить дополнительные компоненты. Они извлекают из внутренних вычислений моделей варианты ответов и вероятности.

Cloudflare также применяет собственную версию обучения с подкреплением для калиброванных решений — RLCD, метода, который TypeSafe использовала для обучения Jev. RLCD учит модель за один запрос отвечать на несколько вопросов о входных данных. Цель — добиться, чтобы присвоенные ответам вероятности соответствовали тому, как часто эти ответы оказываются правильными. Ранее Cloudflare экспериментировала с DiffusionGemma, чтобы получать фиксированные значения решений из внутренних вычислений языковой модели.

Клиенты смогут дообучать Clef под свои задачи

Вместе с запуском Cloudflare разворачивает сервис обучения с подкреплением, который позволит клиентам адаптировать Clef к своим задачам. На первом этапе дообучением займётся команда инженеров, работающих непосредственно с клиентами; позднее компания планирует открыть платформу для самостоятельной работы.

Клиенты смогут собирать набор данных, регистрируя запросы через ИИ Gateway, а затем оценивать их в контейнерах, которые будут служить тестовой средой для обучения с подкреплением. Новый компонент для обучения позволит развёртывать дообученную модель на Workers AI. Для запуска пользовательских моделей Cloudflare использует технологии Replicate, которую приобрела в конце 2025 года.

Запланированная Cloudflare платформа самообслуживания будет записывать производственные данные, дообучать Clef с помощью обучения с подкреплением и напрямую развёртывать настроенную модель

Источник: the-decoder.com

Cloudflare планирует применять Clef внутри компании: для проверки жалоб на злоупотребления, сортировки запросов в службу поддержки и отделения полезных ботов от вредоносных. Обе модели работают на платформе Workers AI и доступны на Hugging Face по лицензии Apache-2.0.

Подход популяризировала TypeSafe AI — стартап, основанный бывшим исследователем OpenAI Диогу Алмейдой. В середине сентября компания представила Jev. TypeSafe называет эту модель системой «без галлюцинаций», но это означает лишь, что она выбирает из заранее заданных вариантов: модель всё равно может выбрать неверный ответ. В конце сентября OpenAI представила Decisions API на базе GPT-6 Luna. Он также принимает контекст в виде текста или изображений.

Cloudflare в первую очередь управляет глобальной сетью для доставки контента, DNS и сервисов безопасности, а её собственные ИИ-модели привлекали мало внимания. В последнее время новости компании об ИИ касались контроля над доступом к сайтам. В июле Cloudflare позволила владельцам сайтов блокировать или разрешать ИИ-ботам доступ в зависимости от их назначения.