Cloudflare заявляє, що нова модель Clef позбавляє AI-агентів потреби в участі людини

Cloudflare випускає Clef і Clef-flash — дві моделі ухвалення рішень для ШІ-агентів. Головною перевагою компанії в конкуренції з лідером Jev є швидкість.

Модель ухвалення рішень повертає коротку класифікацію з імовірностями, а не розгорнуту текстову відповідь. Отримавши повідомлення до служби підтримки, Clef оцінює його терміновість і визначає команду, яка має ним зайнятися. Наступний програмний код може використати ці результати, щоб спрямувати запит, ініціювати ескалацію або передати справу людині.

За словами Cloudflare, «людині більше не обов’язково брати участь у процесі ухвалення агентами рішень». Агенти можуть «програмно збирати контекст, ухвалювати рішення та виконувати дії щодо завдань або передавати їх людині, коли це необхідно». Cloudflare запозичила назву з музики, де ключ визначає висоту звуків на нотному стані. Так само модель ухвалення рішень задає основу для подальших дій. Фонетична схожість із «Jev», імовірно, також не випадкова.

Ці «моделі ухвалення рішень» займають нішу між великими мовними моделями та традиційними класифікаторами. Мовні моделі можуть міркувати й викликати інструменти, але їхні результати відрізняються, а самі вони можуть працювати повільно. Традиційні класифікатори швидкі, але для кожної нової категорії потребують повторного навчання. Cloudflare розглядає Clef як пряму відповідь на модель Jev від TypeSafe AI і зберігає повну сумісність API, щоб клієнти могли легко перейти на неї.

Clef-flash ухвалює рішення за 39 мілісекунд

За даними Cloudflare, у 43 тестах Clef і менша модель Clef-flash виявилися швидшими за всі релевантні конкуруючі моделі ухвалення рішень. Компанія повідомляє про медіанну затримку близько 39 мілісекунд для Clef-flash і близько 209 мілісекунд для Clef, тоді як у Jev цей показник становить трохи більше ніж 524 мілісекунди. Обидві моделі працюють безпосередньо на інфраструктурі Cloudflare, що, за словами компанії, також дає їм змогу скористатися близькістю до периферійних центрів обробки даних.

Команда Cloudflare з аналізу загроз уже тестує Clef для класифікації вебсайтів. В одному з прикладів модель визначає для домену 95-відсоткову ймовірність того, що це сайт про моду, і 85-відсоткову ймовірність того, що це інтернет-магазин. Імовірність того, що це фішинговий сайт, становить менш як один відсоток. Отримання, відтворення та класифікація сайту зайняли 2,2 секунди. Найшвидшій універсальній мовній моделі компанії на той самий процес знадобилося 4,7 секунди, і вона повернула лише дві категорії.

За даними Cloudflare, Clef також може обробляти зображення, тоді як Jev наразі обмежена текстом. Її контекстне вікно на 64 000 токенів вміщує вдвічі більше вхідних даних, ніж у Jev. Clef також випереджає Jev за показником Jev Decision Index у власних тестах Cloudflare.

Cloudflare побудована на моделях Qwen

Clef побудована на Qwen3.8-27B, а Clef-flash — на меншій Qwen3.5-9B, повідомляє Cloudflare. Під час навчання Cloudflare залишає базові моделі без змін і використовує власні синтетичні дані для навчання додаткових компонентів. Ці компоненти отримують варіанти відповідей та їхні ймовірності з внутрішніх обчислень моделей.

Cloudflare також використовує власний варіант навчання з підкріпленням для каліброваних рішень (RLCD) — метод навчання, який TypeSafe використала для навчання Jev. RLCD навчає моделі відповідати на кілька запитань щодо вхідних даних за один виклик, прагнучи призначати ймовірності, що відповідають фактичній частоті правильних відповідей. Раніше компанія експериментувала з DiffusionGemma, щоб отримувати фіксовані значення рішень із внутрішніх обчислень мовної моделі.

Клієнти зможуть донавчати Clef для власних завдань

Одночасно із запуском Cloudflare розгортає сервіс навчання з підкріпленням, який дає клієнтам змогу адаптувати Clef до власних завдань. Спочатку донавчанням разом із клієнтами займатиметься команда інженерів, які працюють безпосередньо на місцях, а згодом планується платформа самообслуговування.

Клієнти зможуть створювати набір даних, реєструючи запити через AI Gateway, а потім оцінювати ці запити в контейнерах, які слугуватимуть середовищем RL-пісочниці. Новий компонент для навчання дасть їм змогу розгортати донавчену модель у Workers AI. Для запуску власних моделей Cloudflare використовує технологію Replicate, яку компанія придбала наприкінці 2025 року.

Cloudflare заявляє, що планує використовувати Clef всередині компанії для перевірки повідомлень про зловживання, сортування запитів до служби підтримки та розрізнення корисних і шкідливих ботів. Обидві моделі працюють на платформі Workers AI від Cloudflare і доступні на Hugging Face за ліцензією Apache-2.0.

Цей підхід популяризувала TypeSafe AI — стартап, заснований колишнім дослідником OpenAI Діого Алмейдою, який представив Jev у середині вересня. TypeSafe позиціонує Jev як модель «без галюцинацій», хоча це лише гарантує, що вона залишатиметься в межах заздалегідь заданих варіантів відповідей, і не заважає їй обрати неправильний варіант. Наприкінці вересня OpenAI наслідувала цей підхід, представивши API Decisions на базі GPT-6 Luna, який також приймає контекст у вигляді тексту або зображень.

Cloudflare переважно керує глобальною мережею для доставки контенту, DNS і сервісів безпеки, тому її власним моделям ШІ приділяли небагато уваги. Останні новини про ШІ від компанії стосувалися переважно надання власникам вебсайтів контролю над доступом. У липні вона дозволила операторам сайтів блокувати або дозволяти ШІ-ботів залежно від їхньої мети.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати матеріали без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний передовий звіт «AI Radar» шість разів на рік, мати повний доступ до архіву та доступ до розділу коментарів.