Cloudflare представила открытые decision-модели Clef для агентных систем
Cloudflare представила Clef — семейство открытых decision-моделей и платформу для их дообучения с помощью reinforcement learning. Проект ориентирован на разработчиков агентных систем и напрямую конкурирует с Jev от TypeSafe AI, которая недавно привлекла внимание концепцией «системы один» для агентов.
В состав семейства вошли модели Clef 27B и Clef-flash 9B. Их открытые веса опубликованы на Hugging Face под лицензией Apache 2.0, а запуск доступен через Workers AI. Cloudflare также заявляет о полной совместимости Clef с API Jev: по задумке компании, для перехода достаточно изменить конфигурацию без перестройки всей интеграции.
Как работают decision-модели
В отличие от обычных генеративных моделей, decision-модель не формирует свободный текстовый ответ. Она получает состояние системы — данные произвольной структуры — и схему типизированных вопросов. Вопросы могут предполагать ответ «да» или «нет», выбор одного из вариантов либо оценку по шкале.
На выходе модель возвращает вероятность каждого допустимого ответа. Такой формат подходит для задач, где результат нужно сразу передать в программную логику: определить маршрут тикета, решить, требуется ли эскалация инцидента, или понять, следует ли подключить оператора. Ограниченная схема снижает зависимость от парсинга естественного языка и делает поведение системы более предсказуемым.
Заявленная производительность
В заголовке анонса Cloudflare указывает, что открытый ответ Clef оказался в 13 раз быстрее Jev. Это сравнение основано на собственных замерах компании; в представленном описании не приводятся подробности методики тестирования, конфигурации оборудования или условий, при которых был получен такой результат.
Анонс Clef состоялся 1 октября в рамках Birthday Week Cloudflare. Компания называет релиз первым случаем, когда открытые веса моделей фронтирного уровня в этой нише публикует не специализированная ИИ-лаборатория, а инфраструктурный провайдер. Помимо самих моделей, Cloudflare предлагает платформу RL-дообучения, связывая выпуск Clef с дальнейшей настройкой decision-моделей под задачи агентных систем.
