Cloudflare دو مدل تصمیم‌گیری به نام‌های Clef (27B) و Clef-flash (9B) منتشر کرد. این نخستین مدل‌هایی است که تیم Workers AI این شرکت آموزش داده است. برخلاف مدل‌های زبانی متعارف، این مدل‌ها متن تولید نمی‌کنند؛ بلکه برای هر سؤال ساختاریافته یک احتمال عددی برمی‌گردانند. هر دو با مجوز Apache 2.0 روی Hugging Face در دسترس‌اند و از API سازگار با مدل Jev (محصول TypeSafe AI) پیروی می‌کنند.

مدل تصمیم‌گیری چه کاری انجام می‌دهد#

Clef سه نوع سؤال را پشتیبانی می‌کند: noul (بله/خیر با احتمال)، choice (انتخاب یک گزینه از بین گزینه‌های نام‌گذاری‌شده با احتمال هر گزینه و یک مقدار اطمینان)، و score (امتیازدهی بر اساس یک معیار ترتیبی). هر درخواست روی Workers AI می‌تواند حداکثر 64 سؤال و 4 تصویر داشته باشد.

Clef از Qwen3.8-27B و Clef-flash از Qwen3.5-9B پس‌آموزش داده شده‌اند و هر دو انکودر بینایی مدل پایه را حفظ کرده‌اند. در مرحله استنتاج، مدل پایه یک پاس prefill-only روی ورودی و سؤالات اجرا می‌کند؛ سپس یک ترنسفورمر کوچک به نام joint schema head، شواهد را به هر سؤال مسیریابی کرده و گزینه‌ها را به‌صورت مشترک امتیازدهی می‌کند.

مقایسه عملکرد و هزینه#

روی 10 بنچمارک Decision Index 0.2.1، یکی از مدل‌های Cloudflare در 7 مورد بالاترین نمره را کسب کرد. در مقایسه با Jev، مدل Clef روی BANKING77 نمره 94.20 در مقابل 79.74 و روی CLINC150+OOS نمره 97.43 در مقابل 89.27 کسب کرد. اما Jev در آزمون‌های دانش‌محور همچنان پیش است: GPQA Diamond (78.3 در مقابل 48.0)، MMLU-Pro (82.7 در مقابل 65.9) و BBH (92.9 در مقابل 73.7).

میانگین تأخیر Clef روی Workers AI برابر 209.3 میلی‌ثانیه و Clef-flash برابر 38.8 میلی‌ثانیه گزارش شده است؛ در حالی که Jev با 524.1 میلی‌ثانیه کندتر است. قیمت میزبانی ورودی: Clef با 0.24 دلار در میلیون توکن و Clef-flash با 0.09 دلار، در برابر 0.042 دلار برای Jev. تمام اعداد vendor-reported هستند و بازتولید مستقل ندارند.

تحلیل تحریریه: چه چیزی عوض می‌شود و چه چیزی نه#

برای کسی که ایجنت یا خط اتوماسیون می‌سازد، این خبر یک گزینه‌ی جدیدِ متن‌باز برای لایه تصمیم‌گیری اضافه می‌کند — بدون وابستگی به API بسته. سازگاری با Jev API یعنی تغییر از یک مدل به دیگری عملاً فقط عوض‌کردن endpoint و نام مدل است. اما این مدل‌ها جایگزین LLM نیستند؛ اگر خروجی متنی یا استدلال زنجیره‌ای لازم دارید، همچنان به مدل زبانی نیاز دارید. تأخیر پایین‌تر و پشتیبانی از تصویر، Clef-flash را برای کاربردهای پرتعداد و بلادرنگ جذاب می‌کند. در مقابل، قیمت بالاتر نسبت به Jev و فقدان بازتولید مستقل بنچمارک‌ها، احتیاط لازم را می‌طلبد. سرویس fine-tuning با یادگیری تقویتی هنوز در مرحله design partner است و در دسترس عمومی نیست.

منبع: MarkTechPost