Clef от Cloudflare: open-weight модели решений и RL-файн-тюнинг

Когда LLM — это слишком много

Представьте агентный пайплайн, который каждую секунду задаёт один и тот же вопрос: «Это фишинговый домен или нет?» Запускать ради этого полноразмерную языковую модель — всё равно что нанимать профессора математики для подсчёта сдачи в магазине. Дорого, медленно, избыточно.

Именно эту проблему и решает Cloudflare с релизом Clef — семейства open-weight моделей принятия решений, вышедших 1 октября 2026 года вместе с новой платформой RL-файн-тюнинга.

Cloudflare представила Clef и Clef-flash — open-source модели принятия решений, размещённые на Workers AI для высокоскоростной классификации и агентных рабочих процессов. Одновременно запущена новая платформа обучения с подкреплением, позволяющая разработчикам дообучать модели принятия решений на собственных данных.

Что такое «модель принятия решений» и зачем она нужна

Большинство разработчиков привыкли к LLM, которые генерируют текст токен за токеном. Модель принятия решений работает принципиально иначе.

Вы отправляете ей данные и несколько типизированных вопросов, а она возвращает вероятности: насколько вероятен ответ «да», какой вариант из списка подходит лучше всего, где данные находятся на описанной вами шкале. Она не пишет текст.

В отличие от больших языковых моделей, модели принятия решений возвращают быстрые, типизированные выходные данные с оценками уверенности, поэтому агенты могут классифицировать, маршрутизировать и действовать без участия человека.

Это ключевое отличие. Агент получает структурированное решение, на которое может немедленно реагировать — например, направить тикет, заблокировать запрос или эскалировать к человеку. Никакого свободного вывода для парсинга, никаких токенов рассуждений для ожидания.

Архитектура Clef: как это работает под капотом

Prefill-only подход вместо авторегрессии

Модель Qwen читает ваше состояние и вопросы за один проход — тот же шаг, который LLM выполняет перед тем, как начать писать (Cloudflare называет это prefill-only pass). Затем небольшая дополнительная сеть поверх — joint schema head — смотрит на то, что понял Qwen, и оценивает каждый допустимый вариант каждого вопроса за один раз. Softmax превращает эти оценки в вероятности.

Это принципиально: вместо того чтобы генерировать ответ посимвольно (и тратить время на каждый токен), Clef делает один «взгляд» на данные и сразу выдаёт калиброванные вероятности по всем вопросам.

Backbone и обучение

Clef построен на базе Qwen (Qwen3.8-27B для Clef и Qwen3.5-9B для Clef-flash) — веса заморожены, а совместная оптимизация routing head выполняется с помощью low-rank адаптеров ранга 256. Обучение использует label-smoothed cross-entropy плюс Brier loss для калибровки вероятностей, синтетические датасеты с перестановкой порядка полей и кастомный метод обучения с подкреплением RLCD для калиброванного неавторегрессивного скоринга решений.

При обучении Cloudflare заморозил веса Qwen и обучил head вместе с low-rank адаптерами (LoRA) на синтетических датасетах, которые перемешивают порядок полей, промптов и схем. Функция потерь поощряет и правильные ответы, и хорошо откалиброванные вероятности.

graph TD
    A[Входные данные: текст + JSON + изображения] --> B[Qwen Backbone\nPrefill-only pass]
    B --> C[Joint Schema Head\nLoRA rank-256]
    C --> D[Softmax]
    D --> E[Типизированные вероятности\nnoul / classify / score]
    E --> F{Агент принимает решение}
    F --> G[Маршрутизация]
    F --> H[Блокировка]
    F --> I[Эскалация]

Два варианта: Clef и Clef-flash

Cloudflare выпустила модели 1 октября 2026 года в двух размерах. Clef — это 27-миллиардная параметрическая модель для максимально точных ответов, а Clef-flash — 9-миллиардная параметрическая модель для ответов за десятки миллисекунд. Обе работают на Workers AI, а веса доступны на Hugging Face под лицензией Apache 2.0, так что вы можете скачать их и запускать на собственном железе.

Сравнение моделей

Clef-flash оптимизирован для latency-критичных приложений и достигает медианного времени инференса менее 40 миллисекунд при сохранении высокой точности.

Clef против конкурентов: Jev и OpenAI Decisions API

Rынок моделей принятия решений только формируется, но конкуренты уже есть — прежде всего Jev от Typesafe AI и Decisions API от OpenAI.

Бенчмарки и производительность

Clef имеет vision encoder для классификации изображений (Jev работает только с текстом), контекстное окно 64K токенов против 32K у Jev, и обошёл Jev в 3 из 4 тестов на собственном eval suite Typesafe, при более низкой медианной латентности на 43 бенчмарках.

В реальном рабочем сценарии разница впечатляет:

В рабочем процессе классификации доменов Threat Intelligence Cloudflare Clef потратил 2,2 секунды на загрузку, рендеринг и классификацию сайта, тогда как gpt-oss-120b потратил 4,7 секунды в том же процессе и вернул лишь две классификации. Это примерно вдвое увеличивает пропускную способность агентных пайплайнов, которым нужны быстрые структурированные решения.

Когда агентный пайплайн ежесекундно принимает тысячи маршрутизирующих решений, 2× ускорение — это не удобство, это экономия инфраструктурных расходов.

Открытость как конкурентное преимущество

Команда, которая строит свой агентный пайплайн поверх закрытого API, ставит ставку на доступность и ценовые решения одной компании. Clef снимает это ограничение: Apache 2.0 разрешает коммерческое использование, модификацию и локальный деплой без каких-либо роялти.

RL-платформа: файн-тюнинг под ваши задачи

Общая модель хороша, но для специализированных задач нужна специализированная настройка. Именно здесь вступает в игру новая платформа обучения с подкреплением от Cloudflare.

Как это работает сейчас

Cloudflare запустила RL-сервис файн-тюнинга, который поначалу работает через команду forward-deployed engineers в режиме ручного сопровождения, а самообслуживаемая платформа запланирована на более поздний срок.

Cloudflare также анонсировала сервис обучения с подкреплением для дообучения Clef на собственных данных. Пока это работает в ручном режиме: инженеры Cloudflare работают с вами напрямую, а вы регистрируетесь как дизайн-партнёр.

Архитектура будущей self-serve платформы

Платформа самообслуживания будет построена на AI Gateway, Containers и новом компоненте Trainer, который повторно развёртывает дообученные модели непосредственно на Workers AI.

# Псевдокод: как будет выглядеть RL-файн-тюнинг через API
from cloudflare import WorkersAI

client = WorkersAI(api_key="...")

# Запуск задачи файн-тюнинга
job = client.rl_finetune.create(
    base_model="@cf/cloudflare/clef",
    dataset="gs://my-bucket/labeled_decisions.jsonl",
    reward_fn="accuracy_calibration",  # RLCD
    epochs=5
)

# Деплой дообученной модели обратно на Workers AI
client.models.deploy(job.model_id)

Поскольку Cloudflare располагает более чем 15-летними сетевыми данными по различным доменам, компания может дообучить модель под конкретные сценарии использования, что делает её более точной и быстрой по сравнению с обобщённой моделью Clef.

Типы запросов и API

Clef доступен через Workers AI по адресам @cf/cloudflare/clef (27B, наибольшая точность, окно 64K) и @cf/cloudflare/clef-flash (9B, latency-критичные решения, окно 64K).

Модель поддерживает три типа решений:

// Пример запроса к Clef
{
  "state": {
    "url": "example-store.com",
    "screenshot": "<base64-image>"
  },
  "decisions": [
    {"id": "is_phishing", "type": "noul", "question": "Is this a phishing website?"},
    {"id": "category", "type": "classify", "question": "Website category",
     "options": ["ecommerce", "fashion", "finance", "news"]}
  ]
}

// Ответ
{
  "decisions": {
    "is_phishing": {"yes": 0.008, "no": 0.992},
    "category": {"ecommerce": 0.85, "fashion": 0.95, "finance": 0.02, "news": 0.01}
  },
  "latency_ms": 38
}

Clef делает то, чего не заявляют ни Jev, ни Decider: принимает изображения. Cloudflare говорит, что Clef может принимать до четырёх изображений вместе с текстовым состоянием, что позволяет классифицировать скриншоты или фотографии так же, как он классифицирует текст.

Где запускать: Workers AI или локально

Хостинг на Workers AI добавляет скорости. Запросы выполняются на GPU по всей сети Cloudflare, рядом с пользователями, поэтому сетевой round trip остаётся коротким. Clef можно поместить непосредственно в горячий путь агента, а затем передать управление LLM на Workers AI для выполнения действий.

Локальный запуск через Hugging Face позволяет:

• Полностью контролировать данные (GDPR, внутренние политики)
• Дообучать модель без ограничений облачного сервиса
• Интегрировать в on-premise инфраструктуру

Выводы: почему Clef важен для экосистемы AI

Clef — это не просто ещё одна модель. Это сигнал о том, в каком направлении движется инфраструктура агентных систем.

Ключевые итоги:

1. Специализация бьёт универсальность. Модели принятия решений быстрее и точнее LLM в задачах классификации — и Clef это доказывает на реальных бенчмарках.

2. Open-weight — это не просто маркетинг. Apache 2.0 с возможностью локального запуска снимает vendor lock-in и открывает путь для корпоративного деплоя со строгими требованиями к конфиденциальности.

3. RL-файн-тюнинг как продукт. Сопутствующий запуск новой платформы RL-файн-тюнинга позволяет предприятиям адаптировать Clef к узкоспециализированным операционным требованиям.

4. Мультимодальность из коробки. Поддержка изображений делает Clef применимым в сценариях, где конкуренты просто не работают.

5. Интеграция с экосистемой Cloudflare. Workers AI, AI Gateway, Containers, Browser Run — Clef не изолированный продукт, а часть растущего AI-стека.

Будущее агентных систем — не один умный LLM, а оркестр специализированных моделей, каждая из которых делает своё дело быстро и надёжно. Clef открывает эту дверь для всего сообщества разработчиков.

Если вы строите агентные пайплайны — попробуйте Clef прямо сейчас через Workers AI или скачайте веса с Hugging Face. Для специализированных задач подайте заявку как дизайн-партнёр на RL-файн-тюнинг.