Clef Faoliyat yuritmoqda

Clef — Cloudflare tomonidan ochiq manba sifatida taqdim etilgan qaror qabul qilish modellari oilasi bo‘lib, kontekstni baholaydi va keyingi harakatni belgilaydi. Ochiq matn yaratadigan chat modellaridan farqli ravishda, Clef so‘rov ichida muammoni vaqtincha belgilaydi va har bir variantga ehtimollik beradi. Kod esa shu asosda marshrutlash yoki bloklashni amalga oshiradi, yangi toifalar qo‘shilganda modelni qayta-qayta qayta o‘qitish talab etilmaydi. Clef oilasida 27B parametrli Clef aniqlikka, 9B parametrli Clef-flash esa 38.8 millisekundlik median kechikishga urg‘u beradi va Agent’ning tezkor yo‘liga joylashtirish uchun mos keladi.

Ehtimollik asosidagi qarorlar: state va tiplashtirilgan savolni kiriting, har bir variant ehtimolligini oling; kod bu natija asosida to‘g‘ridan-to‘g‘ri marshrutlashi, bloklashi yoki inson ko‘rib chiqishiga yuborishi mumkin.
Uch xil savol turi: noul, choice va score qo‘llab-quvvatlanadi; bitta so‘rovda ko‘pi bilan 64 ta savol berish mumkin.
Vizual tasniflash: ichki vision encoder mavjud bo‘lib, matn bilan birga ko‘pi bilan 4 ta rasmni baholashga imkon beradi.
64K kontekst: uzun loglar, murojaatlar va JSON holatlari kabi to‘liqroq ma’lumotlarni sig‘dira oladi.
Jev API bilan moslik: so‘rov sxemasi Jev bilan moslashtirilgan, migratsiya paytida asosan faqat endpoint va model nomini o‘zgartirish kifoya.
Avtoregressiv bo‘lmagan inference: bir martalik prefill’dan so‘ng ruxsat etilgan variantlar parallel baholanadi; matn tokenma-token yaratilmaydi, shu sababli kechikish universal LLM’larga qaraganda ancha past.
Edge’da past kechikishli hosting: Workers AI global GPU tarmog‘iga tayangan holda, Clef median 209ms, Clef-flash esa atigi 38.8ms natija ko‘rsatadi va tezkor yo‘lga kiritilishi mumkin.

WeChat’da “ochiq manba” deb javob yuboring va AI ochiq manba loyihalari guruhiga qo‘shiling
Avtoregressiv bo‘lmagan qaror arxitekturasi: Clef avval kirish ma’lumotlari uchun bir martalik prefill-only forward hisoblashni bajaradi, so‘ng so‘rovda belgilangan qonuniy schema variantlarini parallel baholab, ichki tasvirdan strukturaviy natijani bevosita chiqaradi.
Ikki bosqichli attention routing: har bir qonuniy variant avval prompt’dan o‘ziga tegishli kontekstni ajratib oladi, keyin barcha maydon parametrlari o‘zaro cross-attend qiladi va asl payload bilan bog‘lanib, birgalikda modellashtiriladi. Lexical prior yordamida variantlar o‘rtasidagi semantik izchillik saqlanadi va dalillar schema cheklovlari ostidagi ballarga jamlanadi.
Muzlatilgan baza + yengil moslashtirish: baza Qwen3.8-27B va Qwen3.5-9B modellaridan iborat. Asosiy tarmoq muzlatiladi, faqat routing head va rank-256 LoRA adapterlari birgalikda optimallashtiriladi. Shu tariqa juda kam o‘qitiladigan parametrlar bilan qaror qabul qilish qobiliyatiga erishilib, o‘qitish va joylashtirish xarajatlari kamayadi.
Kalibrlashga yo‘naltirilgan o‘qitish maqsadi: post-training jarayonida label-smoothed cross-entropy chiqishning qonuniy schema ichida qolishini ta’minlaydi, Brier loss esa ehtimolliklarni maxsus kalibrlab, ehtimollik qiymatlarining o‘ziga ishonchni oshiradi.
RLCD mustahkamlovchi o‘qitish: xususiy Reinforcement Learning for Calibrated Decisions ikkilamchi optimallashtirish maqsadi sifatida qo‘llanadi. Qo‘shni ordinal variantlarga qisman ball, aniq mos kelgan javoblarga to‘liq ball beriladi, reference penalty esa taqsimotning siljishini oldini oladi. Bu aniqlik va umumlashtirishni yaxshilaydi.
Ma’lumotlar strategiyasi: o‘qitish ma’lumotlari ichki sintetik datasetdan iborat. Maydonlar tartibi, prompt va schema tuzilmalari almashtirilib, umumlashtirish kuchaytiriladi. Natijada model savolning ifodalanish usuliga kamroq bog‘liq bo‘ladi va so‘rov vaqtida aniqlanadigan yangi toifalarga moslasha oladi.

Hisob va ruxsatlarni tasdiqlang: Cloudflare hisobini ro‘yxatdan o‘tkazing, Account ID va API Token oling hamda Workers AI’ni yoqing.
Modelni tanlang: ehtiyojga qarab @cf/cloudflare/clef yoki @cf/cloudflare/clef-flash ni tanlang.
So‘rov tanasini tuzing: model, state (matn/JSON holati) va questions qismlarini tayyorlang. 1–64 ta noul/choice/score turidagi savol yuborish mumkin, criteria chegaralarini aniq yozing.
So‘rov yuboring: REST orqali /accounts/{id}/ai/run/@cf/cloudflare/clef manziliga POST yuboring yoki Worker ichida env.AI.run() orqali bog‘langan chaqiruvdan foydalaning.
Ehtimollik natijalarini tahlil qiling: har bir savol variantlarining ehtimolligi yoki vaznlangan ballarini response.answers’dan o‘qing va “eng yuqori variant + ehtimollik chegarasi” asosida marshrutlash yoki bloklashni amalga oshiring.
Rasmlarni ulang (ixtiyoriy): vizual qaror kerak bo‘lsa, PNG/JPEG/WebP baytlarini so‘rovga joylang, masofaviy URL yubormang.
Ishga tushirishdan oldin yuklama sinovini o‘tkazing: o‘z state uzunligingiz va savollar soningiz bilan kechikish hamda aniqlikni o‘lchang, so‘ng to‘liq o‘tish yoki xavfga qarab flash/clef’ga taqsimlash haqida qaror qiling.
Ilg‘or fine-tuning (ixtiyoriy): soha yorliqlari o‘ziga xos bo‘lsa, AI Gateway orqali ma’lumotlarni jamlang va FDE jamoasining RL fine-tuning xizmati yordamida maxsus model sozlang.

Tezkor: avtoregressiv bo‘lmagan parallel baholash va edge GPU hosting tufayli Clef median kechikishi 209ms, Clef-flash’niki esa atigi 38.8ms. Jev’dan 2.5×–13× tezroq va tezkor yo‘lga mos.
Aniq: Jev Decision Index’da birinchi o‘rinda, rasmiy 10 ta qaror benchmarkining 7 tasida eng yuqori ballni olgan, Typesafe workflow baholashida esa 4 yo‘nalishdan 3 tasida g‘olib bo‘lgan.
Qayta o‘qitmasdan toifa qo‘shish: toifalar so‘rov ichida vaqtincha belgilanadi, yangi yorliqlar uchun an’anaviy klassifikatorlar kabi modelni qayta o‘qitish shart emas.
Kalibrlangan ehtimollik: Brier loss + RLCD o‘qitishi chiqish ehtimolliklarini ishonchli qiladi, shuning uchun avtomatlashtirilgan qarorlar uchun chegarani bevosita belgilash mumkin.
Mahalliy multimodallik: ichki vision encoder rasmlarni tasniflay oladi, Jev esa hozircha faqat matn bilan ishlaydi.
Kengaytirilgan kontekst: 64K kontekst (Jev’da 32K) uzunroq loglar va holatlarni joylashtirish imkonini beradi.
Migratsiya xarajatsiz: Jev API bilan to‘liq mos, endpoint va model nomini o‘zgartirish orqali muammosiz almashtirish mumkin.

Loyiha rasmiy sayti: https://blog.cloudflare.com/clef-decision-models/
HuggingFace model kutubxonasi: https://huggingface.co/Cloudflare/clef
https://huggingface.co/Cloudflare/clef-flash

Mijozlarga xizmat ko‘rsatish murojaatlarini taqsimlash: murojaat mazmuni va skrinshotni kiriting, bitta so‘rovda uning shoshilinchligini, qaysi jamoaga yo‘naltirilishini va jiddiylik darajasini aniqlang; ishonch past bo‘lsa, avtomatik ravishda insonga yuboring.
Tahdid razvedkasi va fishingga qarshi himoya: Browser Run bilan render qilingan veb-sahifalarni yuklab, domen yoki sahifani bir nechta yorliq bo‘yicha tasniflang; rasmiy sinovda butun jarayon atigi 2.2 soniya davom etgan.
Bot trafigini aniqlash: gateway’ning tezkor yo‘lida Clef-flash’dan foydalanib, crawler’ning yaxshi niyatli yoki zararli ekanini tez aniqlang va millisekundlar ichida bloklang yoki o‘tkazing.
Agent vositalaridan foydalanishdan oldingi tekshiruv: Agent yuqori xavfli amalni bajarishidan oldin Clef’dan “buni qilish kerakmi, qaysi vositadan foydalanish kerak?” deb so‘rang va ehtimollik chegarasiga qarab amalni bajarish yoki tasdiq so‘rash haqida qaror qiling.