Cloudflare مدل‌های تصمیم‌گیری Clef و Clef-flash را منتشر کرد

مدل‌های تصمیم‌گیری Clef از Cloudflare می‌توانند به‌جای تولید متن آزاد، برای پاسخ‌های ازپیش‌تعریف‌شده احتمال ارائه کنند؛ این شرکت در اول اکتبر دو مدل Clef و Clef-flash را معرفی کرد که نخستین مدل‌های آموزش‌دیده توسط تیم Workers AI آن هستند. هر دو مدل با مجوز Apache 2.0 منتشر شده‌اند، روی سرویس Workers AI قابل اجرا هستند و وزن‌هایشان برای استفاده و میزبانی مستقل در Hugging Face در دسترس است. این رویکرد برای کسب‌وکارهایی اهمیت دارد که می‌خواهند پاسخ مدل را در یک گردش‌کار مشخص، مانند دسته‌بندی درخواست‌ها یا ارزیابی رخدادها، به‌صورت ساخت‌یافته دریافت کنند.

مدل‌های تصمیم‌گیری Clef چگونه پاسخ می‌دهند؟

یک مدل زبانی معمولی، پاسخ را توکن به توکن می‌سازد؛ سپس نرم‌افزار یا کاربر باید متن تولیدشده را تفسیر و از آن داده موردنیاز را استخراج کند. مدل تصمیم‌گیری، در مقابل، ورودی را همراه با مجموعه‌ای از پرسش‌ها و پاسخ‌های مجاز دریافت می‌کند و برای هر گزینه احتمال برمی‌گرداند. به این ترتیب، خروجی به پاسخ‌های آزاد و دشوار برای پردازش محدود نمی‌شود.

Clef سه نوع پرسش را پشتیبانی می‌کند. نوع noul برای پاسخ‌های بله یا خیر است و احتمال پاسخ مثبت را ارائه می‌دهد. نوع choice از میان چند گزینه نام‌گذاری‌شده انتخاب می‌کند و احتمال هر گزینه را همراه با مقدار اطمینان گزارش می‌دهد. نوع score ورودی را بر اساس یک معیار رتبه‌بندی‌شده می‌سنجد و امتیازی وزن‌دار با احتمال‌ها ارائه می‌کند.

در Workers AI، هر درخواست می‌تواند تا ۶۴ پرسش و حداکثر چهار تصویر داشته باشد. Cloudflare برای Clef پنجره زمینه‌ای با ظرفیت ۶۵٬۵۳۶ توکن اعلام کرده است؛ پنجره زمینه‌ای به مقدار متنی گفته می‌شود که مدل می‌تواند در یک درخواست در نظر بگیرد. طبق معرفی شرکت، Clef می‌تواند با متن، JSON، تصویر و ویدئو کار کند. هر دو مدل با API موسوم به System One از TypeSafe AI سازگارند؛ بنابراین، استفاده از Clef به‌جای Jev در این API به تغییر نام مدل و نشانی نقطه پایانی محدود می‌شود.

معماری و آموزش دو مدل

بر اساس توضیحات فنی Cloudflare، Clef بر پایه Qwen3.8-27B و Clef-flash بر پایه Qwen3.5-9B ساخته شده‌اند. هر دو مدل رمزگذار بینایی مدل پایه را حفظ می‌کنند؛ رمزگذار بینایی بخشی از مدل است که محتوای تصویری را به بازنمایی قابل‌پردازش تبدیل می‌کند.

استنتاج در دو مرحله انجام می‌شود. ابتدا مدل پایه یک گذر روی ورودی و پرسش‌ها اجرا می‌کند. سپس یک بخش ترنسفورمری کوچک‌تر، با نام «سرِ طرح‌واره مشترک»، اطلاعات مرتبط با هر پرسش را استخراج و گزینه‌ها را در ارتباط با یکدیگر امتیازدهی می‌کند. در پایان، تابعی به نام softmax امتیازهای خام را به احتمال تبدیل می‌کند. در این طراحی، مدل به‌جای ساخت جمله، مستقیماً پاسخ‌های ساخت‌یافته موردنیاز طرح‌واره را محاسبه می‌کند.

Cloudflare می‌گوید هنگام آموزش، وزن‌های اصلی هر دو مدل ثابت نگه داشته شده و بخش مسیریابی همراه با آداپتورهای کم‌رتبه تنظیم شده است. تابع آموزش نیز ترکیبی از آنتروپی متقاطع با هموارسازی برچسب و Brier loss بوده است. بخش دوم به سنجش کالیبراسیون کمک می‌کند؛ یعنی بررسی اینکه احتمال اعلام‌شده تا چه حد با میزان درستی پاسخ‌ها تناسب دارد. شرکت همچنین از روشی با عنوان RLCD، یا یادگیری تقویتی برای تصمیم‌های کالیبره‌شده، استفاده کرده که برای گزینه‌های رتبه‌بندی‌شده مجاور اعتبار نسبی در نظر می‌گیرد.

نتایج بنچمارک‌ها؛ برتری به نوع کار بستگی دارد

Cloudflare گزارش کرده است که در مجموعه ده‌بنچمارکی Decision Index 0.2.1، یکی از دو مدل Clef در هفت آزمون بالاترین امتیاز را گرفته است. برای نمونه، در دسته‌بندی درخواست‌های بانکی BANKING77، امتیاز macro-F1 برای Clef برابر ۹۴٫۲۰ و برای Jev برابر ۷۹٫۷۴ بوده است. در CLINC150+OOS نیز Clef امتیاز ۹۷٫۴۳ را در برابر ۸۹٫۲۷ برای Jev ثبت کرده است. در آزمون لوازم خانگی، Clef-flash با امتیاز تطبیق کامل ۹۷٫۷۳ از Jev با امتیاز ۵۲٫۲۷ جلوتر بوده است.

این نتایج به معنی برتری Clef در همه کاربردها نیست. طبق مدل‌کارت منتشرشده، Jev در آزمون‌های دانش‌محور GPQA Diamond، MMLU-Pro و BBH امتیازهای بالاتری کسب کرده است: به‌ترتیب ۷۸٫۳ در برابر ۴۸، ۸۲٫۷ در برابر ۶۵٫۹ و ۹۲٫۹ در برابر ۷۳٫۷. این تفاوت نشان می‌دهد که مدل‌های تصمیم‌گیری تخصصی ممکن است برای دسته‌بندی و پاسخ به پرسش‌های محدود مناسب باشند، اما لزوماً جایگزین مدل‌هایی نیستند که در ارزیابی‌های دانش عمومی یا استدلال عملکرد بهتری دارند.

در ارزیابی‌های گردش‌کار TypeSafe AI، Clef در سه مورد از چهار حوزه با فاصله‌ای محدود از Jev پیش افتاده است. در پردازش فاکتور، امتیازها ۶۴٫۷ و ۶۱٫۸ بود؛ در خدمات مشتری ۷۶٫۳ و ۷۶؛ و در رخدادهای امنیتی ۶۲٫۹ و ۶۱٫۷. در مشاهده‌پذیری ردپای عامل‌ها، Jev با ۷۱٫۶ در برابر ۶۸٫۵ امتیاز بیشتری کسب کرد. Cloudflare همچنین گفته است طبقه‌بندی یک دامنه در گردش‌کار اطلاعات تهدید با Clef ۲٫۲ ثانیه طول کشید، در حالی که gpt-oss-120b این کار را در ۴٫۷ ثانیه انجام داد. شرکت تأکید کرده که این ارقام گزارش خود فروشندگان‌اند و هنوز بازتولید مستقل نشده‌اند.

دسترسی، سرعت و خدمات تنظیم مدل

هر دو مدل از طریق اتصال Workers AI، رابط REST یا AI Gateway قابل‌فراخوانی‌اند. شرکت برای استفاده مستقل نیز وزن‌ها را منتشر کرده و در مدل‌کارت‌ها اجرای آزمایشی روی یک شتاب‌دهنده H200 با وزن‌های BF16 را فهرست کرده است. BF16 قالبی برای نمایش اعداد در محاسبات مدل‌های هوش مصنوعی است.

در آزمون داخلی Decision Index که Cloudflare به آن استناد کرده، میانه تأخیر Clef برابر ۲۰۹٫۳ میلی‌ثانیه و Clef-flash برابر ۳۸٫۸ میلی‌ثانیه بوده است. برای مقایسه، عدد گزارش‌شده برای Jev برابر ۵۲۴٫۱ میلی‌ثانیه است. این ارقام به معنای تضمین سرعت یکسان در همه محیط‌ها نیستند؛ عملکرد واقعی می‌تواند به نوع درخواست و شرایط اجرا وابسته باشد. قیمت ورودی میزبانی‌شده نیز در جدول مقایسه، برای هر یک میلیون واحد ورودی، ۰٫۲۴ دلار برای Clef و ۰٫۰۹ دلار برای Clef-flash اعلام شده است؛ قیمت Jev در همان جدول ۰٫۰۴۲ دلار است.

Cloudflare در کنار انتشار مدل‌ها از برنامه‌ای برای تنظیم Clef با یادگیری تقویتی روی داده‌های خصوصی خبر داده است. این خدمت در مرحله نخست با کمک مهندسان مستقر در پروژه‌های مشتریان ارائه می‌شود و شرکت بعداً عرضه یک پلتفرم خودخدمتی را در نظر دارد. خط پردازش اعلام‌شده، AI Gateway، Workers AI، Containers و مؤلفه تازه‌ای به نام Trainer را ترکیب می‌کند. تیم‌های علاقه‌مند می‌توانند برای مشارکت در طراحی این خدمت درخواست بدهند.

این خبر برای چه کسانی اهمیت دارد

Clef و Clef-flash بیش از همه برای تیم‌هایی اهمیت دارند که خروجی قابل‌پردازش و قابل‌اندازه‌گیری می‌خواهند، نه گفت‌وگوی باز با مدل. برای نمونه، یک سامانه می‌تواند از مدل بخواهد درخواست مشتری را در یکی از چند دسته قرار دهد، یک سند را بر اساس معیار مشخص ارزیابی کند یا احتمال یک پاسخ را در قالبی ثابت تحویل دهد. خروجی احتمالاتی ممکن است اتصال مدل به نرم‌افزارهای سازمانی را ساده‌تر کند، چون نیاز به استخراج ساختار از متن آزاد را کاهش می‌دهد.

در عین حال، نتایج منتشرشده باید با توجه به محدودیت‌هایشان خوانده شوند: Cloudflare خود نتایج را گزارش کرده و هنوز ارزیابی مستقل ارائه نشده است؛ ضمن آنکه Jev در چند آزمون دانش‌محور برتری دارد. بنابراین، انتخاب میان Clef، Clef-flash و گزینه‌هایی مانند Jev به نوع کار، نیاز به ورودی تصویری، سرعت و هزینه وابسته است. انتشار وزن‌ها با مجوز Apache 2.0 نیز امکان بررسی و میزبانی مستقل را فراهم می‌کند، اما به‌تنهایی تضمین‌کننده کیفیت یک مدل در هر گردش‌کار نیست.