Открытые веса Cloudflare для управления агентами: дебют семейства Clef

1 октября 2026 года компания Cloudflare, поставщик сетевых услуг, объявила в своём официальном блоге, в статье за подписью Michelle Chen, о выпуске Clef и Clef-flash. Это так называемые «модели принятия решений»: их веса распространяются через Hugging Face по лицензии Apache 2.0 и размещены на платформе Workers AI. В отличие от традиционных генеративных систем, эти инструменты не создают свободный текст: их конкретная задача — классифицировать данные, маршрутизировать запросы и выставлять оценки, которые возвращаются в типизированных форматах вместе с показателем уверенности. Как поясняет Michelle Chen в презентационном посте, «модель принятия решений выполняет классификацию, чтобы помочь агентам решить, как действовать, на основе определённых вероятностей». Обе модели построены на архитектуре Qwen (конкретно Qwen3.8-27B для Clef и Qwen3.5-9B для Clef-flash, дообученные низкоранговыми адаптерами ранга 256), имеют контекстное окно в 64 000 токенов и визуальный энкодер, позволяющий обрабатывать и изображения.

В этой нише, где уже был Jev System One от TypeSafe, а в тот же день появился Strands Decider 2B от Amazon, Cloudflare делает ставку на задержку: по словам компании, её модели обходят другие модели принятия решений, «кроме Laya, которая очень быстрая, но жертвует качеством». Заявленные цифры: медианная задержка 209,3 миллисекунды у Clef при 95-м процентиле 238,6 миллисекунды и 38,8 миллисекунды у Clef-flash при p95 122,4 миллисекунды; для Jev System One заявленная медиана — 524,1 миллисекунды. Кроме того, Clef совместима с API Jev System One — первой модели принятия решений, вышедшей на рынок. Что касается стоимости использования на Workers AI, специализированное издание Developers Digest сообщает о тарифах 0,24 доллара за миллион входных токенов для Clef и 0,09 доллара для Clef-flash, без платы за выходные токены. Компания также предлагает услугу кастомизации с помощью обучения с подкреплением, которую выполняет её собственная инженерная команда, и напоминает, что «при дообучении модели можно пожертвовать частью общей производительности ради большей точности в конкретной области»; дата появления интерфейса самообслуживания пока не названа.

Однако в прозрачности этого шага есть методологические серые зоны. Бенчмарки, распространённые Cloudflare и выбранные из оценок Jev Decision Index, — например, 98,47% у Clef и 98,76% у Clef-flash в BFCL case exact, — измерены самой компанией, независимой проверки нет. В посте также не объявлено о публикации данных или пайплайна обучения, упоминаются лишь «внутренние синтетические датасеты»: из-за этого релиз относится скорее к распространению открытых весов, чем к полностью воспроизводимым open source-проектам. В официальном посте нет и прямых сравнений по общему рассуждению, например в тестах GPQA Diamond или MMLU-Pro, где, по данным Developers Digest, Jev System One заметно впереди.

Заменить генерацию текста потоком типизированных вероятностей — отличный инженерный ход для снижения задержки коммерческих агентов, а заявленная компанией гарантия «мы не читаем, не храним ваши запросы и ответы и не обучаем на них модели» отвечает реальной потребности бизнеса в безопасности. И всё же эффективность автоматического решателя измеряется сложностью развилок, с которыми он умеет справляться, а об этом опубликованные цифры пока ничего не говорят.

— Olya