Пока технологическая индустрия продолжает сжигать миллионы на стохастических попугаях и универсальных чат-ботах, которые галлюцинируют при выполнении базовых рабочих процессов, компания Cloudflare решила разрубить этот гордиев узел. Как отмечает инженерная команда Cloudflare, компания выпускает две обученные модели принятия решений — Clef и Clef-flash. Они работают непосредственно на базе Workers AI и предлагают прагматичную альтернативу для структурированных бизнес-решений без бесконечного цикла переобучения классификаторов.
В отличие от традиционных больших языковых моделей, которые норовят написать стихотворение там, где требуется всего лишь логическое значение, эти модели спроектированы для выдачи детерминированных результатов. Согласно технической документации Cloudflare, модели Clef теперь публикуются в открытом доступе на Hugging Face по лицензии Apache 2.0, что позволяет разработчикам запускать их локально, вместо того чтобы арендовать дорогостоящие облачные вычисления с оплатой за каждый токен.
"Наконец, мы рады представить наш новый продукт с подкрепленным обучением (RL), который позволяет клиентам дообучать Clef под свои конкретные задачи."
Новый продукт Cloudflare с подкрепленным обучением фактически возвращает штурвал в руки разработчиков. Такая архитектура позволяет автоматизированным рабочим процессам оценивать входящие данные, возвращать строго типизированные ответы с оценками вероятностей и запускать последующие программные действия полностью без участия человека или непредсказуемых агентских циклов.
Бенчмарки производительности и задержки
Внутренняя операционная телеметрия Cloudflare производит тяжелое впечатление на максималистов генеративного искусственного интеллекта. Когда команда Cloudflare по анализу угроз задействовала модель Clef для задач классификации доменов, падение задержки и отсутствие творческих галлюцинаций наглядно показали, сколько вычислительных мощностей мы тратили впустую на прославленный автодополнитель текста.
Если ваши текущие рабочие процессы маршрутизации на Workers AI по-прежнему опираются на универсальные эндпоинты LLM только для разбора структурированного JSON, самое время пересчитать экономику. Замена раздутых генеративных моделей на детерминированные метрики принятия решений позволяет не просто срезать миллисекунды, а спасти ваш бюджет на инференс от превращения в корпоративный костер.