Cloudflare 1 октября 2026 года представила две собственные decision-модели Clef и Clef-flash. Они уже доступны через Workers AI, а веса опубликованы на Hugging Face под лицензией Apache 2.0.

Большинство разговоров про AI-агентов крутится вокруг больших языковых моделей. Но агенту далеко не всегда нужно генерировать текст. Очень часто ему требуется сделать короткий выбор: срочная ли заявка, в какой отдел её отправить, какой инструмент вызвать, разрешить действие автоматически или передать человеку.

Именно под такие задачи Cloudflare и выделяет отдельный класс моделей. Clef не пытается красиво объяснять решение на несколько абзацев. Модель получает состояние, набор допустимых вариантов и возвращает строго структурированный результат с вероятностями.

Что такое decision-модель

Decision-модель можно представить как специализированный слой принятия решений между входными данными и следующим действием системы.

Например, в поддержку приходит сообщение: у всех клиентов уже час не проходит checkout. Вместо длинного ответа модель может определить сразу несколько параметров: срочность, ответственную команду и уровень критичности. Код получает не свободный текст, а предсказуемые типизированные значения, которые можно использовать в workflow.

Для автоматизации это важно. Чем меньше приходится разбирать произвольный текст модели, тем легче построить надёжную цепочку условий, логов и ограничений.

Cloudflare выпустила сразу две модели

Новая линейка состоит из Clef и Clef-flash.

Clef рассчитана на более точные решения, когда качество важнее минимальной задержки. Clef-flash оптимизирована для сценариев, где решение должно приниматься очень быстро.

Обе модели размещены на Workers AI и совместимы с Jev API. Это позволяет разработчикам экспериментировать с ними без полного переписывания уже существующей логики, построенной вокруг decision API.

Cloudflare отдельно подчёркивает, что Clef возвращает строго типизированные ответы. В зависимости от схемы это может быть выбор из нескольких вариантов, числовая оценка или вероятность.

Почему здесь не обязательно нужен большой LLM

Обычный LLM универсален. Он может рассуждать, писать текст, извлекать данные, составлять план и пользоваться инструментами. Но универсальность стоит времени и вычислений.

Если задача сводится к выбору из заранее определённых действий, генерация длинной последовательности токенов может быть лишней. Clef устроена иначе: после обработки входного контекста она оценивает допустимые варианты и выдаёт результат внутри заданной схемы.

Поэтому такой класс моделей интересен именно в горячем пути автоматизации. Decision-модель решает, что делать дальше, а полноценный LLM подключается только там, где действительно требуется генерация или сложное рассуждение.

Clef умеет работать не только с текстом

У старшей модели есть vision encoder. Это означает, что в решение можно включать визуальный контекст, а не ограничиваться только текстовым описанием.

Cloudflare также заявляет контекстное окно 64k. Для decision-задач это позволяет передать больше состояния: историю обращения, данные пользователя, результаты предыдущих шагов, правила маршрутизации и другой контекст, который влияет на выбор.

Это не превращает Clef в универсальную мультимодальную модель на все случаи жизни. Но для классификации изображений, проверки состояния интерфейса или решений по смешанному текстово-визуальному входу возможность полезная.

Что показали тесты Cloudflare

Cloudflare опубликовала собственное сравнение Clef, Clef-flash и нескольких других decision-моделей на наборе тестов Jev Decision Index и внутренних eval-сценариях.

По данным самой компании, Clef показывает конкурентные результаты по качеству, а Clef-flash заметно сокращает задержку. В опубликованной таблице медианная latency Clef-flash составила 38,8 мс, а Clef — 209,3 мс. Эти цифры относятся к тестовой методике Cloudflare и не означают, что любой production-сценарий получит точно такую же задержку.

Практически важнее другое: Cloudflare позиционирует эти модели как инструмент, который можно поставить непосредственно перед действием агента, а тяжёлую модель вызывать только после принятого решения.

Модели открыты под Apache 2.0

Clef и Clef-flash опубликованы на Hugging Face под лицензией Apache 2.0. То есть экспериментировать можно не только через облачный endpoint Workers AI, но и с открытыми весами.

Для разработчиков это хороший знак. Можно проверить качество на собственном датасете, сравнить задержку, оценить локальное развёртывание и не строить архитектуру исключительно вокруг закрытого API.

Cloudflare запускает fine-tuning для решений

Вместе с моделями компания объявила направление reinforcement learning и fine-tuning для Clef. Сначала Cloudflare предлагает работу с инженерами компании, а позже планирует self-service платформу.

Смысл здесь особенно понятен. Классификация обращений, антифрод, Trust & Safety или маршрутизация заявок сильно зависят от правил конкретного бизнеса. Универсальная модель знает общие закономерности, а накопленные размеченные решения конкретной компании позволяют адаптировать её под узкий сценарий.

Где Clef выглядит полезнее обычного чат-бота

• маршрутизация заявок между отделами;
• оценка срочности обращения;
• выбор следующего инструмента AI-агента;
• классификация товаров и контента;
• модерация и Trust & Safety;
• проверка условия перед автоматическим действием;
• определение момента, когда агент должен остановиться и передать задачу человеку.

В этих задачах ценность не в красивом тексте. Нужен воспроизводимый ответ, который можно безопасно передать дальше в код.

Decision-модель не отменяет контроль

Вероятность не является гарантией. Если модель вернула 0,82 для одного варианта, бизнес всё равно должен решить, достаточно ли этого для автоматического действия.

Для критичных операций разумно задавать пороги, логировать решение и оставлять human approval там, где ошибка может привести к деньгам, удалению данных или изменению прав доступа.

То есть Clef не заменяет архитектуру процесса. Она даёт ещё один инструмент для того места, где раньше приходилось либо писать жёсткие правила, либо использовать большой LLM даже для простого выбора.

Что это меняет для AI-автоматизаций

Появляется более практичная схема из нескольких уровней. Сначала обычный код собирает состояние. Затем быстрая decision-модель выбирает маршрут. Полноценный LLM выполняет сложную интеллектуальную часть только при необходимости. После этого правила приложения проверяют, можно ли совершать действие автоматически.

Такой подход может снижать задержку и стоимость там, где агент постоянно принимает десятки мелких решений.

Если нужно собрать подобную цепочку под реальный процесс — связать API, WordPress, CRM, Telegram, вебхуки и AI-модели — у A.S Groups есть отдельное направление автоматизации бизнес-процессов. Для edge-сценариев также может пригодиться материал про Cloudflare Workers и D1.

Официальный источник

Материал подготовлен по официальной публикации Cloudflare от 1 октября 2026 года: Introducing Clef: our open-source decision models, and new RL fine-tuning platform.