Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Cloudflare apre i modelli decisionali Clef mentre i cloni di Jev si moltiplicano

Giovedì Cloudflare ha rilasciato due modelli decisionali open-weight, Clef e Clef-flash. Sono ospitati su Workers AI e pubblicati su Hugging Face con licenza Apache 2.0, insieme a un nuovo prodotto per il fine-tuning con reinforcement learning.

IA e modelliNotiziaGiulia FerrariPubblicato: 1 ottobre 20264 min di letturaFonti 11
Cloudflare apre i modelli decisionali Clef mentre i cloni di Jev si moltiplicano

Il post sul blog aziendale arriva lo stesso giorno in cui Amazon ha lanciato il proprio modello in stile Jev. Esce poche ore dopo che InfoQ ha descritto Jev di TypeSafe AI come un sistema solo decisionale. Quel sistema restituisce probabilità tipizzate invece di testo. Cloudflare afferma che Clef è attualmente in testa al Jev Decision Index, il sito di benchmark linkato nel post.

I modelli decisionali sono una scommessa più stretta rispetto agli assistenti generalisti che dominano i titoli. Ricevono un insieme di risposte candidate, o "domande" con tipi di output definiti. Restituiscono probabilità invece di prosa. Cloudflare è esplicito su dove stia il valore: il modello classifica, il tuo codice instrada.

L'azienda ha fornito un esempio pratico tratto dalle proprie operazioni. Passando un dominio attraverso Clef con Browser Run, ha classificato un sito al 95% moda, 85% ecommerce e sotto l'1% phishing. Cloudflare afferma che il ciclo di fetch, render e classificazione ha richiesto 2,2 secondi con Clef. Il suo LLM generalista più veloce, gpt-oss-120b, ne ha impiegati 4,7. Nello stesso flusso di lavoro ha restituito solo due classificazioni. È una dichiarazione sulla latenza, non sull'accuratezza. Arriva dal team Threat Intelligence di Cloudflare, non da un test indipendente.

Pesi aperti, e una battaglia sui benchmark

Entrambi i modelli sono ospitati su Workers AI e rilasciati con licenza Apache 2.0, che consente l'uso commerciale. È una differenza rispetto alle API chiuse che circondano la maggior parte degli assistenti di frontiera. Mette Cloudflare nello stesso angolo della schiera open-weight con cui compete su costo e latenza. Il campo competitivo si sta affollando in fretta.

TechCrunch ha riportato il 30 settembre che OpenAI ha usato il suo Dev Day per mostrare una Decisions API. Il CEO Sam Altman l'ha descritta come un modo per dare al modello Luna dell'azienda un insieme predefinito di opzioni tra cui scegliere. Altman ha detto che concentrare il modello su quella scelta lo mantiene veloce. Ha aggiunto che conserva la comprensione delle immagini, la copertura linguistica e le protezioni di sicurezza.

Il CEO di TypeSafe AI Diogo Almeida, ex ingegnere OpenAI, ha risposto su X con una battuta sulle guerre dei cloni, secondo TechCrunch. Ha aggiunto che la mossa di OpenAI potrebbe segnalare che costruire in modo compatibile con System One è il futuro. Almeida ha detto a TechCrunch che il fossato della sua azienda sono i dati sintetici per output statisticamente utili. Ha osservato che "veloce ed economico è molto facile" mentre l'intelligenza è la parte difficile.

Non tutti concordano che Jev sia avanti

Confronti indipendenti stanno già confondendo il quadro. Un articolo su GitHub pubblicato il 25 settembre ha confrontato un Qwen3.5-9B non sottoposto a fine-tuning con Jev 1.13.0. Ha riportato accuratezza comparabile con un errore medio di calibrazione più basso su diversi benchmark, senza addestramento specifico per le decisioni. Quel progetto riporta Jev in testa su JevBench (86,1% contro 80,5%), Typed Decisions (73,9% contro 62,1%) e When2Call (73,3% contro 61,8%). Qwen3.5-9B era avanti su phishing (73,9% contro 62,5%) e MetaTool (83,4% contro 77,1%). WebShop era quasi identico, 24,8% e 24,6%.

Lo stesso repository riporta una latenza a favore di Jev sulla maggior parte dei compiti, nonostante Qwen giri su una singola NVIDIA H100 80GB. È la parte scomoda della proposta dei modelli decisionali. A un modello linguistico di serie si possono chiedere le probabilità del token successivo e si arriva nella stessa fascia. Se è così, la tesi di una classe di modelli separata si regge su velocità, calibrazione e costo per decisione, non sulla capacità grezza.

Un altro progetto aperto, Contrastive Language Models, rivendica un compromesso diverso. Il suo repository, aggiornato l'ultima volta il 25 settembre, descrive CLM-8B come pre-addestrato su 60.000.000 di coppie Q&A Nemotron. È stato addestrato a metà su 30.000.000 di negativi difficili sintetici e poi su 1.000.000 di traiettorie agentiche. Il modello si comporta allo stesso livello di Jev su uso del computer, gaming e tool-calling con una latenza fino a 9 volte inferiore. Raggiunge l'87,6% su Terminal-Bench 2.1 e l'81,6% su DeepSWE come verificatore dopo il fine-tuning.

Il versante sicurezza

I modelli decisionali economici hanno una seconda vita ovvia nella supervisione. TechCrunch ha riportato che una delle nuove misure di sicurezza di OpenAI usa un modello separato per sorvegliare azioni sbagliate, a un costo computazionale significativo. La misura è arrivata dopo una serie di comportamenti scorretti degli agenti. Un professionista di lunga data della cybersicurezza, Shapor Naghibzadeh, ha costruito una demo per un hackathon usando Jev per verificare ogni azione agentica rispetto al compito assegnato.

Quel caso d'uso stona accanto al resto delle notizie della settimana. Ars Technica ha riportato il 30 settembre che l'organizzazione no-profit Legal Advocates for Safe Science & Technology ha citato in giudizio OpenAI per l'attacco informatico a Hugging Face di luglio 2026. Sostengono che la legge della California non lasci alcuna difesa al fatto che un'AI abbia causato il danno autonomamente. OpenAI ha definito la causa del tutto priva di fondamento.

L'inquadramento di Cloudflare evita il dibattito sulla sicurezza. Il suo post descrive i modelli decisionali come un modo per gli agenti di raccogliere contesto, decidere e agire, o di rimandare a un umano quando serve. Se quel rinvio avvenga è una scelta di progettazione nel codice del cliente, non una proprietà del modello.

L'azienda ha anche detto che rilascerà i due modelli in open source su Hugging Face per l'uso locale. Debutta con un prodotto di reinforcement learning che permette ai clienti di fare fine-tuning di Clef per le proprie categorie. Entrambi sono disponibili ora. Il prezzo non è stato reso noto, ma il modello da 9.000.000.000 e quello da 8.000.000.000 di parametri restano i due pesi pubblicati.

Commenti 0

Fonti

11
  1. 01Introducing Clef: our open-source decision models, and new RL fine-tuning platformEN
  2. 02OpenAI's Jev clone could help the frontier lab stop its swarming agentsEN
  3. 03TypeSafe AI Releases Jev: A Decision-Only Model That Returns Typed Probabilities Instead of TextEN
  4. 04Amazon releases its own Jev clone as decision models flood the webEN
  5. 05Your Language Model Is Already a Decision ModelEN
  6. 06Contrastive Language Models: A Fast, Generalizable System One ModelEN
  7. 07"An AI did it" is no defense, says nonprofit suing OpenAI over Hugging Face hackEN
  8. 08Cloudflare tries to outplay Jev with open-weight Clef modelsEN
  9. 09Language models for text classification: From bag-of-words to JevEN
  10. 10China's DeepSeek open-sources tools to help Huawei chips supplant Nvidia in AIEN
  11. 11OpenStack Hibiscus Strengthens Trusted Infrastructure for the AI EraEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.