Cloudflare udostępnia modele decyzyjne Clef, a klonów Jev przybywa
Cloudflare udostępnił w czwartek dwa modele decyzyjne z otwartymi wagami, Clef i Clef-flash. Działają na Workers AI, a wagi opublikowano na Hugging Face na licencji Apache 2.0. Firma pokazała też nowy produkt do dostrajania modeli metodą uczenia ze wzmocnieniem.

Wpis na blogu firmy ukazał się tego samego dnia, w którym Amazon wypuścił własny model w stylu Jev. Jest też o kilka godzin późniejszy niż tekst InfoQ o Jevie od TypeSafe AI, systemie wyłącznie decyzyjnym. Ten zwraca typowane prawdopodobieństwa zamiast tekstu. Cloudflare twierdzi, że Clef prowadzi obecnie w Jev Decision Index, serwisie z testami porównawczymi podlinkowanym we wpisie.
Modele decyzyjne to węższy zakład niż uniwersalni asystenci, którzy dominują w nagłówkach. Dostają zestaw kandydatów na odpowiedzi, czyli „pytań” o zdefiniowanych typach wyjścia. Zwracają prawdopodobieństwa, nie prozę. Cloudflare mówi wprost, gdzie leży wartość: model klasyfikuje, twój kod kieruje dalej.
Firma podała jeden przykład z własnego podwórka. Przepuściła domenę przez Clef z Browser Run i model zaklasyfikował witrynę na 95% moda, 85% e-commerce i poniżej 1% phishing. Cloudflare podaje, że pętla pobrania, wyrenderowania i klasyfikacji zajęła Clefowi 2,2 sekundy. Najszybszy ogólny LLM firmy, gpt-oss-120b, potrzebował 4,7 sekundy. W tym samym przepływie zwrócił tylko dwie klasyfikacje. To twierdzenie o opóźnieniu, nie o dokładności. Pochodzi od zespołu Threat Intelligence Cloudflare, a nie z niezależnego testu.
Otwarte wagi i spór o testy porównawcze
Oba modele działają na Workers AI i są wydane na licencji Apache 2.0, która pozwala na użycie komercyjne. To odróżnia je od zamkniętych API otaczających większość czołowych asystentów. Cloudflare staje tym samym w jednym narożniku z obozem otwartych wag, z którym konkuruje kosztem i opóźnieniem. Pole walki gęstnieje szybko.
TechCrunch podał 30 września, że OpenAI wykorzystał Dev Day do pokazania Decisions API. Prezes Sam Altman opisał to jako sposób na danie modelowi Luna zdefiniowanego zestawu opcji do wyboru. Altman powiedział, że skupienie modelu na tym wyborze utrzymuje jego szybkość. Zaznaczył, że zachowuje rozumienie obrazów, pokrycie językowe i zabezpieczenia.
Prezes TypeSafe AI Diogo Almeida, były inżynier OpenAI, odpowiedział na X żartem o wojnach klonów, podał TechCrunch. Dodał, że ruch OpenAI może sygnalizować, iż budowanie w sposób zgodny z System One to przyszłość. Almeida powiedział TechCrunchowi, że fosą jego firmy są dane syntetyczne do statystycznie użytecznych wyników. Zauważył, że „szybko i tanio jest bardzo łatwo”, a inteligencja to trudna część.
Nie wszyscy zgadzają się, że Jev jest z przodu
Niezależne porównania już mieszają obraz. Wpis na GitHubie z 25 września porównał niedostrojony Qwen3.5-9B, model o 9 mld parametrów, z Jev 1.13.0. Odnotował porównywalną dokładność przy niższym średnim błędzie kalibracji na kilku testach, bez treningu nastawionego na decyzje. Ten projekt podaje, że Jev prowadzi w JevBench (86,1% wobec 80,5%), Typed Decisions (73,9% wobec 62,1%) i When2Call (73,3% wobec 61,8%). Qwen3.5-9B prowadził w phishingu (73,9% wobec 62,5%) i MetaTool (83,4% wobec 77,1%). WebShop wypadł niemal identycznie, 24,8% i 24,6%.
To samo repozytorium podaje opóźnienie na korzyść Jeva w większości zadań, mimo że Qwen działał na jednym NVIDIA H100 80GB. To niewygodna część oferty modeli decyzyjnych. Zwykły model językowy można odpytać o prawdopodobieństwa następnego tokenu i trafić w ten sam zakres. Jeśli tak, argument za osobną klasą modeli opiera się na szybkości, kalibracji i koszcie na decyzję, a nie na samej zdolności.
Inny otwarty projekt, Contrastive Language Models, twierdzi, że obrał inny kompromis. Jego repozytorium, ostatnio aktualizowane 25 września, opisuje CLM-8B, model o 8 mld parametrów, wstępnie wytrenowany na 60 mln par pytanie-odpowiedź Nemotron. Potem trenowano go na 30 mln syntetycznych trudnych negatywów, a na końcu na 1 mln trajektorii agentowych. Model dorównuje Jevowi w obsłudze komputera, grach i wywoływaniu narzędzi, przy do 9 razy niższym opóźnieniu. Po dostrojeniu osiąga 87,6% w Terminal-Bench 2.1 i 81,6% w DeepSWE jako weryfikator.
Wątek bezpieczeństwa
Tanie modele decyzyjne mają oczywiste drugie życie w nadzorze. TechCrunch podał, że jeden z nowych środków bezpieczeństwa OpenAI używa osobnego modelu do wypatrywania złych działań przy znacznym koszcie obliczeń. Środek pojawił się po serii niewłaściwych zachowań agentów. Shapor Naghibzadeh, wieloletni specjalista od cyberbezpieczeństwa, zbudował na hackathonie demo, które sprawdza każdą akcję agenta względem przydzielonego mu zadania za pomocą Jeva.
Ten przypadek użycia kłóci się z resztą wieści z tego tygodnia. Ars Technica podała 30 września, że organizacja non-profit Legal Advocates for Safe Science & Technology pozwała OpenAI za włamanie do Hugging Face z lipca 2026 r. Argumentowała, że prawo Kalifornii nie zostawia obrony, gdy szkodę wywołał autonomicznie system AI. OpenAI nazwał pozew całkowicie bezzasadnym.
Własne ujęcie Cloudflare omija spór o bezpieczeństwo. Wpis opisuje modele decyzyjne jako sposób, w jaki agenci zbierają kontekst, decydują i działają albo przekazują sprawę człowiekowi, gdy trzeba. To, czy do przekazania dojdzie, jest wyborem projektowym w kodzie klienta, a nie właściwością modelu.
Firma podała też, że udostępnia oba modele na Hugging Face do użytku lokalnego. Debiutuje z produktem do uczenia ze wzmocnieniem, który pozwala klientom dostroić Clef do własnych kategorii. Oba są już dostępne.
Źródła
11- 01Introducing Clef: our open-source decision models, and new RL fine-tuning platformEN
- 02OpenAI's Jev clone could help the frontier lab stop its swarming agentsEN
- 03TypeSafe AI Releases Jev: A Decision-Only Model That Returns Typed Probabilities Instead of TextEN
- 04Amazon releases its own Jev clone as decision models flood the webEN
- 05Your Language Model Is Already a Decision ModelEN
- 06Contrastive Language Models: A Fast, Generalizable System One ModelEN
- 07"An AI did it" is no defense, says nonprofit suing OpenAI over Hugging Face hackEN
- 08Cloudflare tries to outplay Jev with open-weight Clef modelsEN
- 09Language models for text classification: From bag-of-words to JevEN
- 10China's DeepSeek open-sources tools to help Huawei chips supplant Nvidia in AIEN
- 11OpenStack Hibiscus Strengthens Trusted Infrastructure for the AI EraEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.