Cloudflare выпустила открытый аналог Jev. Clef принимает решения за миллисекунды и умеет работать с изображениями и видео

Их задача принимать быстрые структурированные решения, которые программа может сразу использовать.

Модели появились в Cloudflare Workers AI, а их веса одновременно опубликовали на Hugging Face под лицензией Apache 2.0. То есть Clef можно не только вызывать через облачный API, но и скачать для самостоятельных экспериментов.

По сути, Cloudflare выпустила открытого конкурента Jev, модели компании TypeSafe AI, которая появилась всего несколько недель назад и предложила другой подход к построению AI-агентов. Вместо того чтобы просить большую языковую модель написать ответ, разработчик передает модели состояние системы и несколько заранее определенных вопросов. В ответ получает структурированные вероятности, на основании которых программа решает, что делать дальше.

Например, агент получает сообщение клиента: «С моего счета списали деньги дважды, верните их».

Обычная языковая модель может написать длинный ответ, объяснить ситуацию и предложить несколько вариантов действий. Decision model работает иначе. Ей можно задать конкретные вопросы: относится ли запрос к биллингу, требуется ли вмешательство человека, насколько ситуация срочная. На выходе программа получает значения, с которыми уже может работать напрямую: например, вероятность срочности 97% и категорию billing с вероятностью 94%.

Это существенно упрощает автоматизацию. Не нужно заставлять LLM генерировать JSON, затем проверять его формат, исправлять ошибки и повторять запрос, если модель вернула что-то не то. Clef изначально выдает ограниченный структурированный результат.

Jev появилась в сентябре 2026 года и стала первой публичной моделью TypeSafe AI в новой категории, которую компания называет System One Models. TypeSafe позиционирует ее как модель для быстрых решений внутри программных систем. Jev не генерирует свободный текст, а возвращает типизированные ответы и вероятности.

Cloudflare фактически решила использовать ту же идею.

Компания прямо называет Clef моделью того же класса, что и Jev, и сделала ее совместимой с System One API. Поэтому существующую интеграцию с Jev можно относительно легко переключить на Clef, изменив endpoint и модель. API поддерживает три основных типа вопросов: noul для ответа «да/нет», choice для выбора одного варианта и score для оценки по заданной шкале.

Для разработчиков это означает появление более простой альтернативы закрытой модели TypeSafe. Но у Clef есть еще одно существенное отличие: она мультимодальная.

Большинство подобных decision-моделей сейчас ориентированы на текст. Clef может получать текст или JSON, а также изображения и видео. В Workers AI для одного запроса можно передать до четырех изображений, а контекстное окно составляет 65 536 токенов.

Например, агент может получить скриншот страницы и определить, относится ли она к определенной категории. Или обработать изображение товара и принять решение, нарушает ли оно правила площадки. Или посмотреть на визуальный контекст вместе с текстовыми данными и решить, нужно ли передавать ситуацию оператору.

Для Cloudflare это особенно интересно в собственных продуктах. Компания уже тестирует Clef для классификации интернет-доменов в threat intelligence. В связке с Browser Run модель может открыть сайт, получить его содержимое и классифицировать домен. Cloudflare также использует ее для задач поддержки и trust & safety.

Cloudflare выпустила сразу две версии.

Clef имеет 27 млрд параметров и рассчитана прежде всего на задачи, где важна точность решения. Clef-flash содержит 9 млрд параметров и предназначена для ситуаций, где критична задержка ответа. Обе модели имеют контекстное окно 64K токенов и используют одну и ту же идею структурированных решений.

В качестве основы Cloudflare использовала семейство Qwen. Clef построена на Qwen3.8-27B, а Clef-flash на Qwen3.5-9B. После этого модели были дообучены специально под задачи принятия решений. В частности, Cloudflare использовала подход RLCD, Reinforcement Learning for Calibrated Decisions, чтобы вероятности модели лучше соответствовали реальной вероятности правильного ответа.

Именно калибровка вероятностей здесь особенно важна. Для обычного чат-бота не так принципиально, написал ли он уверенный ответ с вероятностью 73% или 91%. В автоматизированной системе это уже может определять, будет ли действие выполнено самостоятельно или задача уйдет человеку.

Cloudflare протестировала модели на 43 запусках и сравнила их с Jev.

Медианная задержка Clef составила 209,3 мс, тогда как у Jev показатель оказался 524,1 мс. Clef-flash показала еще более низкий результат: 38,8 мс. По данным Cloudflare, это примерно в 2,5 раза быстрее Jev для Clef и в 13 раз быстрее для Clef-flash.

Это особенно важно именно для агентов.

Если decision model вызывается один раз в сутки, разница в несколько сотен миллисекунд практически незаметна. Но если агент обрабатывает тысячи или миллионы запросов и на каждом шаге должен определить маршрут, проверить разрешение или решить, вызывать ли следующий инструмент, задержка начинает напрямую влиять на стоимость и скорость всей системы.

Cloudflare также сравнила модели на десяти benchmark'ах. В опубликованных компанией результатах Clef показала лучший результат на семи из них.

Например, в BANKING77, тесте классификации банковских запросов, Clef получила 94,2 macro-F1 против 79,74 у Jev. В ToolRet, который оценивает выбор инструментов, результат составил 69,2 nDCG@10 против 65,28 у Jev.

При этом картина не везде одинаковая. Например, в CLINC150+OOS Jev получила 89,27 против 97,43 у Clef, а в BRIGHT Jev показала 47,52 против 45,91 у Clef. То есть речь не идет о том, что одна модель безусловно превосходит другую во всех задачах. Результаты зависят от конкретного benchmark'а.

Кроме того, это собственные тесты Cloudflare, поэтому их правильнее воспринимать как опубликованные компанией сравнительные результаты, а не как независимый окончательный рейтинг моделей.

В Workers AI стоимость Clef сейчас составляет $0,24 за миллион входных токенов, а Clef-flash стоит $0,09 за миллион. Выходные токены для этой модели не являются отдельной статьей расходов, поскольку она не генерирует обычный текстовый ответ.

Jev предоставляется как закрытый API. Clef можно скачать с Hugging Face и запускать самостоятельно. Обе версии распространяются под Apache 2.0.

Это принципиальная разница для компаний, которые не хотят отправлять каждый запрос во внешний API или хотят контролировать инфраструктуру и версию модели самостоятельно.

Одновременно Cloudflare предлагает запускать Clef через Workers AI, то есть разработчику не обязательно заниматься собственной инфраструктурой. Можно использовать тот же класс модели как серверный API, а при необходимости перейти к самостоятельному запуску открытых весов.

Кроме того, Cloudflare одновременно запустила сервис reinforcement learning для дополнительного дообучения Clef под конкретные задачи. Пока компания предлагает эту возможность через программу design partners.

Большая языковая модель нужна для сложного рассуждения, генерации текста, планирования и общения с человеком. А небольшая специализированная decision model может работать на каждом шаге агентного конвейера, где требуется быстро принять одно из заранее определенных решений.

Вместо архитектуры «одна огромная LLM делает всё» постепенно появляется связка из нескольких моделей. Одна думает и генерирует, другая классифицирует, третья проверяет безопасность, четвертая выбирает инструмент.

Jev показала, что отдельная модель для принятия решений может быть самостоятельным продуктовым классом. Cloudflare теперь принесла в этот класс открытые веса, мультимодальность и более низкую задержку.

Если вам близка тема AI, технологий и будущего - добро пожаловать в мой канал обсудить и поделиться апдейтами.