Cloudflareは、Workers AI上でホストされ、Hugging FaceでApache 2.0ライセンスのもとで公開されたオープンウェイト意思決定モデルであるClefとClef‑flashの2つをリリースしました。意思決定モデルは、事前に定義された選択肢の確率など、境界が定められた構造化された結果を出力するため、エージェントは大規模言語モデルのオープンエンドなテキスト生成を必要とせずにプログラムによる意思決定を行うことができます。ClefとClef‑flashはTypesafeのJev APIと完全に互換性があり、サポートチケットのルーティングや脅威インテリジェンスデータの分類などの既存のワークフローに組み込むことができます。Jevとは異なり、ClefとClef‑flashは画像入力を受け取れるビジョンエンコーダーを追加し、コンテキストウィンドウを64kトークンに拡張します。これはJevの32kトークンの制限の2倍以上です。
Jev Decision Indexの意思決定ベンチマークにおいて、ClefとClef‑flashは競争力のあるスコアを示し、しばしばJevを上回ります。たとえば、ClefはBFCL case‑exactで98.47％、ToolRet nDCG@10で69.19％、API‑Bank accuracyで91.93％を達成します。一方、Clef‑flashはそれぞれ98.76％、66.43％、93.11％です。レイテンシの改善は顕著です：Clef‑flashは中央値で38.8msで結果を返却し、Jevは524.1ms、より大きいClefモデルは平均209.3msです。これらの利点はWorkers AIでのエッジGPUデプロイメントと組み合わせることで、開発者はエージェンティックシステムのホットパスにClefを配置し、高速かつ信頼性の高い意思決定を実現できます。
この画像は、意思決定の精度と応答時間のトレードオフを示し、Clef-flashの優れたレイテンシと競争力のあるベンチマーク結果を示しています。
ベースモデルに加えて、Cloudflareは強化学習ファインチューニングサービスを提供します。お客様は、Cloudflareの前方に配置されたエンジニアチームと協力し、AI Gatewayを使用してデータセットを構築し、Workers AIでロールアウトを生成し、コンテナベースのRLサンドボックスでアクションをスコアリングし、専用のTrainerで重みを更新し、Workers AIのBring Your Own Model機能を使用してカスタマイズされたモデルを再デプロイできます。トレーニングはQwenバックボーンから開始されます（ClefにはQwen3.8‑27B、Clef‑flashにはQwen3.5‑9B）。ラベルスムーズクロスエントロピーとBrier損失を適用してキャリブレーションされた確率を出し、新たな強化学習によるキャリブレーションされた意思決定（RLCD）目的を使用して、分布のシフトを防ぎながら精度を向上させます。これにより、組織はTrust & Safetyの分類やボット検出などの特殊なワークロードにClefを適応させつつ、意思決定モデルが提供する速度と構造を犠牲にすることなく利用できます。