Cloudflare 공개 AI 판단 모델 Clef…ค่าหน่วงกลาง 209.3 มิลลิวินาที

Cloudflare เปิดตัวโมเดลตัดสินใจสำหรับ AI agent ได้แก่ Clef และ Clef-flash โดยโมเดลทั้งสองไม่สร้างประโยค แต่ส่งคืนค่าความน่าจะเป็นของแต่ละตัวเลือก เพื่อใช้จำแนกข้อมูลและมอบหมายงาน

Cloudflare ระบุในบล็อกอย่างเป็นทางการเมื่อวันที่ 1 ตุลาคมว่า ได้นำโมเดลทั้งสองขึ้นแพลตฟอร์มประมวลผลอนุมาน Workers AI และเปิดเผยน้ำหนักโมเดลภายใต้สัญญาอนุญาต Apache 2.0 พร้อมเปิดบริการเสริมแรงแบบเรียนรู้ เพื่อให้ลูกค้าปรับแต่ง Clef ให้เหมาะกับงานของตน

โมเดลตัดสินใจจัดข้อมูลนำเข้าให้อยู่ในหมวดหมู่ที่กำหนดไว้ และแสดงค่าความน่าจะเป็นของแต่ละตัวเลือก เช่น ระบบอาจประเมินความเร่งด่วนของคำถามจากลูกค้าหรือเลือกทีมที่รับผิดชอบ จากนั้นโปรแกรมสามารถจัดหมวดหมู่ทิกเก็ตหรือส่งต่อให้ผู้รับผิดชอบได้ วิธีนี้ประเมินตัวเลือกที่กำหนดไว้โดยตรง แทนการสร้างคำตอบแบบอิสระแล้วนำไปแปลผลอีกครั้ง

ทีมข่าวกรองภัยคุกคามของ Cloudflare ใช้ Clef จำแนกโดเมนเว็บไซต์ ในตัวอย่างที่บริษัทเผยแพร่ โมเดลประเมินว่าโดเมนหนึ่งเป็นเว็บไซต์แฟชั่นด้วยความน่าจะเป็น 95% เป็นเว็บไซต์อีคอมเมิร์ซ 85% และเป็นเว็บไซต์ฟิชชิงน้อยกว่า 1% การโหลดและแสดงผลเว็บไซต์ก่อนจำแนกใช้เวลา 2.2 วินาที ส่วนโมเดลทั่วไป gpt-oss-120b ใช้เวลา 4.7 วินาทีและส่งคืนผลจำแนกเพียงสองรายการในงานเดียวกัน

ผลประเมิน Jev Decision Index ที่ Cloudflare เผยแพร่ระบุว่า Clef มีค่าหน่วงเวลาเฉลี่ย 209.3 มิลลิวินาที ส่วน Clef-flash อยู่ที่ 38.8 มิลลิวินาที ขณะที่ Jev ซึ่งเป็นโมเดลเปรียบเทียบอยู่ที่ 524.1 มิลลิวินาที บริษัทกล่าวว่าได้เพิ่มตัวเข้ารหัสภาพให้ Clef เพื่อรองรับการจำแนกภาพ และขยายความยาวบริบทเป็น 64,000 โทเคน ตัวเลขเหล่านี้เป็นผลจากการทดสอบที่บริษัทเปิดเผย

หลังจากก่อนหน้านี้ Cloudflare เปิดตัวโครงสร้างพื้นฐานที่ช่วยให้ AI agent ยืนยันตัวตนและชำระเงินได้ บริษัทได้เปิดตัวโมเดลและเครื่องมือปรับแต่งสำหรับการจำแนกและตัดสินใจของ agent เพิ่มเติม Cloudflare ระบุว่าสามารถนำไปใช้ภายในองค์กรเพื่อตรวจสอบรายงานด้านความน่าเชื่อถือและความปลอดภัย จำแนกคำขอรับบริการลูกค้า และพิจารณาว่า crawler ทำงานตามปกติหรือไม่

Clef และ Clef-flash มุ่งเน้นงานจำแนกที่มีตัวเลือกกำหนดไว้ จึงเหมาะกับงานคนละประเภทกับงานที่ต้องอธิบายซับซ้อนหรือสร้างข้อความได้อย่างอิสระ Cloudflare วางแผนให้วิศวกรฝ่ายติดตั้งช่วยปรับโมเดลตามงานของลูกค้าในช่วงแรก ก่อนขยายแพลตฟอร์มให้ลูกค้ารวบรวมข้อมูล ปรับแต่งโมเดล และนำไปใช้งานอีกครั้งได้ด้วยตนเอง