کلودفلر از مدل‌های هوش مصنوعی اختصاصی خود رونمایی کرد
کلودفلر برای اولین بار مدل‌های هوش مصنوعی اختصاصی خود را آموزش داده است. این شرکت در تاریخ ۱ اکتبر ۲۰۲۶، دو مدل تصمیم‌گیری با وزن باز به نام‌های Clef و Clef-flash را معرفی کرد که اکنون بر روی پلتفرم Workers AI این شرکت در دسترس هستند.
این مدل‌ها برای انجام فراخوانی‌های سریع و ساختاریافته طراحی شده‌اند، مانند دسته‌بندی درخواست‌ها یا تعیین مسیر بعدی برای یک وظیفه.
Clef: مدل سنگین وزن
Clef مدل سنگین‌تر این دو است. این مدل دارای ۲۷ میلیارد پارامتر بوده و بر پایه Qwen3.8-27B ساخته شده است. همچنین، پنجره زمینه ۶۴ هزار توکنی را ارائه می‌دهد و انواع ورودی‌های مختلفی از جمله متن، JSON، تصاویر و ویدئو را می‌پذیرد.
Clef-flash: مدل سبک وزن
Clef-flash، خواهر کوچک‌تر آن، با ۹ میلیارد پارامتر و پایه‌ای از Qwen3.5-9B، برای مسیرهای حساس به تأخیر (latency-critical paths) در نظر گرفته شده است؛ بخش‌هایی از یک برنامه که حتی کسری از ثانیه تأخیر در آن‌ها نیز قابل قبول نیست.
هر دو مدل شامل یک رمزگذار بصری (vision encoder) هستند که قادر به پردازش حداکثر ۴ تصویر در هر درخواست است. کلودفلر اعلام کرده است که این مدل‌ها برای خروجی‌های سریع، دقیق و قطعی بهینه‌سازی شده‌اند.
وزن‌های این مدل‌ها به طور کامل در Hugging Face تحت مجوز Apache 2.0 به صورت متن‌باز منتشر شده‌اند.
قیمت‌گذاری
هزینه استفاده از این مدل‌ها به صورت ۰.۲۴ دلار به ازای هر میلیون توکن ورودی برای Clef و ۰.۰۹ دلار به ازای هر میلیون توکن ورودی برای Clef-flash تعیین شده است. توکن‌های خروجی هیچ هزینه‌ای نخواهند داشت.
دقت و سرعت
در زمینه دقت، کلودفلر به معیار دسته‌بندی BANKING77 اشاره می‌کند. Clef امتیاز macro-F1 معادل ۹۴.۲۰ را کسب کرده است، در حالی که Jev، محصولی از Typesafe، امتیاز ۷۹.۷۴ را به دست آورده است.
از نظر سرعت، Clef-flash میانگین تأخیر ۳۸.۸ میلی‌ثانیه را ثبت کرده است، در حالی که Jev با ۵۲۴.۱ میلی‌ثانیه در رتبه بعدی قرار گرفته است.
هر دو مدل با Jev-API سازگار هستند. این بدان معناست که تیم‌هایی که در حال حاضر از Jev استفاده می‌کنند، ممکن است بتوانند مدل‌های کلودفلر را بدون نیاز به بازنویسی یکپارچه‌سازی‌های خود، جایگزین کنند.
زمان‌بندی و زیرساخت
این رونمایی در طول “هفته تولد کلودفلر” (Cloudflare’s Birthday Week)، که زمان اعلام سالانه محصولات این شرکت است، صورت گرفت. پلتفرم Workers AI پیش از این نیز میزبان مدل‌های هوش مصنوعی بوده است، اما Clef و Clef-flash اولین مدل‌هایی هستند که کلودفلر به صورت داخلی آموزش داده است.
در کنار این مدل‌ها، کلودفلر در حال معرفی یک پلتفرم تنظیم دقیق با یادگیری تقویتی (reinforcement learning fine-tuning platform) است. این شرکت اعلام کرده است که این پلتفرم با پشتیبانی عملی از مشتریان راه‌اندازی خواهد شد.
این مدل‌ها همچنین بر روی منابع GPU لبه (edge GPU resources) کلودفلر اجرا می‌شوند. منظور از “لبه”، سرورهایی است که در نزدیکی کاربران نهایی قرار دارند و این امر باعث کاهش مسافت طی شده توسط داده‌ها و حفظ تأخیر پایین می‌شود.
