Cloudflare'den AI Agent'lar İçin Dev Adım: Clef ve Clef-flash Karar Modelleri Duyuruldu

Cloudflare, Workers AI platformu üzerinden otonom yapay zekâ temsilcilerinin düşük gecikme süreleriyle tutarlı kararlar almasını sağlayan Qwen tabanlı, açık kaynaklı Clef ve Clef-flash karar modellerini kullanıma sundu.

Cloudflare, otonom yapay zekâ temsilcilerinin (agent) hızlı ve tutarlı kararlar almasını sağlayan Clef ve Clef-flash isimli iki yeni karar modelini kullanıma sundu. Workers AI platformu üzerinden erişilebilen bu modeller, metin veya görsel girdileri analiz ederek belirli olasılık değerlerine sahip yapılandırılmış çıktılar üretiyor. Şirket açıklamasına göre, Qwen mimarisi üzerine inşa edilen modeller, metin üretmek yerine doğrudan karar verilerine odaklandığı için geleneksel büyük dil modellerine kıyasla daha düşük gecikme süreleriyle çalışıyor. Clef serisi, Apache 2.0 lisansıyla Hugging Face üzerinde açık kaynaklı olarak paylaşılırken, kullanıcıların bu modelleri kendi iş süreçlerine göre özelleştirmelerine olanak tanıyan yeni bir pekiştirmeli öğrenme (reinforcement learning) hizmeti de duyuruldu. Modellerin sunduğu yapılandırılmış çıktılar, insan müdahalesine gerek kalmadan temsilcilerin verileri işlemesine, kararlar almasına ve eylemleri gerçekleştirmesine imkan tanıyor. Bu süreçte modeller, girdileri analiz ederek olasılık temelli yanıtlar döndürüyor ve bu yanıtlar sayesinde sistemler otomatik yönlendirme veya hata yönetimi gibi işlemleri programatik olarak yürütebiliyor. Ayrıca, modellerin sunduğu görsel işleme yeteneği ve geniş bağlam penceresi, farklı türdeki verilerin sınıflandırılmasında esneklik sağlıyor. Şirket, kullanıcıların kendi özel iş yüklerine uygun modeller geliştirebilmeleri için hem uzman desteği sunuyor hem de gelecekte kendi kendine hizmet veren bir platform oluşturmayı hedefliyor. Bu yaklaşım, ağ verileri ve geçmiş kararlar kullanılarak modellerin belirli alanlarda daha yüksek doğrulukla çalışmasını desteklemeyi amaçlıyor. Cloudflare, bu modellerin geliştirilmesinde kendi bünyesindeki yapay zeka platformu bileşenlerini bir araya getirdi. Trafik akışını izleyerek veri setleri oluşturan ağ geçidi, model güncellemelerini yöneten eğitim aracı ve karar süreçlerini simüle eden konteyner yapıları, bu yeni hizmetin temelini oluşturuyor. Şirket, modellerin kurumsal kullanıma uygunluğunu vurgulayarak, kullanıcıların gönderdiği isteklerin veya alınan yanıtların saklanmadığını ya da model eğitimi için kullanılmadığını taahhüt ediyor. Geliştiriciler, modelleri doğrudan platform üzerinden kullanabildikleri gibi, yerel sistemlerinde çalıştırmak üzere ağırlık dosyalarına da erişebiliyor. Bu teknolojik altyapı, otonom temsilcilerin daha hızlı ve kesin sonuçlar üretmesini sağlayarak, karmaşık iş akışlarında insan denetimine duyulan ihtiyacı azaltmayı hedefliyor. These models generate structured, probability‑driven responses that can be consumed directly by software to route requests, trigger actions, or defer to humans, allowing autonomous agents to decide and act without constant human oversight. They accept both textual and visual inputs, run on the edge network for rapid processing, and are released under an open license that permits local execution or custom fine‑tuning for specialized use cases. Because they are fully compatible with the same interface used by other models, developers can replace existing components with minimal changes. The reinforcement learning service lets customers adjust the model to their specific decision scenarios, improving accuracy for niche tasks while preserving general performance. Support from the forward‑deployed engineering team is available to guide the fine‑tuning process and ensure smooth deployment on the edge platform. Kaynak: Cloudflare Blog