Cloudflare: Clef Omni

Το Cloudflare Clef Omni είναι το πολυτροπικό μοντέλο μείγματος ειδικών της οικογένειας αποφάσεων Clef. Προκύπτει από μετεκπαίδευση της βασικής αρχιτεκτονικής κατανόησης Qwen3-Omni-30B-A3B-Instruct, με 30B συνολικές και 3B ενεργές παραμέτρους. Η Cloudflare προσθέτει μια κεφαλή κοινού σχήματος που κατευθύνει τα στοιχεία στα ζητούμενα ερωτήματα και βαθμολογεί από κοινού τις επιτρεπόμενες επιλογές τους. Το αποτέλεσμα είναι μια απόφαση με καθορισμένο τύπο και πιθανότητες, αντί για παραγόμενη εξήγηση, απομαγνητοφώνηση ή έξοδο ομιλίας.

Προετοιμάστε δύο κύρια μέρη: μια κατάσταση που περιγράφει την περίσταση και μια αντιστοίχιση ερωτημάτων με ονόματα. Η κατάσταση μπορεί να είναι κείμενο ή δομημένο JSON, ενώ οι εγγενείς είσοδοι του μοντέλου περιλαμβάνουν επίσης εικόνες, ήχο και βίντεο. Κάθε ερώτημα δηλώνει τι πρέπει να αποφασιστεί και ποιες απαντήσεις επιτρέπονται. Διατηρείτε σταθερά τα αναγνωριστικά, ώστε μια εφαρμογή να μπορεί να συνδέει κάθε επιστρεφόμενη απάντηση με το αρχικό ερώτημα. Οι σαφείς περιγραφές των επιλογών δίνουν νόημα σε μια κατηγορία· διαφορετικά, μια σύντομη αμφίσημη ετικέτα μπορεί να κρύβει τη διάκριση που πραγματικά χρειάζεται η ροή εργασίας.

Η μορφή της εγγραφής έχει τρεις τύπους ερωτημάτων. Ένα ερώτημα noul αφορά μια συνθήκη αληθούς/ψευδούς και επιστρέφει την πιθανότητα να είναι αληθής. Ένα ερώτημα choice ορίζει επιλογές με ονόματα και επιστρέφει την επιλεγμένη επιλογή, πιθανότητες ανά επιλογή και μια χωριστή τιμή βεβαιότητας. Ένα ερώτημα score ορίζει διατεταγμένα κριτήρια με δείκτες που ξεκινούν από το μηδέν και επιστρέφει μια βαθμολογία σταθμισμένη βάσει πιθανοτήτων, ένα υπόμνημα και τις πιθανότητες. Η βαθμολογία μπορεί να είναι κλασματική, επειδή αντανακλά μια κατανομή μεταξύ επιπέδων. Μια απόφαση είναι συνεπώς πλουσιότερη από μία μόνο ετικέτα, παραμένοντας ωστόσο εντός των ορίων του παρεχόμενου σχήματος.

Για οπτικό έλεγχο, δώστε μια καθαρή εικόνα και τη συνθήκη προς αξιολόγηση. Ένα παράδειγμα είναι μια εγγραφή εγκατάστασης με ερωτήματα για το αν είναι ορατή η ετικέτα αναγνώρισης, ποια από τις καθορισμένες κατηγορίες κατάστασης ισχύει και αν τα στοιχεία επαρκούν για έλεγχο. Κρατήστε τις παρατηρήσεις χωριστές: το αν μια ετικέτα είναι ορατή είναι διαφορετικό ερώτημα από το αν μια εγκατάσταση φαίνεται ολοκληρωμένη. Η έξοδος μπορεί να βοηθήσει μια εφαρμογή να δρομολογήσει την εγγραφή ή να επισημάνει μια συνθήκη που χρειάζεται έλεγχο· δεν πραγματοποιεί από μόνη της επιθεώρηση, δεν αλλάζει μια εγγραφή ούτε δημιουργεί γραπτή αναφορά.

Για ήχο και βίντεο, εστιάστε τα ερωτήματα σε στοιχεία που μπορεί να υποστηρίξει το παρεχόμενο απόσπασμα. Ένας πρακτικός έλεγχος εξοπλισμού μπορεί να περιλαμβάνει μια φωτογραφία, μια ηχογράφηση και ένα σύντομο βίντεο, με ερωτήματα για το αν υπάρχει ένας συγκεκριμένος ήχος ή αν ένα εξάρτημα κινείται ορατά. Ο κατασκευαστής περιγράφει την επεξεργασία της ηχητικής μπάντας ενός βίντεο μαζί με τα καρέ του όταν όλα τα βίντεο της εγγραφής έχουν ήχο. Διατηρήστε τη σχέση μεταξύ των μέσων και της γραπτής κατάστασης και αποφύγετε να ζητάτε από το μοντέλο να ταξινομήσει ένα συμβάν που βρίσκεται εκτός του συνημμένου χρονικού διαστήματος.

Το φιλοξενούμενο προφίλ του κατασκευαστή αναφέρει πλαίσιο συμφραζομένων 64.000 tokens και από ένα έως 64 ερωτήματα. Δέχεται έως τέσσερις εικόνες, τέσσερα αποσπάσματα ήχου και δύο βίντεο, με όριο 300 δευτερολέπτων για κάθε απόσπασμα ήχου και 60 δευτερολέπτων για κάθε βίντεο. Αυτά είναι όρια της τεκμηριωμένης διεπαφής του παραγωγού. Τα μέσα και τα ερωτήματα καταλαμβάνουν χώρο στο πλαίσιο συμφραζομένων· ο υπερβολικός όγκος μέσων μπορεί να προκαλέσει αποτυχία του αιτήματος, ενώ μια μεγάλη κειμενική κατάσταση μπορεί να περικοπεί για να χωρέσει. Τοποθετήστε τα καθοριστικά στοιχεία σε μια εστιασμένη εγγραφή και προετοιμάστε τα ερωτήματα πριν καταναλώσετε το παράθυρο σε άσχετο ιστορικό.

Η φιλοξενούμενη διεπαφή του κατασκευαστή λαμβάνει ενσωματωμένα μέσα αντί για απομακρυσμένους συνδέσμους. Οι εικόνες PNG, JPEG ή WebP περιορίζονται σε 4 MiB και 16 megapixel η καθεμία, με συνολικό όριο αποκωδικοποιημένων εικόνων 8 MiB. Κάθε απόσπασμα ήχου περιορίζεται σε 8 MiB και 300 δευτερόλεπτα· κάθε βίντεο σε 16 MiB και 60 δευτερόλεπτα. Ο ήχος και το βίντεο μαζί μπορούν να φτάνουν συνολικά έως 16 MiB μετά την αποκωδικοποίηση, και στα βίντεο γίνεται δειγματοληψία δύο καρέ ανά δευτερόλεπτο. Αυτά τα όρια ανήκουν στη συγκεκριμένη διεπαφή του παραγωγού· ο κωδικοποιητής ανοικτών βαρών δέχεται επιπλέον τοπικές αναπαραστάσεις. Η δυνατότητα ήχου της βασικής αρχιτεκτονικής κατανόησης δεν σημαίνει ότι αυτό το μοντέλο αποφάσεων παράγει ήχο: τα στοιχεία παραγωγής ομιλίας του δεν χρησιμοποιούνται στη βαθμολόγηση αποφάσεων.

Για δρομολόγηση αιτημάτων υποστήριξης ή ροών εργασίας, ορίστε κατηγορίες και διατεταγμένα κριτήρια βάσει των πραγματικών κανόνων λειτουργίας. Μια εγγραφή αιτήματος υποστήριξης μπορεί να ρωτά ποια ομάδα πρέπει να το χειριστεί, αν ο αντίκτυπος είναι επείγων και ποιο επίπεδο σοβαρότητας ταιριάζει καλύτερα στα στοιχεία. Η παρατηρήσιμη έξοδος είναι ένα σύνολο απαντήσεων συγκεκριμένου τύπου κάτω από τα ονόματα αυτών των ερωτημάτων. Εξετάζετε ολόκληρη την κατανομή πιθανοτήτων όταν οι κατηγορίες είναι κοντά και ορίζετε ρητά τον τρόπο με τον οποίο η εφαρμογή χειρίζεται αβέβαιες περιπτώσεις. Μια υψηλή πιθανότητα αποτελεί εκτίμηση του μοντέλου για τα παρεχόμενα στοιχεία, όχι απόδειξη ότι η συνθήκη επαληθεύτηκε ανεξάρτητα.

Όταν εξετάζετε ένα αποτέλεσμα, διατηρείτε μαζί την κατάσταση, το σχήμα ερωτημάτων και τις επιστρεφόμενες απαντήσεις. Ελέγξτε αν οι επιλογές καλύπτουν την πραγματική κατάσταση, αν οι περιγραφές τους αλληλεπικαλύπτονται και αν παραλείφθηκαν ή περικόπηκαν σημαντικά στοιχεία. Αν ένα επόμενο βήμα χρειάζεται γραπτή εξήγηση, μπορεί να χρησιμοποιήσει την απόφαση και το υλικό προέλευσης ως είσοδο σε χωριστό βήμα σύνταξης. Ο χρήσιμος ρόλος του Clef Omni είναι να βαθμολογεί καθορισμένες εναλλακτικές από πολυτροπικά στοιχεία, ώστε η επόμενη ενέργεια να μπορεί να επιλεγεί με σαφείς και επιθεωρήσιμες εισόδους και εξόδους.