Cloudflare: Clef Flash

Cloudflare Clef Flash er den mindre beslutningsmodellen i Clef-familien, bygget ved å ettertrene Qwen3.5-9B med dens visuelle enkoder. Et felles skjemahode leser evidens fra inndataene og skårer de tillatte svarene for hvert av de ønskede spørsmålene i én fremoverpassering. Modellens rolle er å produsere avgrensede klassifiseringer og beslutninger i en arbeidsflyt. Resultatet er typet og inneholder sannsynligheter, fremfor et samtalesvar som en applikasjon må tolke som en kategori.

Beskriv situasjonen i en tekst- eller JSON-tilstand, og definer spørsmålene separat. Et spørsmål trenger et stabilt navn, en type og en tydelig instruksjon; kategori- eller skårspørsmål definerer også de tillatte kriteriene. For en supportmelding kan ett spørsmål klassifisere problemet, et annet vurdere hastegrad og et tredje identifisere om posten mangler informasjon som trengs til neste trinn. Behold kundens faktiske ordlyd, relevant historikk og driftsregler i tilstanden, slik at beslutningen er knyttet til evidens.

De tre spørsmålstypene dekker ulike behov. Et noul-resultat er sannsynligheten for at en sann/usann-betingelse holder. Et choice-resultat identifiserer ett navngitt alternativ og omfatter sannsynligheter på tvers av alternativene samt en konfidensverdi. Et score-resultat vurderer ordnede kriterier og returnerer den sannsynlighetsvektede skåren, tegnforklaringen og fordelingen. Definer skårrekkefølgen bevisst: En overgang fra «Ingen handling nødvendig» til «Umiddelbar gjennomgang» er noe annet enn et uordnet sett med emneetiketter.

For rask ruting beskriver du kategoriene med handlingene eller ansvarsgrensene som faktisk skiller dem. Et nyttig eksempel er en forespørsel med alternativer for kontotilgang, teknisk feil, dokumentasjonsspørsmål og annet, der hvert alternativ forklares. Modellresultatet kan sendes til en rutingsregel i applikasjonen. En jevn fordeling mellom teknisk feil og kontotilgang er nyttig evidens på tvetydighet; bestem uttrykkelig hvordan arbeidsflyten behandler slike tilfeller, i stedet for å anta at den valgte etiketten er en bekreftet diagnose.

For visuell klassifisering sender du inn et lesbart bilde og en betingelse bildet kan underbygge. En kvitteringsgjennomgang kan spørre om totalbeløpet er leselig og velge blant definerte kategorier for dokumentkvalitet. Den bør ikke be om et vilkårlig nytt totalbeløp som om modellen var en ubegrenset tjeneste for datauttrekk eller skriving. Produsentens grensesnitt med åpne modellvekter godtar også arrayer med videobilder. Bevar forbindelsen mellom bildene og den skriftlige tilstanden, og spør om synlige hendelser eller forhold i dette materialet.

Produsentens gjeldende vertsbaserte referanse oppgir en kontekst på 24 576 tokener, opptil 64 spørsmål og opptil fire innebygde bilder. PNG-, JPEG- eller WebP-bilder er begrenset til 4 MiB og 16 megapiksler per bilde, med totalt 8 MiB dekodede data; hele forespørselskroppen er begrenset til 13 MiB, og eksterne bildelenker godtas ikke. Spørsmålsdefinisjoner og medier bruker inndataplass, og lang tekst kan bli avkortet for å få plass. Samle avgjørende evidens i en kompakt tilstand. Cloudflare dokumenterer at reduksjonen av den vertsbaserte konteksten ikke endret de utgitte modellvektene, så det vertsbaserte vinduet og konfigurasjonen med åpne modellvekter er fortsatt ulike forhold.

Modellens begrensede resultatform gjør den nyttig til gjentatte regel- eller arbeidsflytkontroller. Definer for eksempel separate spørsmål om en post oppfyller de angitte fullstendighetsreglene, og hvilken oppfølgingskategori som gjelder. Hold kriteriene uttrykkelige, og ta med et alternativ for tilfeller kategoriene ikke dekker, når det inngår i arbeidsflytens utforming. Sannsynlighetene skårer de innsendte alternativene; de fastslår ikke at alternativene utgjør en fullstendig beskrivelse av enhver virkelig situasjon.

Oppbevar tilstanden, skjemaet og det returnerte svaret sammen. Når et resultat er overraskende, undersøker du om et kriterium er tvetydig, om avgjørende inndata manglet, eller om relevant tekst ble kuttet. Sammenlign modellvurderinger med gjennomgåtte tilfeller fra den faktiske oppgaven før du velger terskler for automatiserte handlinger. At Clef Flash er posisjonert som en mindre modell for raske beslutninger, erstatter ikke en vurdering av kostnaden ved en feil rutingsbeslutning i arbeidsflyten.

Bruk det typede resultatet som inndata til neste applikasjonstrinn. Modellen utfører ikke dette trinnet eller skriver den endelige forklaringen. Hvis brukeren trenger en rapport, må beslutningen og kildeevidensen være tilgjengelige for en separat skriveprosess. Det nyttige produktet fra Clef Flash er et svar som kan undersøkes for hvert navngitt spørsmål, med sannsynlighetsinformasjonen som trengs for å anvende arbeidsflytens regler.