Cloudflare: Clef Flash

Cloudflare Clef Flash är den mindre beslutsmodellen i Clef-familjen, byggd genom efterträning av Qwen3.5-9B med dess visuella kodare. Ett gemensamt schemahuvud läser evidens från indata och poängsätter de tillåtna svaren för varje efterfrågad fråga i en enda framåtpassering. Dess roll är att producera avgränsade klassificeringar och beslut i ett arbetsflöde. Resultatet är typat och innehåller sannolikheter, snarare än ett samtalssvar som en applikation måste tolka som en kategori.

Beskriv situationen i ett text- eller JSON-tillstånd och definiera frågorna separat. En fråga behöver ett stabilt namn, en typ och en tydlig instruktion; kategori- eller poängfrågor definierar också sina tillåtna kriterier. För ett supportmeddelande kan en fråga klassificera problemet, en annan bedöma hur brådskande det är och en tredje identifiera om posten saknar information som behövs för nästa steg. Behåll kundens faktiska formulering, relevant historik och verksamhetsregler i tillståndet så att beslutet är knutet till evidens.

De tre frågetyperna fyller olika behov. Ett noul-resultat är sannolikheten för att ett sant/falskt-villkor gäller. Ett choice-resultat identifierar ett namngivet alternativ och innehåller sannolikheter för alternativen samt ett konfidensvärde. Ett score-resultat bedömer ordnade kriterier och returnerar deras sannolikhetsviktade poäng, teckenförklaring och fördelning. Definiera poängordningen medvetet: Att gå från ”Ingen åtgärd behövs” till ”Omedelbar granskning” är något annat än en oordnad uppsättning ämnesetiketter.

För snabb styrning beskriver du kategorierna med de åtgärder eller ansvarsgränser som faktiskt skiljer dem åt. Ett användbart exempel är en förfrågan med alternativ för kontoåtkomst, tekniskt fel, dokumentationsfråga och övrigt, där varje alternativ förklaras. Modellens resultat kan skickas till en styrningsregel i applikationen. En jämn fördelning mellan tekniskt fel och kontoåtkomst är användbar evidens för tvetydighet; bestäm uttryckligen hur arbetsflödet behandlar sådana fall i stället för att anta att den valda etiketten är en bekräftad diagnos.

För visuell klassificering anger du en läsbar bild och ett villkor som bilden kan stödja. En kvittogranskning kan fråga om totalsumman är läslig och välja mellan definierade kategorier för dokumentkvalitet. Den bör inte begära en godtycklig ny totalsumma som om modellen vore en obegränsad tjänst för extraktion eller skrivande. Tillverkarens gränssnitt med öppna modellvikter accepterar även arrayer med videobildrutor. Bevara kopplingen mellan bildrutorna och det skriftliga tillståndet och fråga om synliga händelser eller förhållanden i materialet.

Tillverkarens aktuella hostade referens anger en kontext på 24 576 token, upp till 64 frågor och upp till fyra inbäddade bilder. PNG-, JPEG- eller WebP-bilder är begränsade till 4 MiB och 16 megapixlar per bild, med totalt 8 MiB avkodade data; hela begärandekroppen är begränsad till 13 MiB och fjärrlänkar till bilder accepteras inte. Frågedefinitioner och medier tar indatautrymme, och lång text kan kapas för att få plats. Samla avgörande evidens i ett kompakt tillstånd. Cloudflare dokumenterar att minskningen av den hostade kontexten inte ändrade de släppta modellvikterna, så det hostade fönstret och konfigurationen med öppna modellvikter förblir separata.

Modellens begränsade resultat gör den användbar för upprepade regel- eller arbetsflödeskontroller. Definiera exempelvis separata frågor om en post uppfyller de angivna fullständighetsreglerna och vilken uppföljningskategori som gäller. Håll kriterierna uttryckliga och ta med ett alternativ för fall som kategorierna inte täcker när det ingår i arbetsflödets utformning. Sannolikheterna poängsätter de inskickade alternativen; de fastslår inte att alternativen utgör en fullständig beskrivning av varje verklig situation.

Spara tillståndet, schemat och det returnerade svaret tillsammans. När ett resultat är oväntat undersöker du om ett kriterium är tvetydigt, om avgörande indata saknades eller om relevant text kapades. Jämför modellbedömningar med granskade fall från den faktiska uppgiften innan du väljer trösklar för automatiserade åtgärder. Att Clef Flash positioneras som en mindre modell för snabba beslut ersätter inte kontrollen av kostnaden för ett felaktigt styrningsbeslut i arbetsflödet.

Använd det typade resultatet som indata till nästa applikationssteg. Modellen utför inte det steget eller skriver dess slutliga förklaring. Om användaren behöver en rapport håller du beslutet och källevidensen tillgängliga för en separat skrivprocess. Det användbara resultatet från Clef Flash är ett granskningsbart svar för varje namngiven fråga, med den sannolikhetsinformation som behövs för att tillämpa arbetsflödets regler.