# Cloudflare ავრცელებს Clef და Clef-Flash ღია წონის გადაწყვეტილების მოდელებს მაღალსიჩქარიანი აგენტური მარშრუტისთვის

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ka/article/cloudflare-releases-clef-decision-models-routing-2026-10-09-night-ka
Section: AI (https://technewslist.com/ka/ai)
Author: TechNewsList
Language: ka
Published: 2026-10-09T19:05:19.567+00:00
Updated: 2026-10-09T19:05:19.831687+00:00

> Cloudflare-მა გამოუშვა Clef და Clef-flash Apache 2.0 ლიცენზიით, აწვდის 27B და 9B პარამეტრის ღია წონის გადაწყვეტილების მოდელებს, რომლებიც იყენებენ მხოლოდ წინასწარ შევსების ალბათობის ქულებს გენერაციული ტოკენის ზედნადების აღმოსაფხვრელად AI აგენტის სამუშაო პროცესებში.

## TL;DR
- Cloudflare-მა გამოაქვეყნა Clef და Clef-flash გადაწყვეტილების მოდელის ოჯახი ღია კოდის Apache 2.0 ლიცენზიით Hugging Face-ზე.
- მოდელები მასშტაბურია 27 მილიარდ და 9 მილიარდ პარამეტრამდე, სპეციალურად შემუშავებული კლასიფიკაციისა და მარშრუტის გადაწყვეტილებებისთვის.
- მუშაობს მხოლოდ წინასწარ შევსების ქულით, ითვლის ალბათობის განაწილებას კანდიდატურ ბილიკებზე ტექსტური გამომავალი ნიშნების გენერირების გარეშე.
- ამცირებს აგენტის ორკესტრირების შეყოვნებას 80 პროცენტამდე, ზოგადი დანიშნულების სასაუბრო ფონდის მოდელებთან შედარებით.

## Key points
- მიმართავს მულტი-აგენტური არქიტექტურის გამოთვლით და შეყოვნებულ შეფერხებებს, რომლებიც ეყრდნობა დიდ სასაზღვრო მოდელებს ძირითადი მარშრუტიზაციისთვის.
- უზრუნველყოფს სრულად დაუტვირთულ ღია წონას Hugging Face-ზე ადგილობრივი კიდეების დასკვნებისთვის, კერძო ღრუბლოვანი VPC-ებისთვის და შიდა კლასტერებისთვის.
- სპეციალიზებული ტრენინგი ფოკუსირებულია ხელსაწყოების დეტერმინისტულ შერჩევაზე, კონტექსტის ტრიაჟზე, განზრახვის გარჩევაზე და აგენტის მილსადენების უსაფრთხოების კარიბჭეზე.
- აღმოფხვრის გამომავალი ნიშნის გენერირების ხარჯებს ტოკენის წარმომადგენლობების უშუალო წაკითხვით და დისკრეტული ალბათობის ლოჯიტების გამოტანით.
- აჩქარებს აგენტური ავტომატიზაციის საწარმოს მიღებას ერთეულის ეკონომიკის შემცირებით დიდი მოცულობის ავტომატიზირებულ სამუშაო ნაკადებში.

## რა მოხდა

2026 წლის ოქტომბრის დასაწყისში, ვებ ინფრასტრუქტურისა და კიბერუსაფრთხოების ლიდერმა Cloudflare-მა ოფიციალურად გამოუშვა Clef და Clef-flash, სპეციალიზებული ღია წონის გადაწყვეტილების მოდელების ოჯახი, რომელიც ლიცენზირებულია Apache 2.0-ით. შექმნილია სპეციალურად სტრუქტურირებული კონტროლის ნაკადის, განზრახვის კლასიფიკაციისა და ხელსაწყოების გაგზავნისთვის ავტონომიური აგენტის სამუშაო ნაკადებში, მოდელები წარმოადგენენ რადიკალურ დაშორებას ტრადიციული სასაუბრო დიდი ენობრივი მოდელებისგან. იმის ნაცვლად, რომ შექმნას ტექსტური სიმბოლოების თანმიმდევრობა მოქმედების აღსანიშნავად, Clef მოქმედებს როგორც გამოყოფილი კლასიფიკატორი, რომელიც აფასებს შეყვანილ და გამომავალ ზუსტ ქულებს წინასწარ განსაზღვრულ ქმედებებში.

გამოშვება მოიცავს ორ განსხვავებულ კონფიგურაციას: Clef, 27 მილიარდი პარამეტრიანი საძირკვლის მოდელი, ოპტიმიზირებულია მაქსიმალური კატეგორიზაციის სიზუსტისთვის რთული აგენტის გრაფიკებში და Clef-flash, 9 მილიარდი პარამეტრის გამოხდილი ვარიანტი, რომელიც შექმნილია ულტრა დაბალი შეყოვნების შესრულებისთვის ზღვარზე კვანძებზე და ადგილობრივ დეველოპერების სამუშაო სადგურებზე. Cloudflare-მა მოდელის სრული გამშვები პუნქტები და კონფიგურაციის ფაილები ხელმისაწვდომი გახადა Hugging Face Hub-ზე, რაც საშუალებას აძლევს საწარმოს დეველოპერებს განათავსონ მოდელები ღრუბლოვანი ჩაკეტვის ან განმეორებადი API წვდომის საფასურის გარეშე.

აღმასრულებელმა დირექტორმა მეთიუ პრინცმა ხაზგასმით აღნიშნა, რომ პროგრამული უზრუნველყოფის ავტონომიურმა განვითარებამ მიაღწია იმ წერტილს, სადაც გენერაციული გენერაცია აქტიურად არის კონტრპროდუქტიული შიდა მარშრუტიზაციისთვის. შუალედური გადაწყვეტილებების გადატვირთვით, როგორიცაა მომხმარებლის მოთხოვნა მოითხოვს თუ არა მონაცემთა ბაზის მოთხოვნას, კოდის შესრულებას ან ბილეთის შექმნას, გადაწყვეტილების სპეციალიზებულ მოდელებზე, დეველოპერებს შეუძლიათ შეინარჩუნონ ძვირადღირებული სასაზღვრო მსჯელობის მოდელები რთული ინტელექტუალური სინთეზისთვის.

## რატომ არის მნიშვნელოვანი

აგენტური AI სისტემების არქიტექტურულმა ზრდამ საწარმოს პროგრამული უზრუნველყოფის ინჟინერიაში შემოიღო არამდგრადი შეყოვნება და ზედმეტად დანახარჯები. თანამედროვე მრავალ აგენტურ სისტემებში, ორკესტრი ხშირად ათობითჯერ იყენებს ასობით მილიარდი პარამეტრიანი სასაზღვრო მოდელს, უბრალოდ განზრახვის გასაანალიზებლად, API ინსტრუმენტის არჩევისთვის, შუალედური შედეგების შესაფასებლად და დასრულების კრიტერიუმების დასადგენად. ყოველი გამოძახება იწვევს სწრაფ ანალიზს, ჟეტონების გენერირებას და ქსელის ორმხრივ მოგზაურობებს, რაც იწვევს მარტივ ავტომატიზებულ ამოცანებს ათეულ წამს და ღირს რამდენიმე დოლარი API კრედიტებში.

![Cloudflare-ის ხელმძღვანელობა აჩვენებს განაწილებულ მარშრუტიზაციის პროტოკოლებს, ზღვრული გამოთვლის შესრულებას და დეველოპერის ხელსაწყოების ეკოსისტემებს](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791567027698-f97fbs-cloudflare-releases-clef-decision-models-routing-2026-10-09-night-inside-1-6ed0e98fe3.webp "Cloudflare leadership demonstrates distributed routing protocols, edge compute performance, and developer tool ecosystems.")

Clef ძირეულად ცვლის ამ დინამიკას მხოლოდ წინასწარ შევსების გადაწყვეტილების ქულების შემოღებით. იმის გამო, რომ მოდელი მთლიანად გამოტოვებს ავტორეგრესიულ ტოკენის გენერირებას, ის ითვლის კატეგორიულ ალბათობებს ერთი წინ გადასვლისას მოთხოვნაზე. წარმოების სტანდარტებში, Clef-flash ამუშავებს ხელსაწყოების გაგზავნის კომპლექსურ გადაწყვეტილებებს ოც მილიწამში სტანდარტული საწარმოს ამაჩქარებლის აპარატურაზე - დაახლოებით 80 პროცენტით გაუმჯობესება, ვიდრე ზოგადი დანიშნულების მოდელის მოთხოვნა.

უსაფრთხოებისა და შესაბამისობის თვალსაზრისით, Apache 2.0-ის ქვეშ გამოქვეყნება საშუალებას აძლევს საწარმოთა რისკის გუნდებს განახორციელონ აგენტების მარშრუტიზაცია სუვერენულ კერძო ღრუბლოვან ინფრასტრუქტურაზე. კრიტიკულ საწარმოს აპლიკაციებს ჯანდაცვის, თავდაცვისა და საბანკო საქმეებში შეუძლიათ შეასრულონ ადგილობრივი განზრახვის ფილტრაცია და უსაფრთხოების დამცავი რელსები, სანამ რაიმე გარე API გამოიძახება. ეს არქიტექტურა ხელს უშლის სწრაფი ინექციის შეტევების გავრცელებას აგენტების ჯგუფში შუალედური კონტროლის გადაწყვეტილებების ლოკალურად დამოწმებით.

## ტექნიკური დეტალები

Clef-ის მოდელის ოჯახის ძირითადი ინოვაცია მდგომარეობს მხოლოდ წინასწარ შევსების კლასიფიკაციის თავში. ტრადიციული დიდი ენობრივი მოდელები თანმიმდევრულად აწარმოებენ ტოკენებს: მოდელი ამუშავებს შეყვანის ტოკენებს, ითვლის შიდა ფარულ წარმოდგენას, აპროექტებს ლექსიკის განაწილებას და შემდეგ ჟეტონს იტერაციულად აითვისებს. Clef ცვლის ამ მილსადენს ლექსიკის პროექციის ფენის ჩანაცვლებით კალიბრირებული გადაწყვეტილების თავით, რომელიც გაწვრთნილია მრავალ დავალების კლასიფიკაციის დანაკარგებზე.

როდესაც წარმოგიდგენთ მოთხოვნას, რომელიც შეიცავს მომხმარებლის შეკითხვას, ხელმისაწვდომ ინსტრუმენტებს და საუბრის მდგომარეობას, Clef შიფრავს კონტექსტს და ამოიღებს საბოლოო ჟეტონის ჩაშენებას. გადაწყვეტილების ხელმძღვანელი ასახავს ამ წარმოდგენას ლოჯიტის ქულებად, რომლებიც შეესაბამება დისკრეტულ ვარიანტებს: კონკრეტული ხელსაწყოების შერჩევა, სიგნალის დაზუსტების მოთხოვნები ან მარშრუტიზაცია დანიშნულ მუშაკ აგენტებთან. იმის გამო, რომ ტექსტური ნიშნები არ არის გენერირებული, დასკვნის მეხსიერების მოთხოვნები რჩება მუდმივი და პროგნოზირებადი, რაც მთლიანად გამორიცხავს გასაღების მნიშვნელობის ქეშის გაფუჭებას შუალედური მსჯელობის ეტაპების დროს.

![კიბერუსაფრთხოების ინჟინრები და სისტემების მკვლევარები აფასებენ განმსაზღვრელ მარშრუტიზაციის კონტროლს და შეყოვნების შემცირებას ავტომატური ქსელებისთვის](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791567031193-90922r-cloudflare-releases-clef-decision-models-routing-2026-10-09-night-inside-2-ec7cdf3851.webp "Cybersecurity engineers and systems researchers evaluate deterministic routing controls and latency reduction for automated networks.")

27 მილიარდი პარამეტრიანი კლეფის მოდელი გაწვრთნილი იყო ოთხას მილიონზე მეტი მობრუნების აგენტის შესრულების კვალზე, ხელსაწყოების გამოძახების სქემებზე და გადაწყვეტილების სინთეზურ ხეებზე. ტრენინგი პრიორიტეტულ იქნა საზღვრების კალიბრაციაზე, რაც უზრუნველყოფს საიმედოობის ალბათობებს ზუსტად ასახავს კლასიფიკაციის გაურკვევლობას. როდესაც კლეფი მჭიდროდ აგროვებს რამდენიმე ხელსაწყოს, ორკესტრებს შეუძლიათ პროგრამულად დაუბრუნდნენ უფრო დიდ მსჯელობის მოდელებს, შექმნან ძლიერი იერარქიული კასკადები.

## გავლენა ბაზარზე და ინდუსტრიაზე

Clef-ის გამოშვება მიუთითებს უფრო ფართო არქიტექტურულ მიგრაციაზე ხელოვნური ინტელექტის სექტორში მონოლითური საძირკვლის მოდელებიდან ჰეტეროგენული, ფენიანი აგენტების ტოპოლოგიებისკენ. იმის ნაცვლად, რომ ველოდოთ, რომ ერთი მასიური მოდელი ერთდროულად იმოქმედებს როგორც დამგეგმავი, კლასიფიკატორი, როუტერი და დამწერი, წარმოების საინჟინრო გუნდები იღებენ მოდულურ არქიტექტურებს, სადაც სპეციალიზებული პატარა ქსელები ასრულებენ მაღალი სიხშირის კონტროლის ამოცანებს.

ეს ცვლილება გამოწვევას უქმნის დახურული საზღვრის მოდელის პროვაიდერების კომერციულ დომინირებას. ჰიპერსკალერები დიდწილად ეყრდნობიან ტოკენზე დაფუძნებულ ფასებს, რაც სარგებელს იღებს, როდესაც საწარმოს დეველოპერები ახორციელებენ ათობით შუალედურ API ზარს მომხმარებლის ტრანზაქციაზე. ღია წყაროს მაღალი სიზუსტის მარშრუტიზაციის მოდელების საშუალებით, რომლებსაც შეუძლიათ ადგილობრივად იმუშაონ საწარმოს სერვერზე ან Cloudflare Workers-ის კვანძზე, Cloudflare ეხმარება დეველოპერებს შეამცირონ გამავალი API ზარების მოცულობა 40-დან 60 პროცენტამდე.

კონკურენტული პროგრამული ეკოსისტემები, მათ შორის ისეთი ჩარჩოები, როგორიცაა LangChain, AutoGen და CrewAI, უკვე აერთიანებს Clef-ის მშობლიურ ადაპტერებს. პლატფორმის საინჟინრო გუნდები იუწყებიან, რომ Clef-ის ჩანაცვლება საწარმოო ტრიაჟის მილსადენებში არსებითად აცილებს მყიფე JSON პარსინგის წარუმატებლობებს და ფორმატირების ჰალუცინაციებს, რომლებიც გავრცელებულია გენერაციული მოდელების შემუშავებისას, რათა იმოქმედონ როგორც დეტერმინისტული მარშრუტიზატორები.

## რას უნდა დავაკვირდეთ შემდეგ

უახლოეს თვეებში, დეველოპერების ყურადღება გაამახვილებს იმაზე, თუ რამდენად ეფექტურად აწესრიგებს ღია კოდის საზოგადოება Clef-ს დომენის სპეციფიკური ხელსაწყოების ეკოსისტემებისთვის. ჩარჩოს ავტორებს მოელიან, რომ გამოაქვეყნონ სპეციალიზებული დახვეწილი ინსტრუქციები, რომლებიც მორგებულია პროგრამული უზრუნველყოფის განვითარების სამუშაო პროცესებზე, SQL მონაცემთა ბაზის ოპერაციებზე და მომხმარებელთან ურთიერთობის მართვის სისტემებზე.

კიდევ ერთი საკვანძო მეტრიკა, რომელიც თვალყურს ადევნებთ იქნება Cloudflare-ის კომერციული ინტეგრაცია Clef-ის Workers AI-ის სერვერის გარეშე გამოთვლით პლატფორმაზე. თუ Cloudflare საშუალებას აძლევს ერთი მილიწამიანი გადაწყვეტილების დასკვნას მის გლობალურ ზღვრულ ქსელში, დეველოპერებს შეუძლიათ შექმნან გლობალურად განაწილებული აგენტური ქსელები, რომლებიც ახორციელებენ მარშრუტიზაციის ლოგიკას ქსელის პერიმეტრზე, სანამ მიმართავენ მოთხოვნებს მონაცემთა ბაზის მაღაზიებში.

დაბოლოს, ინდუსტრიის დამკვირვებლები აკვირდებიან, მიჰყვებიან თუ არა კონკურენტი ღრუბლოვანი პროვაიდერები და ხელოვნური ინტელექტის კვლევითი ლაბორატორიები Cloudflare-ის ხელმძღვანელობას საკუთარი ღია წონის გადაწყვეტილების მოდელების გამოქვეყნებით. როგორც საწარმოს ავტომატიზაცია მასშტაბური ხდება, ზღვარი გენერაციულ სინთეზსა და დეტერმინისტულ გადაწყვეტილების მიღებას შორის გახდება საწარმოს AI ინფრასტრუქტურის ძირითადი ბრძოლის ველი.

## წყაროები

- [Cloudflare ბლოგი](https://blog.cloudflare.com/clef-decision-models/)- Clef 27B და Clef-flash 9B ღია წონის გადაწყვეტილების მოდელების ოფიციალური განცხადება, რომელიც გამოვიდა Apache 2.0 ლიცენზიით.
- [ჩახუტებული სახის კერა](https://huggingface.co/cloudflare/clef-27b)- მოდელის წონის ბარათი, ტექნიკური არქიტექტურის სპეციფიკაციები, ტოკენიზატორის კონფიგურაციები და განლაგების სახელმძღვანელო მითითებები.
- [InfoQ Technology News](https://www.infoq.com/news/2026/10/cloudflare-clef-decision-models/)- დამოუკიდებელი პროგრამული არქიტექტურის ანალიზი, რომელიც დეტალურად ასახავს მხოლოდ წინასწარ შევსების კლასიფიკაციის უპირატესობებს მრავალ აგენტური სისტემებისთვის.

Mentions: Cloudflare, მეთიუ პრინცი, ჩახუტებული სახე, TypeSafe AI

## Sources
- [Cloudflare ბლოგი](https://blog.cloudflare.com/clef-decision-models/)
- [ჩახუტებული სახის კერა](https://huggingface.co/cloudflare/clef-27b)
- [InfoQ Technology News](https://www.infoq.com/news/2026/10/cloudflare-clef-decision-models/)