1 अक्टूबर 2026 को Cloudflare ने Clef और Clef-flash की घोषणा की, जो Apache 2.0 लाइसेंस के तहत जारी किए गए दो ओपन-सोर्स "निर्णय मॉडल" हैं। यह मॉडल खुले रूप में जवाब नहीं लिखता। यह इनपुट पढ़ता है, आपके पहले से तय किए गए जवाबों की सूची में से चुनता है और हर विकल्प के लिए एक संभावना लौटाता है। हल्का Clef-flash, 9 अरब पैरामीटर वाले Qwen 3.5 मॉडल पर बना है और इसका मीडियन रिस्पॉन्स टाइम 38.8 मिलीसेकंड है। ज़्यादा सटीक Clef, 27 अरब पैरामीटर वाले Qwen 3.8 मॉडल पर बना है, जिसका मीडियन 209.3 मिलीसेकंड है। दोनों Workers AI पर उपलब्ध हैं, और इनके वेट्स खुद होस्ट करने के लिए Hugging Face पर प्रकाशित हैं।

ग्राहक सेवा में ज़्यादातर AI असल में वर्गीकरण ही है: शिकायत है या ऑर्डर? ज़रूरी है या नहीं? कई टीमें इसके लिए सामान्य चैट मॉडल इस्तेमाल करती हैं और उन्हें धीमे जवाब मिलते हैं जो हर बार चलाने पर बदल सकते हैं।

निर्णय मॉडल असल में क्या है

Cloudflare निर्णय मॉडल को ऐसा मॉडल बताता है जो सीमित, संरचित आउटपुट "सस्ते में, तेज़ी से और सुसंगत रूप से" देता है। वह इसकी तुलना बड़े भाषा मॉडल से करता है, जिन्हें वह काफ़ी हद तक अनिश्चित (नॉन-डिटर्मिनिस्टिक) बताता है।

Hugging Face पर मॉडल कार्ड के अनुसार, आप स्थिति का वर्णन करने वाली एक "स्टेट" भेजते हैं, टेक्स्ट या JSON के रूप में, ज़रूरत हो तो साथ में तस्वीरें या वीडियो भी, फिर सवालों की एक सूची, जिसमें हर सवाल के अनुमत विकल्प होते हैं। मॉडल हर विकल्प के लिए एक संभावना लौटाता है और कोई खुला टेक्स्ट नहीं बनाता। Cloudflare का कहना है कि आपका कोड इन संभावनाओं का इस्तेमाल टिकट को सही जगह भेजने, एस्केलेशन शुरू करने या फ़ैसला किसी इंसान पर छोड़ने के लिए करता है।

Cloudflare के प्रकाशित आँकड़े

  • क्षमताएँ: घोषणा के अनुसार 64k टोकन की कॉन्टेक्स्ट विंडो (मॉडल कार्ड में डिफ़ॉल्ट इनपुट सीमा 16,384 टोकन रखी गई है, जिसे बदला जा सकता है), और दोनों संस्करण तस्वीरें पढ़कर उनका वर्गीकरण कर सकते हैं।
  • मीडियन लेटेंसी: Clef-flash के लिए 38.8 मिलीसेकंड और Clef के लिए 209.3 मिलीसेकंड, जबकि Typesafe AI के प्रतिस्पर्धी मॉडल Jev के लिए 524.1 मिलीसेकंड।
  • आंतरिक परीक्षण: Cloudflare की थ्रेट इंटेलिजेंस टीम में, किसी वेबसाइट को लाने, रेंडर करने और वर्गीकृत करने में Clef के साथ 2.2 सेकंड लगे, जबकि टीम के सबसे तेज़ सामान्य LLM gpt-oss-120b के साथ 4.7 सेकंड लगे, और उसने सिर्फ़ दो वर्गीकरण लौटाए।
  • सबसे धीमे अनुरोध: Clef-flash के साथ 95% अनुरोध 122.4 मिलीसेकंड के भीतर और Clef के साथ 238.6 मिलीसेकंड के भीतर पूरे हो जाते हैं।

CLINC150 पर, जो इंटेंट वर्गीकरण का एक परीक्षण है और दायरे से बाहर के अनुरोधों की भी जाँच करता है, Clef ने 97.43 macro-F1 हासिल किया, जबकि Clef-flash ने 66.77। बैंक ग्राहकों के सवालों वाले BANKING77 पर दोनों करीब रहे: 94.20 बनाम 90.93, और API-Bank पर Clef-flash 93.11 सटीकता के साथ 91.93 से आगे रहा। इसी वजह से Cloudflare, Clef को अपना सटीकता मॉडल और Clef-flash को उन फ़ैसलों के लिए बेहतर विकल्प कहता है जहाँ लेटेंसी अहम है। सबसे बड़ा अंतर तब दिखता है जब दायरे से बाहर के अनुरोधों को पकड़ना ज़रूरी हो।

सऊदी कारोबारों को इससे कहाँ मदद मिलती है

Cloudflare जिन उपयोगों का ज़िक्र करता है, उनमें सपोर्ट टिकटों को तात्कालिकता और टीम के हिसाब से भेजना, अपनी थ्रेट इंटेलिजेंस टीम के लिए वेबसाइट डोमेन का वर्गीकरण करना और अच्छे बॉट्स को बुरे बॉट्स से अलग करना शामिल है, जबकि इनवॉइस प्रोसेसिंग और सुरक्षा घटनाएँ उसके परीक्षणों में दिखाई देती हैं। किसी सऊदी कारोबार में यह कुछ ऐसा दिखता है:

  • WhatsApp पर छँटाई: हर संदेश तुरंत ऑर्डर, शिकायत, कीमत की पूछताछ या स्पैम के रूप में वर्गीकृत होता है, फिर सही कर्मचारी के पास भेजा जाता है।
  • सपोर्ट टिकट: किसी भी कर्मचारी के टिकट खोलने से पहले ही उसकी तात्कालिकता और ज़िम्मेदार विभाग तय कर देना।
  • ERP में दस्तावेज़: आने वाले दस्तावेज़ का प्रकार पहचानना, चाहे वह सप्लायर का इनवॉइस हो, परचेज़ ऑर्डर हो या क्रेडिट नोट, और उसे सही रास्ते पर भेजना।
  • फ़ॉर्म और स्टोर की सुरक्षा: संपर्क फ़ॉर्म और ई-कॉमर्स स्टोर पर स्वचालित साइन-अप और ऑर्डर पकड़ना।

अपने सर्वरों पर चलाने से डेटा किंगडम के भीतर रहता है

सऊदी बाज़ार के लिए सबसे अहम खूबी रफ़्तार नहीं है। अहम यह है कि वेट्स प्रकाशित हैं और इन्हें किंगडम के भीतर चलाया जा सकता है। ग्राहक संदेशों और सप्लायर इनवॉइस में निजी और व्यावसायिक डेटा होता है, और व्यक्तिगत डेटा संरक्षण कानून (PDPL) निजी डेटा को किंगडम से बाहर भेजने पर नियंत्रण लगाता है। स्थानीय डेटा सेंटर में चलने वाला मॉडल वर्गीकरण के कामों में सीमा-पार ट्रांसफ़र के सवाल से बचा लेता है, जबकि कानून की बाकी ज़िम्मेदारियाँ लागू रहती हैं। मॉडल कार्ड के अनुसार इसका परीक्षण एक अकेले H200 GPU पर किया गया था, इसलिए अपने हार्डवेयर की योजना पहले से बनाएँ।

शुरू करने से पहले जानने लायक सीमाएँ

  • अरबी का ज़िक्र नहीं: न घोषणा में और न मॉडल कार्ड में समर्थित भाषाओं की सूची है। सऊदी बोली वाले असली अरबी संदेशों पर इसे परखें।
  • घोषणा में कीमत नहीं: Cloudflare ने अपनी ब्लॉग पोस्ट में Workers AI पर दोनों मॉडलों के इस्तेमाल की लागत प्रकाशित नहीं की, इसलिए लागत का अनुमान लगाने से पहले प्राइसिंग पेज देखें।
  • कस्टमाइज़ेशन अभी सेल्फ़-सर्व नहीं: रीइनफ़ोर्समेंट लर्निंग से मॉडल को अपने डेटा पर ट्यून करने का काम फ़िलहाल Cloudflare के इंजीनियरों की टीम के ज़रिए होता है, और सेल्फ़-सर्व प्लेटफ़ॉर्म बाद में आएगा।

इसके साथ सिस्टम कैसे बनाएँ, कदम दर कदम

  • अपने फ़ैसलों की सूची बनाएँ: अपने सिस्टम में हर वह सवाल खोजें जिसके जवाब सीमित हों।
  • असली नमूना जुटाएँ: पुराने संदेश और टिकट जिन्हें आपके कर्मचारियों ने हाथ से वर्गीकृत किया था।
  • तीन विकल्पों की तुलना करें: Clef-flash, Clef और आपका मौजूदा समाधान, सटीकता और रिस्पॉन्स टाइम के आधार पर।
  • कॉन्फ़िडेंस सीमा तय करें: अगर शीर्ष विकल्प की संभावना ज़्यादा है, तो सिस्टम अपने आप कार्रवाई करता है; अगर कम है, तो मामला किसी कर्मचारी के पास जाता है।
  • काम बाँटें: निर्णय मॉडल रास्ता चुनता है, और बड़ा भाषा मॉडल सिर्फ़ ज़रूरत पड़ने पर जवाब लिखता है।

Origami में हम ग्राहक सेवा और प्रोसेस ऑटोमेशन सिस्टम बनाते समय यही पैटर्न अपनाते हैं: छोटा मॉडल फ़ैसला करता है, बड़ा मॉडल लिखता है, और एक कर्मचारी अस्पष्ट मामलों की समीक्षा करता है। Clef मॉडल पहले हिस्से को आसान बनाते हैं, और यह हिस्सा किंगडम के भीतर रह सकता है।

स्रोत