Модели и возможности с точки зрения операций

Главное

Cloudflare открыла превью модели Clairic

Cloudflare открыла превью Clairic - модели извлечения данных в Workers AI. Она читает текст или изображения и за один проход возвращает типизированные значения с оценкой уверенности. Оплата только за входные данные, а если поля в документе нет, модель отвечает null. Открытые веса обещаны, но пока не опубликованы.

Что меняется для операций — Если ваша поддержка или финансовый отдел вытаскивает номера заказов, даты, суммы и описания повреждений из входящих писем, чеков или счетов, это более дешёвый способ заполнять такие поля, чем просить универсальную LLM вернуть JSON. Оценка уверенности и вероятность null дают готовое правило маршрутизации: значения с высокой уверенностью обрабатываются автоматически, с низкой уходят человеку. Поля estimate и forecast можно пустить в скоринг лидов или планирование нагрузки. Примеры при этом взяты у самой Cloudflare, поэтому прогоните модель на выборке своих реальных документов, прежде чем подключать её к чему-либо, что двигает деньги.

Cloudflare добавил аудио и видео в Clef-omni

Для команды поддержки или операций, использующей классификационные модели для сортировки тикетов, проверки загрузок на PII или выявления подозрительного контента, Clef-omni убирает необходимость собирать отдельные этапы speech-to-text и извлечения видеокадров перед оценкой - жалоба клиента с голосовым сообщением или видеовложением теперь проходит через один вызов. Снижение цены Clef-flash (теперь ниже цены Jev) и ускорение Clef в 2 раза делают такие проверки дешевле и быстрее при том объёме тикетов или документов, который реально генерирует компания на 10-200 человек, хотя командам с входными данными свыше 24k токенов на запрос придётся использовать более дорогую модель Clef вместо Clef-flash.

Cloudflare выпустила открытые модели Clef для тикетов

Пример, который публикует Cloudflare, - это ровно тот процесс, который большинство команд поддержки сейчас выполняют вручную или с помощью хрупких правил: приходит сообщение, кто-то решает, срочное ли оно, какая команда за него отвечает и насколько серьезен эффект. Clef делает все три вещи за один вызов API, возвращая типизированные ответы с вероятностными оценками, с которыми существующий код может работать напрямую - без инженерии промптов и парсинга свободного текста. Для компании на 10-200 человек это значит, что маршрутизация тикетов, флаги эскалации и оценка серьезности могут стать детерминированным шагом внутри существующего стека поддержки, а люди подключаются только тогда, когда модель отказывается от решения. Новая опция RL-дообучения (сначала через выделенную команду Cloudflare, позже в режиме самообслуживания) также означает, что компания с накопленным массивом размеченных тикетов поддержки или результатов квалификации лидов может дообучить модель на собственных данных вместо того, чтобы полагаться на универсальный классификатор.