Cloudflare تُصدر نماذج اتخاذ القرار المفتوحة المصدر Clef و Clef‑flash: حكم منظم للوكيل الذكي منخفض التأخير

ملخص الخبر

في الأول من أكتوبر عام 2026، أعلنت شركة Cloudflare رسمياً عبر مدونتها الرسمية وسوق Workers AI عن إطلاق نموذجين مفتوحي المصدر لاتخاذ القرار يُدعيان Clef و Clef‑flash. يعتمد النموذجان على نماذج أساسية طورتها شركة علي بابا، وهما Qwen3.8‑27B و Qwen3.5‑9B على التوالي. تم إصدار أوزان النماذج تحت رخصة Apache 2.0، مما يتيح للمستخدمين تنزيلها، ونشرها، وإعادة تدريبها بحرية تامة. يمثل هذا الإطلاق خطوة مهمة تُظهر تحول Cloudflare من تقديم خدمات CDN التقليدية إلى توسيع وظائفها لتصبح منصة للوكيل الذكي المدعوم بالذكاء الاصطناعي.

الخلفية التقنية ومفهوم النموذج

ما يُقصد بـ "نموذج اتخاذ القرار" هو نموذج لا ينتج نصاً حراً، بل يقتصر على الإجابة على أسئلة مُحددة مسبقاً من نوع ثنائي (نعم/لا) أو اختيار من متعدد أو تقييم، ويُعيد توزيع الاحتمالات لكل خيار من الخيارات المتاحة. بالمقارنة مع النماذج التوليدية الكبيرة، فإن مخرجات نموذج اتخاذ القرار تكون أسهل في دمجها مباشرةً في سير عمل الأتمتة، مما يقلل من تكاليف المعالجة اللاحقة. تعتمد سلسلة نماذج Clef على تقنية تعديل الأوامر (Instruction Fine‑Tuning) التي طورتها عائلة نماذج Qwen، حيث تُحافظ على قدرة النموذج على فهم السياق الدلالي، وتضيف في الطبقة الأخيرة رأس تصنيف احتمالي يتيح إرجاع احتمالات دقيقة لكل خيار.

المواصفات الرئيسية لـ Clef و Clef‑flash

• Clef: مبني على Qwen3.8‑27B، يحتوي على حوالي 27 مليار معامل، يدعم سياق يصل إلى 64 000 رمز، ويتضمن مشفرًا بصريًا مدمجًا يمكنه معالجة مدخلات مختلطة من النص والصورة.
• Clef‑flash: مبني على Qwen3.5‑9B، يحتوي على حوالي 9 مليار معامل، يدعم أيضًا سياقًا يصل إلى 64 000 رمز، ويركز على اتخاذ القرار النصي النقي، مما يمنحه سرعة استجابة أعلى.
• طريقة الترخيص: Apache 2.0، تسمح بالاستخدام التجاري وإعادة النشر.
• طريقة النشر: يمكن استدعاؤه مباشرةً عبر واجهة Workers AI API، وهو متوافق أيضًا مع مجموعة تطوير TypeSafe Jev SDK.
• صيغة الإخراج: متجه احتمالي أو درجة ثنائية، مما يجعله ملائمًا لتطبيقات مثل توزيع طلبات الدعم، وتصنيف النطاقات، وحواجز الوكيل، وقرارات التوجيه.

اختبارات الأداء ومقاييس التأخير

أجرت Cloudflare داخلياً 43 اختبارًا لتقييم أداء النموذجين، وأفادت النتائج أن متوسط التأخير الوسيط لنموذج Clef كان 209.3 مللي ثانية، بينما كان متوسط التأخير الوسيط لنموذج Clef‑flash 38.8 مللي ثانية. بالمقارنة، سجل نموذج TypeSafe Jev على نفس المنصة تأخيرًا قدره 524.1 مللي ثانية، ما يُظهر تفوقًا واضحًا للنموذجين من حيث السرعة. من حيث مؤشرات الجودة مثل الدقة ومعدل الاسترجاع، كان لكل نموذج نقاط قوة مختلفة؛ فقد تفوق Clef في اختبارات التعرف على الصور ذات التعقيد العالي، بينما أظهر Clef‑flash تفوقًا في مهام اتخاذ القرار النصي السريعة. وأشارت Cloudflare إلى أن هذه الأرقام لا تزال بحاجة إلى تحقق مستقل من قبل أطراف ثالثة.

منصة التدريب المعزز (RL) للضبط الدقيق

إلى جانب النموذجين، أطلقت Cloudflare أيضًا خدمة ضبط دقيق باستخدام التعلم المعزز (Reinforcement Learning). تم تطوير هذه المنصة أولاً من قبل فريق الهندسة في Cloudflare لتوفير ضبط أساسي، ثم تم إتاحة واجهة ذاتية الخدمة تسمح للشركات بإجراء ضبط ثانوي على بياناتها الخاصة. تشمل عملية الضبط تصميم ردود البيئة، وتحديد دالة المكافأة، وتكرار الاستراتيجية، لتوليد نموذج قرار يتوافق مع احتياجات الأعمال المحددة. تظل المنصة مستضافة على بيئة Workers AI لضمان التوافق الكامل مع النماذج الأصلية.

قيود الاستخدام والمخاطر

حذرت Cloudflare صراحةً أن الشركات التي تنوي اعتماد نماذج Clef أو Clef‑flash يجب أن تقوم بمعايرة عتبات الاحتمال على بياناتها الخاصة، لتجنب الاعتماد الكلي على معايير المورد في اتخاذ قرارات عالية المخاطر. لا تضمن النماذج خلوها من الأخطاء في جميع المجالات، خاصةً في القرارات المتعلقة بالقانون أو الطب أو الامتثال المالي، حيث لا يزال من الضروري إجراء مراجعة بشرية. وعلى الرغم من أن الترخيص المفتوح يسمح بتعديل النماذج، فإن عدم اتباع ممارسات الأمان المثلى قد يؤدي إلى حدوث انحراف في النموذج أو تعرضه لهجمات خصومة.

تأثير الصناعة والرؤية المستقبلية

بالنسبة للشركات التايوانية، توفر سلسلة نماذج Clef خيارًا عمليًا لنشر قرارات ذكاء اصطناعي منخفضة التأخير في بيئات الحوسبة الطرفية. يمكن لمراكز خدمة العملاء الاستفادة من النموذج لتوزيع طلبات الدعم في الوقت الفعلي، ويمكن لمنصات التجارة الإلكترونية تصنيف حركة المرور الضارة مباشرةً على حافة CDN، بينما يمكن للمؤسسات المالية تقييم مخاطر المعاملات بسرعة عند طبقة بوابة API. إذا تم تأكيد فعالية النماذج من قبل جهات مستقلة، فمن المتوقع أن يتبنى المزيد من مزودي SaaS هذه النماذج في عقود خدماتهم، مما يعزز انتشار الوكلاء الذكيين المدعومين بالذكاء الاصطناعي في التطبيقات المحلية.