Cloudflare ja Amazon julkaisivat 1. lokakuuta kumpikin oman päätösmallinsa. Cloudflaren Clef ja Clef-flash toimivat Workers AI -palvelussa, kun taas Amazonin Strands Decider 2B pyörii vaikka tavallisella pelinäytönohjaimella. Kummankin painot ovat ladattavissa Hugging Facesta Apache 2.0 -lisenssillä.
Päätösmallit ovat uusi malliluokka, joka nousi esiin TypeSafen Jev-mallin myötä. Ne eivät tuota vapaata tekstiä, vaan valitsevat ennalta määritellyistä vaihtoehdoista ja palauttavat jokaiselle todennäköisyyden. Jev on yhä saatavilla vain rajapinnan kautta, joten avoimet vaihtoehdot muuttavat asetelmaa. TechCrunchin mukaan päätösmalleja julkaistaan nyt tiuhaan tahtiin.
Molemmat mallit on rakennettu Alibaban Qwen-mallien päälle, mutta ne eroavat koossa, avoimuudessa ja käyttötavassa. Cloudflare tähtää pilvessä ajettavaan tarkkuuteen, Amazon kokeiluihin omalla koneella.
Clef tuo kuvat ja pidemmän kontekstin
Cloudflaren mallit ovat yhtiön Workers AI -tiimin ensimmäiset itse kouluttamat mallit. Suurempi Clef on rakennettu Qwen3.8-27B-mallin päälle ja kevyempi Clef-flash Qwen3.5-9B:n päälle. Pohjamalli on jäädytetty, ja sen rinnalle on koulutettu erillinen reitityspää sekä LoRA-sovittimet.
Ratkaiseva ero kielimalliin on päättelyvaihe. Clef lukee syötteen kerran ja pisteyttää kaikki sallitut vastaukset rinnakkain, eikä se tuota välitekstiä merkki kerrallaan. Siksi se on selvästi nopeampi kuin tavalliset kielimallit.
Cloudflaren mukaan Clef johtaa Jev Decision Index -vertailua ja voitti Jevin TypeSafen omissa testeissä kolmella neljästä osa-alueesta. Clef käsittelee myös kuvia, ja sen konteksti-ikkuna on 64 000 tokenia, kun Jevillä se on 32 000. Rajapinta on Jev-yhteensopiva, joten mallin vaihtaminen on vaivatonta.
Yhtiö on testannut mallia omassa uhkatiedustelussaan verkkotunnusten luokittelussa. Clef haki, renderöi ja luokitteli sivuston 2,2 sekunnissa, kun gpt-oss-120b-mallilta kului samaan työhön 4,7 sekuntia. Lisäksi Cloudflare tarjoaa asiakkaille vahvistusoppimiseen perustuvaa hienosäätöä, aluksi yhtiön omien insinöörien avustamana.
Strands Decider 2B mahtuu omalle koneelle
Amazonin malli syntyi alun perin sivuprojektina. TechCrunchin mukaan AWS:n johtava insinööri Marc Brooker rakensi oman versionsa nähtyään Jevin, ja malli nousi hetkeksi kokoluokkansa kärkeen JevBench-vertailussa. Sen jälkeen AWS:n insinöörit viimeistelivät sen Strands Labs -hankkeen julkaisuksi.
Strands Decider 2B:ssä on 1,9 miljardia parametria. Pohjana on Qwen3.5-2B-Base, jonka kielimallipää on poistettu ja korvattu noin miljoonan parametrin osoitinpäällä. Malli vastaa kysymykseen yhdellä läpäisyllä keskimäärin 115 millisekunnissa RTX 3090 -näytönohjaimella, ja se toimii myös Apple-piirisillä Maceilla sekä pelkällä suorittimella.
Avoimuus menee Cloudflarea pidemmälle. AWS julkaisee painojen lisäksi koodin, koulutusdatan ja koulutusskriptit. Koko mallin voi kouluttaa uudelleen yhdellä RTX 3090 -kortilla noin 11 tunnissa, mikä tekee omista kokeiluista halpoja.
Amazon perustelee pientä kokoa kahdella syyllä. Malli on helppo ajaa ja kouluttaa laitteistolla, joka kehittäjillä jo on. Lisäksi noin kahden miljardin parametrin koko näyttää yhtiön mukaan riittävän juuri niihin helpompiin päätöksiin, joita agentit tekevät jatkuvasti.
Mihin päätösmallit sopivat automaatiossa
Päätösmallit täyttävät raon kielimallien ja perinteisten luokittelijoiden välissä. Ne ovat nopeampia ja halvempia kuin kielimallit, mutta niitä ei tarvitse kouluttaa uudelleen jokaista uutta luokkaa varten. Kysymykset ja vastausvaihtoehdot annetaan jokaisen kutsun mukana.
Tyypillinen käyttötapaus on asiakastukipyyntöjen reititys. Malli kertoo, onko pyyntö kiireellinen, mille tiimille se kuuluu ja kuinka vakava vaikutus on. Ohjelmakoodi toimii todennäköisyyksien perusteella, ja epävarmat tapaukset voidaan ohjata ihmiselle.
Agenttien suojakaiteena malli voi tarkistaa kymmenissä millisekunneissa, saako agentti suorittaa aiotun toimenpiteen. Cloudflare mainitsee lisäksi sisällönvalvonnan ja kuvien luokittelun. Työnkulkuja rakentaville tämä tarkoittaa, että osa kielimallikutsuista voidaan korvata nopeammalla ja ennustettavammalla päätösaskeleella.
Päätösmallin tulos on myös helpompi testata. Kun vastaus on aina jokin sallituista vaihtoehdoista ja mukana on todennäköisyys, kynnysarvot voidaan asettaa etukäteen ja tuloksia voidaan seurata kuten mitä tahansa ohjelmistokomponenttia. Kielimallin vapaamuotoisen vastauksen jäsentäminen ja siihen liittyvä virheenkäsittely jäävät pois.
Yhteenveto
Cloudflare ja Amazon toivat Jevin aloittaman päätösmalliluokan avoimeen jakeluun samana päivänä. Clef panostaa tarkkuuteen, kuviin ja Cloudflaren reunaverkkoon, kun taas Strands Decider 2B nojaa pieneen kokoon ja täysin avoimeen koulutusreseptiin.
Automaatiota rakentaville kehitys on hyvä uutinen. Rajattuihin päätöksiin ei enää tarvita raskasta kielimallia, ja mallin voi halutessaan ajaa omalla laitteistolla ilman kutsukohtaisia maksuja.
Kilpailu kiristyy nopeasti. Jev julkaistiin vasta muutama viikko sitten, ja nyt kaksi suurta pilvitoimijaa tarjoaa sille avoimen vaihtoehdon. Jevin kehittäjä TypeSafe ei ole julkaissut mallinsa painoja eikä koulutusreseptiä.