Cloudflareが、少し変わった位置づけのAIモデルを公開した。名前はClefとClef-flash。大規模言語モデルのように文章を長々と生成するのではなく、入力を見て「この案件は急ぎか」「どのチームに回すべきか」といった判断を、速く安定して返すための decision model だ。しかも今回は、単にモデルを出しただけではない。自社で学習したモデルを Workers AI で提供しつつ、開発者が自分のデータでその判断モデルを強化できる新しい reinforcement learning（RL）基盤まで同時に打ち出している。AIが「言葉を作る」段階から「業務の分岐を決める」段階へ少し進んだ、という話として読むと分かりやすい。
元記事は、まず最近注目が集まっている decision model という考え方を説明している。Cloudflareが例に挙げているのは Typesafe AI の Jev System One で、これは従来の classifier model を少し発展させたものだという。こうしたモデルは、曖昧な会話を続けるためではなく、決められた形式の出力を、安く、速く、安定して返すのが役目になる。たとえば顧客サポートの問い合わせを入れると、緊急度や担当チームを推定し、その結果をコード側で受け取ってルーティングやエスカレーションに使える。人間が毎回目を通さなくても、機械側で先に処理を進められるのが特徴だ。
Cloudflareはこの考え方に沿って、Clef と Clef-flash という 2 つの decision model を公開した。どちらも Cloudflare が学習させたモデルで、Workers AI 上で動く。記事では、Clef は Jev Decision Index で評価したときに現在のリーダーになっていると説明しており、ライブの benchmark demo site で結果も確認できるとしている。加えて、これらのモデルは Jev-API 互換なので、すでにその仕様を前提にしたワークフローへ組み込みやすい。さらに Hugging Face 上で Apache 2.0 ライセンスのもとオープンソースとして公開されており、ローカルでも実験できる。
もう一つの柱が、開発者向けの新しい RL fine-tuning platform だ。これは Clef を自分たちのユースケースに合わせて再調整できる仕組みで、独自データを使って「どう判断するか」を詰められる。記事の書き方を見る限り、Cloudflareはここで単なるモデル配布ではなく、判断モデルを業務の中に埋め込むための土台まで提供しようとしている。文章生成のAIではなく、分類・振り分け・優先順位付けのAIを前面に出している点が、この発表の核だ。
この発表で興味深いのは、Cloudflareがあえて「大きな言語モデル」そのものを押し出していないことだと思う。世の中はまだ生成AIの派手さに引っ張られがちだが、実際の業務で面倒なのは、文章をそれらしく作ることより、入力を正しく仕分けることのほうが多い。問い合わせ対応、審査、危険判定、優先度付け。こういう場面では、長文の応答より、ぶれない分類のほうが価値を持つ。Cloudflareはそこをきちんと狙っているように見える。
しかも Cloudflare はネットワークの会社でもある。だから「速い」「安い」「一貫している」という decision model の要件は、自社の得意領域とかなり噛み合う。エッジで処理するなら、重い LLM を毎回呼ばずに済むし、分類結果をすぐ次のルールに渡せる。私はここに、生成AIの裏側で静かに広がる実務用途の需要を感じる。派手さはないが、企業が本当にお金を払うのはむしろこちらではないか。
Clef と Clef-flash が Hugging Face で Apache 2.0 ライセンス公開されている点も大きい。これは単に「使ってください」以上の意味がある。モデルを閉じたサービスとしてだけ出すと、利用者は Cloudflare の基盤に完全に依存することになる。だが公開モデルにしておけば、ローカルで検証できるし、仕様を見ながら他の環境へも持ち運べる。Jev-API 互換まで明言しているのは、その移植性を意識しているからだろう。
このやり方は、クラウド事業者としては少し珍しいバランス感覚でもある。普通なら自社基盤へのロックインを強めたくなるが、Cloudflare はむしろ「まず使える形で広げる」ことを優先しているように見える。もちろん、それは善意だけではないはずで、標準に寄せておけば開発者は入りやすい。結果として Workers AI に戻ってくる可能性も高まる。私はこれを、オープンソースを競争力に変える典型的なやり方だと見ている。
新しく出た reinforcement learning の基盤も、単なる研究寄りの話ではなさそうだ。元記事では、顧客が自分たちのデータで Clef を fine-tune できるとだけ説明しているが、ここで本当に重要なのは、判断モデルが現場ごとに違うという事実だと思う。ある会社では「緊急」の定義が厳しく、別の会社では雑談に見える文面でも商機になるかもしれない。汎用モデルがいくら賢くても、その会社の運用ルールまでは勝手に分からない。
だから RL を使って調整できるのは理にかなっている。しかも decision model は、文章生成よりも「正解の形」が見えやすい。ラベル付けした過去データを使って、どの選択が望ましかったかを学ばせやすいからだ。ここは生成AIの微調整よりも実務に近い。私はこの機能を、AI を導入したい企業が最初にぶつかる「うちのルールに合わない」という壁を越えるための道具として見るべきだと思う。
記事全体を通して感じるのは、Cloudflare がエージェントの派手な対話部分より、その前後の判断を取りにいっていることだ。エージェントが何かを実行する前には、必ず「この入力は処理すべきか」「誰に回すか」「自動化してよいか」という分岐がある。そこを安価で速い decision model に任せると、システム全体がかなり現実的になる。言い換えると、Clef は AI を賢く見せるためのモデルではなく、AI を業務に落とし込むための部品だ。
この方向性は、今後かなり効いてくるのではないかと思う。生成AIの出力品質は話題になりやすいが、実際の運用では「判断の一貫性」が壊れるほうが怖い。誤ったチームにチケットが飛ぶ、危険な案件が後回しになる、手動確認が増える。そうした事故を減らせるなら、decision model の価値はかなり大きい。Cloudflare はそのニッチを、オープンソースとエッジ実行と RL 調整の三点セットで取りにきた。かなり筋のいい動きだと感じる。
参考: Introducing Clef: our open-source decision models, and new RL fine-tuning platform
