Modele decyzyjne AI: Clef, Strands Decider i mój test po polsku

👁 120 przeczytań

Model decyzyjny to model AI, który nie pisze tekstu, tylko wybiera odpowiedź z listy, którą mu podajesz, i mówi, na ile jest pewny. Zamiast „to zgłoszenie dotyczy chyba płatności” dostajesz platnosci: 0,97, a Twój kod sam decyduje, co z tym zrobić. 1 października 2026 Cloudflare wypuścił otwarte modele Clef i Clef-flash, a AWS tego samego dnia Strands Decider 2B. Sprawdziłem oba na swoim RTX 4090 na 30 polskich zgłoszeniach klientów.

Co to jest model decyzyjny

Zwykły model językowy (LLM) generuje tekst słowo po słowie. Nawet jeśli każesz mu odpowiedzieć jednym słowem albo JSON-em, on nadal pisze, tylko krócej. Model decyzyjny działa inaczej:

1. Dostaje stan - tekst zgłoszenia, JSON z danymi zamówienia, a w przypadku Clef także obrazek.
2. Dostaje pytania z zamkniętą listą odpowiedzi: „który dział?” z opcjami platnosci, dostawa, zwrot…
3. Przelicza stan raz i dla każdej dozwolonej opcji zwraca prawdopodobieństwo. Nie ma generowania, nie ma parsowania, nie ma szansy, że odpowie opcją spoza listy.

Wszystkie modele z tej rodziny używają trzech typów pytań, które spopularyzował Jev od TypeSafe:

Najważniejsza praktyczna różnica: liczba, którą dostajesz, jest prawdopodobieństwem policzonym przez model, a nie tekstem „jestem pewny na 90%”, który LLM może napisać zupełnie na wyczucie. Dzięki temu da się ustawić prosty próg: powyżej 0,8 automat działa sam, poniżej zgłoszenie idzie do człowieka.

Do czego się nadaje (a do czego nie)

Dobre zastosowania:

• Routing zgłoszeń - który dział, czy pilne, jaki język, czy klient grozi odejściem.
• Moderacja - czy komentarz łamie regulamin, czy to spam, czy obrazek nadaje się do publikacji (Clef obsługuje obrazy).
• Klasyfikacja dokumentów - typ faktury, kategoria kosztu, czy umowa zawiera klauzulę X.
• Wybór narzędzia w agencie - zamiast pytać duży model „którą funkcję wywołać?”, pytasz model decyzyjny o wybór z listy narzędzi (więcej o samym mechanizmie w tekście o function calling).
• Bramki w agentach - czy odpowiedź agenta spełnia kryteria, czy trzeba eskalować do człowieka, którym modelem obsłużyć zapytanie.

Złe zastosowania:

• pisanie, streszczanie, tłumaczenie, czat, kod - model decyzyjny nie wygeneruje ani jednego zdania,
• pytania otwarte („co klient ma na myśli?”) - jeśli nie podasz listy opcji, nie ma z czego wybierać,
• trudne rozumowanie wieloetapowe - autorzy Strands Decider piszą wprost, że model jest wyraźnie słabszy od modeli rozumujących w złożonych problemach.

W praktyce model decyzyjny siedzi obok LLM-a: on podejmuje setki małych, szybkich rozstrzygnięć, a duży model pisze odpowiedź tam, gdzie trzeba tekstu. Jak zbudować agenta, w którym takie elementy się łączą, pokazuję w przewodniku Agenci AI od zera.

Modele decyzyjne w październiku 2026

Wszystkie otwarte modele z tabeli są zgodne z API System One, czyli z formatem żądań Jeva (POST /v1/systemone, pola state i questions). Ten sam kod klienta zadziała z każdym z nich - zmieniasz tylko adres i nazwę modelu. O Decisions API od OpenAI pisałem przy okazji Agents API.

Cloudflare Clef i Clef-flash

Clef bierze zamrożony model Qwen, przepuszcza przez niego wejście raz (tylko tzw. prefill, bez generowania) i oddaje ukryte stany do małej sieci, którą Cloudflare nazywa joint schema head. Ta głowa ocenia wszystkie opcje wszystkich pytań naraz i może przy tym zestawiać pytania ze sobą. Według Cloudflare to pierwszy model z tej rodziny z enkoderem obrazu i z oknem 64 tys. tokenów. Szczegóły premiery i wyniki z benchmarków opisałem w newsie Cloudflare Clef: otwarty model decyzyjny, a sam Cloudflare jako firmę - w przewodniku Cloudflare.

Amazon Strands Decider 2B

Najmniejszy z otwartych modeli. AWS zostawił z Qwen3.5-2B-Base sam „tors”, wyrzucił głowicę językową i dołożył głowę wskaźnikową, która ma nieco ponad milion parametrów. Do tego adapter LoRA rangi 16. Na Hugging Face jest checkpoint strands-decider-2B-hobson-v19, a obok niego dane treningowe i skrypty. Według autorów mediana opóźnienia to około 115 ms na RTX 3090 i 153 ms na MacBooku z M3. Wynik na publicznym JevBench: 167 z 231 zadań (72,3%).

Kev 1.0

Kev to projekt Jareda Palmera (twórcy m.in. Formika i Turborepo): cztery rozmiary od 0,8B do 27B, LoRA i głowa wskaźnikowa na Qwen3.5/Qwen3.8, licencja Apache-2.0. Implementuje publiczne API System One, więc SDK TypeSafe działa z lokalnym serwerem Kev bez zmian. Model jest trenowany i walidowany tylko po angielsku, a wersja 9B według karty modelu zajmuje około 22 GB pamięci karty. Kev nie wszedł do mojego testu - opisuję dlaczego niżej.

Ceny i wymagania sprzętowe

Workers AI ma darmowy przydział 10 000 „neuronów” dziennie w planie Free i Paid. Clef kosztuje 21 818 neuronów za milion tokenów wejścia, a Clef-flash 8182, więc darmowo wychodzi dziennie około 458 tys. tokenów dla Clef i około 1,2 mln dla Clef-flash. Krótkie zgłoszenie z dwoma pytaniami to u mnie około 150-250 tokenów, czyli kilka tysięcy decyzji dziennie za darmo. Potrzebne jest konto Cloudflare - ja go do testu nie zakładałem, więc wersję hostowaną znam tylko z dokumentacji.

Mój test: 30 polskich zgłoszeń na RTX 4090

Napisałem 30 zgłoszeń, jakie trafiają do sklepu internetowego albo firmy z SaaS-em: płatności, dostawa, zwroty, konto, awarie i sprzedaż, po 5 na dział. Część celowo bez polskich znaków, z literówkami albo na granicy dwóch działów (np. „zwrotu pieniędzy dalej nie ma” to zwrot czy płatność?). Każdy model dostał to samo zadanie: dział (6 opcji) i czy sprawa wymaga reakcji jeszcze dziś. Modele decyzyjne pytałem natywnym API, a LLM-y przez Ollamę albo OpenRouter z wymuszonym schematem JSON i temperaturą 0.

Co z tego wynika:

• Dział to za łatwe zadanie, żeby rozstrzygnąć ranking. 6 z 8 modeli trafiło 30/30. Na 30 zgłoszeniach różnica jednego błędu to szum. Słabo wypadła tylko Llama 3.1 8B (25/30) - myliła fakturę ze sprzedażą i reklamację ekspresu z awarią.
• Szybkość jest realną przewagą. Clef-flash na tej samej karcie odpowiadał 3,7 razy szybciej niż Gemma 4 12B i prawie 7 razy szybciej niż Qwen3.8 27B, który ma prawie identyczną bazę jak duży Clef. A to i tak bez zoptymalizowanych kerneli (flash-linear-attention i causal-conv1d nie instalują się łatwo na Windowsie, więc biblioteka transformers liczyła warstwy liniowej uwagi w wolniejszej wersji referencyjnej).
• Próg trzeba dobrać na swoich danych. Strands Decider po polsku zaniżał prawdopodobieństwa pilności: żadne zgłoszenie nie przekroczyło 0,5, więc przy domyślnym progu nie oznaczył nic jako pilne. Kolejność była jednak sensowna i przy progu 0,4 wynik rósł do 26/30. Clef-flash odwrotnie: przy 0,5 dawał 4 fałszywe alarmy, przy 0,95 tylko 2 błędy.
• Polski działa, choć modele trenowano głównie po angielsku. Te same zgłoszenia przetłumaczone na angielski nie dały lepszych wyników: Clef-flash miał 29/30, Strands 29/30 (oba pomyliły się na zmianie planu w trakcie okresu rozliczeniowego).
• Pilność jest subiektywna. Oznaczyłem jako pilne 6 zgłoszeń (awaria 502, włamanie na konto, podwójne obciążenie…). Prawie wszystkie modele uznały za pilne także płatność BLIK-iem, która nie zaksięgowała się w panelu. Można się z nimi zgodzić.

Koszt testu: 0 zł za modele lokalne i około 0,04 USD na OpenRouterze za 180 zapytań do Mistrala i Gemini. Gemini 3.8 Flash nie pozwala wyłączyć rozumowania, więc działał z najniższym poziomem, stąd czas około 1,8 s. Skrypty i zgłoszenia mam lokalnie i powtórzę test przy następnych wersjach.

Dlaczego nie przetestowałem dużego Clef i Kev

• Clef 27B waży 55 GB w bf16. Nie zmieści się na 24 GB bez kwantyzacji, a Cloudflare nie wydał wersji skwantyzowanej. Model ma własną głowę i własny kod (joint_schema_model.py), więc nie ruszy w Ollamie ani w llama.cpp z pliku GGUF. Teoretycznie da się go załadować w 4 bitach przez bitsandbytes, ale to już byłby inny model niż ten, który ocenia Cloudflare.
• Kev-9B potrzebuje osobnej bazy Qwen3.5-9B-Base (kolejne ok. 19 GB pobrania), a ja ustawiłem sobie limit 40 GB na ten test. Poza tym autor sam deklaruje tylko język angielski.
• Workers AI wymaga konta Cloudflare, którego nie zakładałem na potrzeby testu.

Model decyzyjny czy LLM ze structured output

To samo zadanie da się zrobić zwykłym LLM-em, któremu każesz zwrócić JSON zgodny ze schematem (opisałem to w tekście Structured output: jak zmusić AI do odpowiedzi w JSON). Kiedy co wybrać:

Moja zasada: jeśli odpowiedź jest z zamkniętej listy, a decyzji jest dużo (setki dziennie i więcej), zaczynam od modelu decyzyjnego. Jeśli potrzebuję uzasadnienia albo odpowiedź zależy od wielu kroków rozumowania - LLM. Najlepiej działa połączenie: model decyzyjny rozstrzyga pewne przypadki, a niepewne (poniżej progu) przekazuje do dużego modelu albo człowieka.

Jak zacząć w 10 minut

1. Zainstaluj Pythona 3.10+ i PyTorch z CUDA (bez karty NVIDIA też zadziała, tylko wolniej).
2. pip install strands-decider - to najmniejszy model, ok. 4,4 GB do pobrania.
3. Zadaj pierwsze pytanie z wiersza poleceń:

   strands-decider ask StrandsAgents/strands-decider-2B-hobson-v19 \
     --state "Pobraliście mi opłatę dwa razy za ten sam abonament" \
     --choice "Który dział?=platnosci,dostawa,zwrot,konto,awaria,sprzedaz" \
     --noul "Czy sprawa jest pilna?"

4. Gdy działa, uruchom serwer HTTP (strands-decider serve ... --port 8000) i wysyłaj żądania w formacie System One. Serwer nasłuchuje tylko na 127.0.0.1 i nie ma uwierzytelniania - do produkcji dołóż własną warstwę.
5. Jeśli masz 24 GB VRAM, przełącz się na Clef-flash: snapshot_download("Cloudflare/clef-flash") i funkcja systemone() z dołączonego pliku. Format żądania zostaje ten sam.

Jeśli nie masz własnego serwera z GPU, zostaje Workers AI albo API TypeSafe. Model lokalnie na zwykłym komputerze uruchomisz też przez Ollamę, ale tylko klasyczne LLM-y - modele decyzyjne mają własne głowy i potrzebują Pythona z transformers.

Dla kogo to jest

• Tak: sklepy i firmy z helpdeskiem, które chcą automatycznie rozdzielać zgłoszenia; zespoły budujące agentów, w których jest dużo małych decyzji; moderacja treści i obrazów; każdy, kto dziś płaci za duży model tylko po to, żeby odpowiedział „tak” albo „nie”.
• Nie: jeśli potrzebujesz tekstu, rozmowy albo kodu; jeśli decyzji jest kilka dziennie (wtedy wygoda dużego modelu wygrywa); jeśli nie masz kilkudziesięciu oznaczonych przykładów, na których ustawisz progi.

Najczęstsze pytania

Czym jest model decyzyjny AI?

To model, który zamiast generować tekst wybiera odpowiedź z podanej listy i zwraca prawdopodobieństwo dla każdej opcji. Obsługuje trzy typy pytań: wybór z listy (choice), tak/nie (noul) i ocenę na skali (score).

Co to jest Cloudflare Clef?

Rodzina otwartych modeli decyzyjnych Cloudflare z 1 października 2026: Clef (27B, na Qwen3.8-27B) i Clef-flash (9B, na Qwen3.5-9B). Licencja Apache-2.0, wagi na Hugging Face, hosting w Workers AI. Obsługują tekst, JSON, obrazy i wideo, okno 64 tys. tokenów.

Czy Clef jest darmowy?

Wagi tak (Apache-2.0, także komercyjnie). W Workers AI płacisz 0,24 USD (Clef) albo 0,09 USD (Clef-flash) za milion tokenów wejścia, z darmowym przydziałem 10 000 neuronów dziennie, co daje około 458 tys. albo 1,2 mln tokenów.

Czy modele decyzyjne działają po polsku?

W moim teście tak: Clef-flash i Strands Decider 2B przypisały dział poprawnie w 30 na 30 polskich zgłoszeń. Słabiej z kalibracją - prawdopodobieństwa po polsku bywały przesunięte, więc próg trzeba ustawić na własnych przykładach. Kev deklaruje tylko angielski.

Jaki komputer potrzebny do uruchomienia Clef lokalnie?

Clef-flash potrzebował u mnie 18,3 GB pamięci karty, więc wystarczy RTX 3090, 4090 lub 5090. Pełny Clef (55 GB w bf16) wymaga karty klasy H100/H200 albo kwantyzacji, której oficjalnie nie ma. Strands Decider 2B mieści się w niecałych 4 GB i działa też na procesorze i Macu. Więcej o pamięci w tekście ile VRAM potrzeba.

Czym różni się model decyzyjny od function calling?

Function calling to sposób, w jaki LLM generuje wywołanie funkcji z argumentami. Model decyzyjny może zrobić tę część, która polega na wyborze narzędzia z listy, ale argumentów tekstowych nie wygeneruje. W agentach często używa się obu: decyzyjny wybiera, LLM wypełnia szczegóły.

Czy Strands Decider da się używać komercyjnie?

Tak. Model, kod i dane treningowe są na licencji Apache-2.0, a model bazowy Qwen3.5-2B-Base również jest na Apache-2.0. Dołączony serwer nie ma uwierzytelniania, więc w produkcji trzeba go schować za własną bramką.

Co to jest Jev i System One?

Jev to model decyzyjny firmy TypeSafe, udostępniony 15 września 2026 przez API, a System One to format tego API (stan + nazwane pytania + typowane odpowiedzi). Clef, Kev i Strands Decider są z nim zgodne. Więcej w tekście TypeSafe i model Jev.

Źródła

• Cloudflare: Introducing Clef (1.10.2026)
• Cloudflare/clef i Cloudflare/clef-flash na Hugging Face
• Cennik Workers AI
• Strands Agents: Introducing Strands Decider 2B (1.10.2026) i karta modelu
• Kev na GitHubie i jaredpalmer/kev-9b
• Własny test: 5 października 2026, RTX 4090, Windows 11, PyTorch 2.11, transformers 5.18, Ollama.

Sprawdziłem: 5 października 2026.