Новости ИИ, 3 октября: Cloudflare добавила веб-поиск в AI Gateway

В выпуске: Cloudflare добавила веб-поиск в AI Gateway; Cloudflare выпустила модели решений Clef и Clef-flash; Ai2 открыла модель AstaBrief для научных отчётов и другое.

Cloudflare добавила веб-поиск в AI Gateway

Cloudflare интегрировала Web Search API в AI Gateway вместе с Ceramic.ai, Exa и Linkup. API позволяет агентам искать сведения в интернете и получать актуальные фрагменты страниц для контекста модели. Запросы отображаются в журналах наблюдаемости AI Gateway, а их стоимость списывается с баланса кредитов; наценки к тарифам поисковых партнёров нет. Разработчики также могут подключить собственный ключ провайдера или отправлять запросы через REST API, а для Cloudflare Workers предусмотрена интеграция с помощью кода.

Партнёры обязались соблюдать требования Cloudflare к проверенным ботам: идентифицировать краулеры, учитывать robots.txt и добавлять к результатам ссылку на найденный материал. Cloudflare будет указывать, какие провайдеры поддерживают Zero Data Retention, то есть не хранят данные. В дальнейшем компания планирует встроить веб-поиск в набор серверных инструментов AI Gateway.

Что это значит для разработчиков. Разработчики могут добавлять поиск актуальной информации в рабочий процесс агента и отслеживать запросы через журналы AI Gateway. REST API, Workers и поддержка собственных ключей позволяют выбрать способ интеграции.

Источник: Cloudflare AI

Cloudflare выпустила модели решений Clef и Clef-flash

Cloudflare представила Clef и Clef-flash — модели для принятия решений AI-агентами. Вместо развёрнутого текста они возвращают вероятности заранее заданных вариантов ответа: например, помогают определить срочность обращения и нужную команду. По данным компании, медианное время ответа составляет 209 миллисекунд у Clef и 39 миллисекунд у Clef-flash; обе модели построены на Qwen и обрабатывают текст и изображения. Они доступны на платформе Workers AI и на Hugging Face под лицензией Apache-2.0.

Cloudflare также запускает сервис, с помощью которого клиенты смогут настраивать Clef под свои задачи. На первом этапе дообучением займутся инженеры компании, позднее планируется платформа самообслуживания. Для подготовки данных клиенты смогут записывать запросы через AI Gateway и оценивать их в контейнерах-песочницах. После дообучения модели можно будет развернуть на Workers AI. Компания планирует применять Clef для проверки жалоб на злоупотребления, сортировки обращений в поддержку и распознавания полезных и вредоносных ботов.

Что это значит для разработчиков. Модели рассчитаны на системы, которым нужны классификация и вероятности вариантов, а не текстовый ответ. Клиенты смогут адаптировать Clef к собственным задачам и развернуть дообученную модель на Workers AI.

Источник: THE DECODER

Ai2 открыла модель AstaBrief для научных отчётов

Ai2 представила AstaBrief 8B — открытую модель для создания научных отчётов с цитатами на основе исследовательского вопроса и найденных фрагментов литературы. Модель построена на Qwen3-8B и обучена с использованием supervised fine-tuning и direct preference optimization. В Asta она доступна в режиме Fast наряду с режимом Thinking на базе Claude. AstaBrief формирует весь отчёт за один проход, без поэтапного написания разделов и промежуточных стадий суммирования и группировки фрагментов. По данным Ai2, генерация в Fast mode в среднем занимает 51,1 секунды против 178,5 секунды в Thinking mode — примерно в 3,5 раза меньше. Компания также открывает веса модели и обучающие данные; для работы с собственными PDF опубликован пример локального процесса генерации отчётов. Сравнение проводилось с моделями, актуальными на момент обучения и оценки, и не повторялось с нынешними передовыми моделями.

Что это значит для разработчиков. Открытые веса позволяют адаптировать модель и запускать генерацию отчётов на собственной инфраструктуре, в том числе для работы с чувствительными или неопубликованными исследованиями.

Источник: Hugging Face

AWS обучила поискового агента с помощью multi-turn RL

AWS описала настройку поискового агента на базе Qwen3.6-27B с помощью multi-turn reinforcement learning (MTRL) в Amazon SageMaker AI. Агент использует два инструмента: BM25 для поиска по точным словам и vector search для семантических запросов. Обучение строится на последовательностях взаимодействий, а качество оценивается по итоговому результату, а не по отдельным ответам. Для оценки релевантности выдачи используется метрика nDCG@10, учитывающая позиции наиболее подходящих документов в первой десятке. В обучающих данных 5 процентов примеров каждого набора выделили для проверки. SageMaker AI MTRL поддерживает пользовательские циклы работы с инструментами и награды, сбор траекторий, несколько алгоритмов оптимизации и просмотр действий агента по ходам в MLflow. В публикации также говорится об оценке моделей перед развёртыванием на Amazon SageMaker AI или Amazon Bedrock, но численные результаты эксперимента в приведённом тексте не указаны.

Что это значит для разработчиков. Подход позволяет обучать агент с несколькими шагами поиска по итоговой метрике качества, не требуя экспертных примеров идеальных траекторий. Разработчикам доступны инструменты для задания награды и поискового цикла, а также просмотра траекторий обучения.

Источник: AWS Machine Learning

Claude Desktop подключили к Web Search через AgentCore Gateway

В публикации описана настройка Web Search для Claude Desktop на Amazon Bedrock через Amazon Bedrock AgentCore Gateway. Web Search совместим с MCP, использует поисковый индекс Amazon, включающий десятки миллиардов документов, а запросы обрабатываются внутри инфраструктуры AWS. Такая интеграция позволяет получать актуальную информацию, которой может не быть в обучающих данных модели; внешние API-ключи не требуются.

Для защиты соединения руководство предлагает использовать JWT-аутентификацию и цепочку AWS IAM Identity Center, Amazon Cognito и AgentCore Gateway. IAM Identity Center отвечает за вход через SAML, Cognito выдаёт JWT, а шлюз проверяет токены при каждом запросе. Настройка включает создание Cognito user pool и клиента, конфигурацию SAML-приложения и подключение Web Search к шлюзу. Функция доступна в регионах AWS US East (N. Virginia), Europe (Ireland) и Asia Pacific (Tokyo).

Что это значит для разработчиков. Разработчики могут подключить поиск к Claude Desktop и получать актуальные данные через управляемую AWS-интеграцию, сохраняя аутентификацию в рамках существующей инфраструктуры AWS.

Источник: AWS Machine Learning

Различение языков улучшило обучение многоязычных речевых моделей

Apple ML Research изучила, как способность модели различать языки влияет на обучение на нескольких языках. В контролируемом эксперименте с HuBERT для английского и французского проверили два способа усилить такое различение.

При одинаковом общем объёме данных для предварительного обучения усиление различения языков сократило разрыв между многоязычными и одноязычными моделями. По некоторым показателям, связанным с фонетикой и более сложными языковыми характеристиками, разрыв удалось устранить. При этом модели сохранили значительный обмен информацией между языками.

Что это значит для разработчиков. Различение языков может помочь многоязычным речевым моделям приблизиться к одноязычным при том же объёме данных, не отказываясь от переноса знаний между языками.

Источник: Apple ML Research