Модели Clef (Apache 2.0) работают с текстом и изображениями, имеют контекст 64k и совместимы с Jev API. Clef показала 98.47% точности на BFCL (case exact) и latency 2.2 с против 4.7 с у GPT-oss-120b. Также запущена RL-платформа для дообучения.
Авторы статьи утверждают, что reinforcement learning для reasoning меняет лишь 1–3% токенов, и воспроизводят улучшения без RL при затратах примерно в 1000 раз меньше. Ни названия моделей, ни бенчмарков в анонсе нет.
Habr перевёл подборку из 35 вопросов по RL для интервью, явно рассчитанную не на новичков с книжкой про Q-learning, а на тех, кого уже гоняют по деталям современных методов. В тексте виден знакомый мотив: аспирантура, потом весенняя волна найма и внезапно высокооплачиваемая работа в индустрии.