🐈⬛ есть у меня один проект с android эмуляторами связанный. там дефолтный флоу написан кодом, а если случается тупик и шаг таймаутит, я делаю скрин и кидаю в gpt. модель смотрит на снимок экрана и вызывает нужный инструмент: пойти дальше, начать сессию заново, captcha-flow или вернуться на шаг назад.
и вот че я увидел – там у cloudflare вышел свой decision-maker
clef на базе qwen3.8 27b. он обошел закрытый jev и сейчас первое место занимает в
лидерборде. из удобного для меня – он работает с видео и картинками. если api дадут дешевле jev – буду пробовать. а для local use уже появилась модель *flash в
gguf и
mlx вариантах.
from PIL import Image
record = {
"state": {"task": "Review the attached receipt."},
"images": [Image.open("receipt.jpg")],
"questions": {
"legible": {"type": "noul", "instructions": "Is the receipt total legible?"},
},
}
encoded = encode_record(processor.tokenizer, record, processor=processor)
клуб царапчиков