# CMF Decision

### Решение за миллисекунды. Вся модель — в одном CMF-файле.

Определите тему обращения, направьте запрос в нужный отдел или обучите свой
навык выбора инструмента. Cortiq выбирает метку, а при неопределённости
отказывается от ответа — **без локальной генерации токенов**. Для незнакомых
случаев подключите оракул и используйте его ответы для обучения своих навыков.

**Локальные решения · Свои навыки · Подключаемый оракул**

**[Попробовать в Spaces →](https://huggingface.co/spaces/infosave/cmf-decision)** —
введите запрос и посмотрите решение, уверенность и ошибки реконструкции.
Без установки и API-ключа.

[Запуск](#быстрый-запуск) · [Свой навык](#добавьте-свой-навык) · [Оракул](ORACLE.md#connect-openrouter) · [API](API.md) · [Методика](BENCHMARKS.md) · [English](README.md)

## Быстрый запуск

### Готовый сервис без установки

[allaigate Routing API](https://api.allaigate.com/) — готовый сервис маршрутизации
на основе формата CMF. Получите API-ключ на сайте и подключите сервис по
[документации](https://api.allaigate.com/ru/docs): скачивать модель и разворачивать
собственный сервер не нужно.

### Локальный запуск

Установите актуальную опубликованную CLI из crates.io (нужен Rust 1.88 или новее):

```bash
cargo install cortiq-cli --locked
```

Для обновления повторите ту же команду. Скачайте модель и получите первое решение:

```bash
curl -fL -o cortiq-decision.cmf \
  https://huggingface.co/infosave/cmf-decision/resolve/main/cortiq-decision.cmf
cortiq decide cortiq-decision.cmf --skill banking77 -p "I still have not received my new card"
```

**Результат:** `card_arrival` — ожидание доставки карты. Решение принято локально,
ключ облачного API не нужен. Готовые навыки: `banking77`, `clinc150`, `massive`.


### Выберите устройство

Без настройки используется CPU. Та же установленная CLI поддерживает GPU,
начиная с Cortiq 0.8.0:

```bash
# Apple Silicon
CORTIQ_DECISION_DEVICE=metal cortiq decide cortiq-decision.cmf \
  --skill banking77 -p "I still have not received my new card"

# Vulkan GPU — нужен аппаратный Vulkan-драйвер
CORTIQ_DECISION_DEVICE=vulkan cortiq decide cortiq-decision.cmf \
  --skill banking77 -p "I still have not received my new card"
```

Если GPU несколько, задайте `CORTIQ_DECISION_VULKAN_ADAPTER` — уникальную часть
имени карты. Для `cortiq serve` действуют те же переменные. [Подробнее →](GPU.md)

С версии 0.8.6 вопрос с вариантами, на которые ни один навык не обучен,
выучивается по ответам оракула в *авто-навык* и дальше решается локально за
миллисекунды; редкие метки остаются в карантине и продолжают обучаться.
[Как учатся авто-навыки →](ORACLE.md#auto-skills)

## Результаты измерений

### Качество самой модели против Jev 1.13

![Точность на всех примерах: Cortiq / Jev — BANKING77 93,34 / 85,58%; CLINC150 96,18 / 96,76%; MASSIVE 86,15 / 85,78%.](figures/quality.png)

В режиме с отказом точность принятых ответов — **97,24–98,70%**,
а доля запросов, на которые модель отвечает локально, — **54,30–92,11%**.
Это разные показатели: высокая точность принятых ответов не означает ответ
на каждый запрос. [Результаты по каждому набору →](BENCHMARKS.md#accuracy-and-coverage)

### Laya: 77 вариантов на одном Mac

![CMF и Laya: BANKING77 на Apple M4](figures/laya-ru.png)

**Обученный навык CMF: 93,34%, 3,10 мс p50.**
Базовая English-модель Laya, все 77 меток сразу: 35,65%,
917,59 мс p50. Все 3 080 запросов, локально, без оракула.
**Стресс-тест с 77 вариантами, не лучший возможный результат Laya:**
предварительный отбор вариантов и multilingual не проверялись; обучение различается.
[Методика, неудачный прогон с длинным описанием и исходные ответы →](LAYA.md)

### Скорость: теперь Metal и Vulkan

![Полный путь от текста до решения: Apple M4 CPU / Metal и Xeon CPU / RTX PRO 4000 Vulkan. В каждой паре один стенд; режимы запросов между панелями различаются.](figures/gpu.svg)

**1,10–1,24 мс на RTX PRO 4000; 2,28–2,58 мс на Apple M4.**
Ускорен весь локальный путь, а не только ядро реконструкции. На всех **10 554**
тестовых примерах решения и отказы совпали с CPU. Переобучения нет.

На M4 запросы CPU/GPU чередуются; на RTX измерена прогретая непрерывная серия.
После простоя RTX медленнее; под нагрузкой рабочего стола хвост задержек Metal
может быть хуже CPU. [Методика, задержки и память →](GPU.md) ·
[Предыдущее API-сравнение с Jev →](BENCHMARKS.md)

### Стоимость: облако только для сложных случаев

![Плата за API на миллион решений: Cortiq с оракулом — $3,01 / $3,53 / $8,48; Jev — $183,69 / $271,61 / $110,86.](figures/cost.png)

При полностью локальной работе **платы за API нет**. В гибридном тесте
сложные случаи решал DeepSeek V4.1 Flash: итоговая точность —
**93,93% / 97,47% / 88,00%**. Это пересчёт сохранённых расходов, без стоимости
оборудования и электричества. [Подключение оракула →](ORACLE.md)

## Зачем CMF

- **Один файл для переноса.** Энкодер, навыки и правила решений внутри.
- **Резонанс вместо генерации.** Каждая метка пробует восстановить сигнал
  запроса. Побеждает наименьшая ошибка; проверка уверенности разрешает ответ
  или возвращает отказ.
- **Свои задачи.** Добавляйте навыки по примерам, не меняя параметры старых.
  Обновления можно версионировать и откатывать.
- **Локальная работа по умолчанию.** Внешний оракул подключается отдельно.

## Добавьте свой навык

Подготовьте примеры с метками в `train.jsonl` и описание меток в `question.json`:

```bash
cortiq decision add-skill cortiq-decision.cmf --skill support \
  --train train.jsonl --question question.json -o support.cmf
cortiq decide support.cmf --skill support -p "Please cancel my subscription"
```

[Формат примеров, калибровка и параметры →](API.md#7-your-own-model)

HTTP-сервер: `cortiq serve cortiq-decision.cmf`.
[Запросы, ключи и совместимость с роутером →](API.md)

---

**Условия сравнения:** повторно использованные открытые наборы; CMF обучен
на train + dev, Jev получил по два примера на метку. В модели объединены энкодер, переработанный
технологией Cortiq NVG, и обученные резонансные топологии. [Методика и лицензии](BENCHMARKS.md) ·
[Данные графиков](evidence/comparison.json)

Resonance Routing — US 19/452,440.