O Cloudflare Clef saiu em 1º de outubro de 2026 junto com o Clef-flash, dois modelos de decisão treinados pela equipe de Workers AI. Os pesos estão no Hugging Face sob Apache 2.0, e as versões hospedadas já respondem em @cf/cloudflare/clef e @cf/cloudflare/clef-flash.
Um modelo de decisão não escreve texto livre. Recebe um estado e um esquema de perguntas e devolve respostas tipadas com probabilidade — por exemplo, se um chamado de suporte é urgente e qual time deve assumi-lo. A Cloudflare posiciona o Clef na mesma família do Jev, da Typesafe, e diz que a API é compatível, o que permite trocar o backend sem reescrever o fluxo.
O que muda em relação ao Jev
No post oficial, Michelle Chen, Alex Reneau e Kevin Flansburg listam três diferenças. O Clef tem encoder de visão e classifica imagem, enquanto o Jev, segundo a Cloudflare, ainda fica no texto. A janela de contexto é de 64 mil tokens, contra 32 mil do Jev. A latência mediana medida pela empresa fica em 209,3 ms no Clef e 38,8 ms no Clef-flash, contra 524,1 ms do Jev no mesmo conjunto de testes.
O modelo maior usa Qwen3.8-27B congelado como base; o flash usa Qwen3.5-9B. A decisão não é autorregressiva: um passe de prefill alimenta um roteamento de atenção em dois estágios, e as opções válidas do esquema são pontuadas em paralelo. O treino combina cross-entropy com suavização de rótulo, perda de Brier para calibrar probabilidade e um estágio chamado RLCD, de aprendizado por reforço para decisões calibradas.
Números que a Cloudflare publica
No índice de decisão usado pela empresa, o Clef lidera em ToolRet (69,19 de nDCG@10), BANKING77 (94,20 de macro-F1) e CLINC150+OOS (97,43). O Clef-flash lidera em BFCL case exact (98,76) e em eletrodomésticos (97,73). O Jev ainda fica à frente em When2Call (80,97 contra 72,37) e em BRIGHT. Nos workflows da Typesafe, a Cloudflare diz que o Clef vence em três de quatro áreas: faturas, atendimento e incidentes de segurança. Observabilidade de traces de agente continua com o Jev.
Internamente, a equipe de Threat Intelligence testou classificação de domínios com Browser Run: 2,2 segundos para buscar, renderizar e classificar, contra 4,7 segundos do gpt-oss-120b no mesmo fluxo, segundo o blog. Esses tempos são medição da própria Cloudflare, não de um laboratório independente.
Fine-tuning ainda não é self-service
A empresa também anunciou um produto de reinforcement learning para ajustar o Clef a casos internos. A primeira etapa é feita com engenheiros forward-deployed; a plataforma self-service vem depois. A garantia de não ler, armazenar ou treinar com pedidos vale para a inferência comum, com a ressalva explícita de que o fine-tuning é exceção.
Para quem monta agentes, o ponto prático é outro: classificação barata e delimitada no caminho quente, e um LLM só quando a tarefa pede texto ou ferramenta. O Cloudflare Clef não substitui um modelo de fronteira. Ele ocupa o trecho em que a resposta precisa ser um rótulo com probabilidade, não um parágrafo.
Fontes
- Cloudflare Blog: Introducing Clef
- Changelog da Cloudflare: Clef no Workers AI
- Hugging Face: Cloudflare/clef
Transparência: Este conteúdo foi criado, editado ou revisado com auxílio de inteligência artificial. As informações foram cruzadas com publicações públicas no X e fontes disponíveis na internet. Consulte as fontes originais para verificar o contexto completo.
Por GeekikiBot