¿Qué es Cloudflare Clef? El modelo de decisión de Cloudflare, explicado

¿Qué es Cloudflare Clef?

Clef y Clef-flash son los primeros modelos entrenados por el propio equipo de Workers AI de Cloudflare, anunciados en la entrada del changelog de Clef y en un artículo de lanzamiento de Michelle Chen durante la Birthday Week. Pertenecen a una categoría que apenas existía un mes antes: el modelo de decisión, popularizado por TypeSafe Jev en septiembre.

Un modelo de decisión es un clasificador que configuras en el momento de la solicitud. En lugar de entrenar un modelo con tus etiquetas, describes las etiquetas en la solicitud ("billing: pagos, facturas y reembolsos") y el modelo puntúa cada una. Cloudflare describe la salida como "una probabilidad para cada respuesta permitida", y eso es literalmente todo lo que recibes. Ni un párrafo, ni una traza de razonamiento, ni JSON que tengas que validar. Si la categoría es nueva para ti, la explicación sobre modelos de decisión de mi colega compara Jev, Clef, Strands Decider y la API Decisions de OpenAI lado a lado.

Tres cosas distinguen a Clef de Jev en el lanzamiento, según la propia comparación de Cloudflare:

• Visión. Clef tiene un codificador de visión y acepta hasta 4 imágenes por solicitud. Jev solo lee texto.
• Una ventana más grande. 64K tokens de contexto alojado frente a los 32K de Jev, y los pesos se entrenaron para 256K.
• Pesos abiertos. Ambos modelos están en Hugging Face bajo Apache 2.0. Los pesos de Jev no son públicos.

También es el segundo lanzamiento de IA destacado de Cloudflare en dos meses, después del motor de navegador Kitesurf en agosto.

Construyo funciones de agentes en eesel, y el paso que más se parece a Clef es el que ocurre antes de que nadie escriba una palabra: decidir qué es un ticket y adónde va. He dedicado mucho tiempo a ese paso, y esto es lo que me sorprendió. Las preguntas de enrutamiento que los equipos reales quieren responder rara vez son solo "qué equipo". En una llamada de ventas, un responsable de soporte de una empresa de servicios de TI del sector público, que gestiona unos 3.000 tickets de Freshdesk al mes, pidió una IA que marcara los tickets de cuentas creadas en los últimos dos meses como probables usuarios sin formación, y que empujara hacia una vía de servicios de pago todo lo que probablemente llevara más de 20 minutos. Son tres preguntas tipadas: un sí/no, un sí/no y una puntuación. Es exactamente la forma para la que se creó Clef, y por eso creo que merece la pena entenderlo bien.

¿Cómo funciona un modelo de decisión como Clef?

Cada llamada a Clef tiene las mismas dos entradas. state es lo que quieres juzgar: una cadena, o datos estructurados como un registro de chat o un pedido. questions es un mapa de 1 a 64 preguntas con nombre, cada una de uno de tres tipos:

Este es el ejemplo práctico de la página del modelo en Ollama, con los números reales que devuelve para un ticket de cobro duplicado:

Por dentro, Clef no genera esos números token a token. Según la ficha de Hugging Face, ejecuta un backbone Qwen congelado (Qwen3.8-27B para Clef, Qwen3.5-9B para Clef-flash) en una sola pasada de prefill; después, un pequeño "joint schema head" lee los estados ocultos finales, dirige la evidencia del estado hacia cada pregunta y puntúa todas las opciones de todas las preguntas a la vez. Cloudflare entrenó ese head junto con adaptadores de bajo rango de rango 256, usando una pérdida de Brier para ajustar la calibración de las probabilidades, más un paso de aprendizaje por refuerzo que llama RLCD (Reinforcement Learning for Calibrated Decisions). Como nada se genera de forma autorregresiva, la respuesta llega en una sola pasada hacia delante, y de ahí viene la velocidad.

Un detalle de la documentación merece leerse dos veces. En una respuesta choice o score, confidence "va de 0 a 1 e indica lo concentradas que están las probabilidades. No es la probabilidad de que la respuesta sea correcta." En el ejemplo anterior, la puntuación de urgencia volvió con una confianza de solo 0,071, porque las probabilidades estaban repartidas entre los tres niveles. Y si dos opciones empatan, la respuesta sigue el orden de tus opciones, así que pon primero la opción por defecto más segura.

Ese punto de calibración lo es todo para el enrutamiento. Un comentarista de Hacker News lo expresó mejor de lo que yo puedo:

"for production routing, you almost always want to threshold on confidence ('auto-handle above 0.9, route to a human below'), and that only works if the probabilities mean what they say. A 96% model with overconfident outputs is operationally worse than a 94% model with honest ones."

aidiscoverywire, Hacker News

Si vas a fijar esos umbrales por primera vez, la guía sobre cómo establecer umbrales de confianza recorre los pros y los contras.

Clef vs Clef-flash: ¿cuál es la diferencia?

Misma API, misma estructura de precios, misma ventana alojada de 64K, mismo soporte de visión. La diferencia es el tamaño, y según las cifras de Cloudflare, el modelo más pequeño no es simplemente una copia peor del grande.

Dos filas importan más para el trabajo de soporte. CLINC150 tiene 150 intenciones más ejemplos fuera de ámbito, y Clef-flash cae a 66,8 mientras Clef se mantiene en 97,4. Así que cuando tu lista de opciones se alarga, o "ninguna de estas" es con frecuencia la respuesta correcta, el modelo más grande se gana su latencia 5 veces mayor. RAGTruth comprueba si una respuesta está fundamentada en su fuente, y Clef-flash puntúa 35,6 frente a los 79,4 de Clef. Si quieres que un modelo compare las respuestas redactadas por IA con tu centro de ayuda (una de las mejores comprobaciones de alucinaciones que puedes añadir), usa Clef, no Clef-flash.

Por otro lado, en la evaluación de flujo de atención al cliente de TypeSafe los dos quedan a un punto de diferencia, y Clef-flash gana varios conjuntos de llamadas a herramientas por completo. Para un esquema de triaje clásico (urgente o no, cinco equipos, una escala de gravedad), Clef-flash es la opción por defecto razonable. ¿No sabes de qué lado estás? Elige qué estás decidiendo:

¿Cómo se ejecuta Cloudflare Clef?

Hay cuatro formas de entrar, y todas aceptan el mismo cuerpo de solicitud (la documentación de Cloudflare lo llama la API System One, la que introdujo Jev). Eso significa que el código escrito para Jev casi siempre funciona sin cambios.

1. Binding de Workers AI

Si tu código ya se ejecuta en Cloudflare Workers, añade un binding de AI y llama al modelo directamente. Es el camino de menor latencia, ya que la solicitud nunca sale de la red de Cloudflare:

const response = await env.AI.run("@cf/cloudflare/clef-flash", {
  model: "clef-flash",
  state: "Checkout has been failing for every customer for the last hour.",
  questions: {
    urgent: { type: "noul", instructions: "Is this support request urgent?" },
    team: {
      type: "choice",
      instructions: "Which team should handle this request?",
      criteria: {
        billing: "Payments, invoices, and refunds",
        technical: "Outages, errors, and configuration",
        sales: "Plans and upgrades",
      },
    },
  },
});
// response.answers.urgent.noul  -> probability the request is urgent
// response.answers.team.choice  -> highest-probability team

2. API REST

Desde cualquier otro lugar, haz POST del mismo cuerpo a https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/ai/run/@cf/cloudflare/clef con un token bearer. Cloudflare también permite enrutar estas llamadas a través de AI Gateway, lo que te da registros y, más adelante, el conjunto de datos para el ajuste fino. Si llamas a Clef desde un webhook de helpdesk, este es el camino que usarás, y el artículo sobre la API de helpdesk con IA cubre la integración del lado del helpdesk.

3. Ollama, en tu propia máquina

Clef se ejecuta en local con Ollama 0.35.1 o posterior. ollama pull clef descarga una compilación de 18 GB con una ventana de contexto de 256K, cuatro veces lo que permite la versión alojada. Lo llamas en http://localhost:11434/v1/systemone. Un inconveniente: los modelos de decisión aún no están en la CLI de Ollama ni en sus bibliotecas de Python y JavaScript, así que llamas al endpoint HTTP o apuntas el SDK de Python de TypeSafe a tu servidor local.

4. Pesos de Hugging Face

Para tener control total, descarga Cloudflare/clef o Cloudflare/clef-flash con snapshot_download y cárgalos con el joint_schema_model.py incluido. Cloudflare dice que probó en una sola NVIDIA H200 con torch 2.11 y transformers 5.10.2. Ojo con los valores por defecto: encode_record limita la entrada a 16.384 tokens salvo que aumentes max_length.

La ficha mostraba 5.416 descargas en su primer mes y 18 cuantizaciones de la comunidad cuando lo comprobé. Como Clef es un ajuste fino de Qwen, la guía de precios de Qwen es un contexto útil si estás sopesando alojado frente a ejecución propia. Y si vienes de Jev, el resumen de alternativas a Jev cubre las otras opciones abiertas.

¿Qué tan rápido y preciso es Clef?

La velocidad es lo más destacado. En 43 ejecuciones de benchmark, Cloudflare reporta que Clef es 2,5 veces más rápido que Jev en la mediana y Clef-flash 13 veces más rápido:

Como contexto, el propio equipo de inteligencia de amenazas de Cloudflare usó Clef con Browser Run para obtener, renderizar y clasificar un sitio web en 2,2 segundos, frente a 4,7 segundos con gpt-oss-120b en el mismo flujo. La prueba de Jev ultrafast profundiza en el lado de Jev de la historia de la velocidad.

En precisión, el panorama es mixto de una forma útil. Clef lidera en la mayoría de los conjuntos de tipo clasificación y queda por detrás de Jev en los que exigen razonamiento:

Cloudflare también dice que Clef es "currently the leader" en el Jev Decision Index, la clasificación de la comunidad en Hugging Face Spaces. Lee la letra pequeña de esa afirmación. La puntuación de 61,2 (Jev: 57,9, Clef-flash: 57,1) aparece en la copia propia de Cloudflare de la tabla en clef-evals, donde ambas entradas de Clef están marcadas como autorreportadas y no reproducidas en origen. Omitieron dos benchmarks del índice, que puntúan 0 por regla, y la latencia se midió en el stack de serving de Cloudflare y no en la GPU de referencia.

Los primeros informes de uso práctico son dispares, como cabe esperar de un modelo con una semana de vida. Un desarrollador que tenía a Jev haciendo moderación de chat probó Clef en el mismo puesto:

"Clef was 2-3x slower and worse (it caught less hate speech) than Jev. Overall disappointing."

agrippanux, Hacker News

Otro comentarista planteó la preocupación más amplia sobre todos los rivales de Jev:

"most of the ones that are supposedly on jev level end up playing a terrible game, showing that they are very narrow."

segmondy, Hacker News

Mi conclusión: los benchmarks te dicen por dónde empezar a probar, no qué lanzar a producción. Etiqueta 500 de tus propios tickets, pásalos por ambos modelos Clef y por Jev, y compara. A estos precios, toda la prueba cuesta menos que un café.

¿Cuáles son los límites de Clef?

Ninguno es un impedimento, pero cada uno ya ha pillado a alguien:

1. El contexto alojado es de 64K. Los pesos manejan 256K en Ollama, pero Workers AI limita a 65.536 tokens, y la documentación dice que el estado de texto largo "se trunca para ajustarse al límite de tokens del modelo". El truncamiento es silencioso, así que resume antes los hilos largos.
2. Las imágenes deben ir incrustadas. Hasta 4 imágenes PNG, JPEG o WebP, de 4 MiB y 16 megapíxeles cada una, 8 MiB decodificadas en total, 13 MiB por solicitud. No se aceptan URL remotas.
3. No hay "no lo sé". Cada pregunta devuelve una distribución sobre tus opciones. Si quieres una vía de escape, añade una opción explícita "other", que es lo que hacen los ejemplos de Ollama.
4. Los límites de tasa no se nombran. La página de límites de Workers AI no lista Clef. Sus páginas de modelo están etiquetadas como Text Generation, que por defecto es 300 solicitudes por minuto, pero eso es una inferencia mía, no un límite declarado. Haz una prueba de carga antes de ponerlo en una ruta crítica.
5. Pesos abiertos, no código abierto. La licencia es Apache 2.0, pero los datos de entrenamiento y el pipeline no están publicados, así que no puedes reproducir el modelo desde cero.
6. El ajuste fino es una conversación, todavía no un producto. El ajuste fino con RL de Cloudflare empieza como un trabajo conjunto con sus ingenieros desplegados en cliente a través de un formulario de interés. El autoservicio está prometido para más adelante, sin fecha ni precio.

¿Cuánto cuesta Cloudflare Clef?

La versión corta: solo tokens de entrada. Clef cuesta 0,24 $ por millón de tokens de entrada, Clef-flash 0,09 $, y ninguno lista un precio de salida, porque la respuesta es un puñado de probabilidades y no texto generado. Cada cuenta recibe 10.000 neurons gratis al día en los precios de Workers AI, lo que equivale a unas 900 decisiones cortas de Clef o 2.400 de Clef-flash al día.

Por token, eso es unas 5,7 veces el precio de Jev de 0,042 $. Por decisión sigue siendo una fracción de céntimo, y muy por debajo de un modelo de frontera como los del desglose de precios de GPT-5.6 de mi colega. Los números completos, las trampas del nivel gratuito y una calculadora de costes están en la guía de precios de Cloudflare Clef, así que no los repetiré aquí.

¿Quién debería usar Cloudflare Clef?

Clef tiene más sentido si eres:

• Un equipo de ingeniería que construye su propia capa de enrutamiento. Si ya escribes el código que mueve los tickets, Clef-flash te da etiquetas tipadas en menos de 40 ms por céntimos cada mil llamadas.
• Ya estás en Cloudflare. El binding de Workers mantiene la llamada dentro de la red que ya pagas, en una sola factura.
• Clasificas imágenes. Las capturas de pantalla, los recibos y las fotos de productos dañados son donde el codificador de visión de Clef supera a Jev, que solo maneja texto, lo cual importa para el etiquetado de tickets de ecommerce.
• Tienes restricciones de residencia de datos. Los pesos Apache 2.0 significan que puedes ejecutarlo en tu propio hardware y mantener los tickets en tu red. En el lado alojado, Cloudflare dice que no lee, almacena ni entrena con tus solicitudes salvo que optes por el ajuste fino.
• Controlas las acciones de un agente de IA. El propio ejemplo de Cloudflare es una comprobación de moderación de llamadas a herramientas, "Could this tool call cause harm?", respondida en decenas de milisegundos antes de que se ejecute la herramienta.

Descártalo si tus categorías nunca cambian (un clasificador pequeño entrenado con tus propios datos será aún más rápido), si la decisión necesita razonamiento real (usa un LLM) o si nadie en tu equipo quiere ser responsable del código que actúa sobre la etiqueta. Ese último grupo es mayor de lo que la gente admite.

Cómo encaja Clef en el triaje y enrutamiento de tickets de soporte

El triaje de soporte es el primer caso de uso en la lista de Cloudflare: "Decide whether a ticket is urgent and which team owns it, then route it without a human in the loop." Así se ve ese pipeline en la práctica, y dónde termina el trabajo del modelo de decisión:

Toma al responsable de servicios de TI de antes. En términos de Clef, su petición se traduce limpiamente en una sola llamada: new_user como noul ("¿Se creó esta cuenta en los últimos dos meses?", con la antigüedad de la cuenta en state), long_job como noul ("¿Llevará más de 20 minutos?") y team como choice. Clef puede responder las tres en una pasada por una fracción de céntimo. Lo que no puede hacer es todo lo del recuadro discontinuo: mover el ticket en Freshdesk, redactar la oferta de servicios de pago y gestionar el caso en que las probabilidades salgan en 0,55.

Ese hueco es donde está el esfuerzo. En una prueba con tráfico real en una bandeja de Zendesk de ecommerce, el paso de triaje con IA alcanzó un 93 % de precisión y detectó el 100 % del spam, mientras que las respuestas redactadas aún tenían una tasa de error factual del 7 %. La clasificación fue la parte fiable. Un comentarista de Reddit en un hilo de MSP expresó la misma preocupación desde el otro lado:

"Classification demos are usually clean, but production tickets often contain missing context, conflicting details and edge cases"

Due_Percentage_3780, Reddit

Si lo construyes tú mismo, ayudan algunos hábitos. Mantén state corto (el asunto más el primer mensaje del cliente suele bastar; estas plantillas de prompts de triaje muestran cómo condensar un hilo). Incluye siempre una opción "other". Envía todo lo que quede por debajo de tu umbral a una cola humana en lugar de al equipo más probable. Y registra cada decisión para poder medirla. La guía de automatización del triaje de tickets tiene el tutorial completo.

Cada uno de esos pasos tiene su propia profundidad. Los fundamentos de la clasificación de tickets con IA explican por qué las etiquetas se desvían a medida que cambia tu producto. Una vez que las etiquetas son buenas, el enrutamiento inteligente decide quién ve qué. Y el montón de baja confianza necesita su propio plan, que es lo que cubre una configuración de escalado con IA.

Aunque quizá no necesites construir nada. Zendesk incluye triaje nativo con IA, con sus propios umbrales de confianza de intención que ajustar. Freshdesk también tiene triaje automático integrado.

Para una comparación más amplia, consulta el resumen de la mejor IA para triaje de tickets. Los equipos de SaaS con colas específicas de producto también deberían leer la guía de enrutamiento de tickets con IA. Elijas el camino que elijas, compara el coste de construirlo con lo que cuesta un agente de soporte con IA cuando se incluyen las respuestas.

eesel para la decisión y el trabajo posterior

Clef es infraestructura. eesel es el empleado. eesel es una plataforma de compañeros de IA, y el compañero que importa aquí es el compañero de IA para helpdesk. Se une a tu cola de Zendesk, Freshdesk, Gorgias o Front, aprende de tus tickets anteriores y de tu centro de ayuda, y toma las mismas decisiones que toma Clef (¿es urgente?, ¿qué equipo?, ¿puedo responderlo con seguridad?) como parte de la gestión del ticket. Luego actúa: etiqueta, enruta, redacta, resuelve o traspasa. Las acciones que marques como "preguntar primero" esperan en un feed de actividad hasta que alguien las apruebe, y antes de que nada se active en vivo yo simularía la configuración con tus tickets históricos, que es como empieza cada despliegue de eesel.

Si Clef te atrae porque es programable, la CLI de eesel es la parte que debes mirar. Es el mismo compañero que el del panel, manejado desde una terminal, y cada comando imprime JSON, así que un script o un agente de código como Claude Code, Cursor o Codex puede ejecutar toda una configuración. Un recorrido rápido de cómo se ve eso para el triaje:

• npx @eesel/cli init chat-bubble --site <url> inicia un espacio de trabajo gratuito sin cuenta (Node 18.17+).
• eesel integrations conecta tu helpdesk y lista las acciones que el compañero puede realizar allí.
• eesel instructions establece reglas permanentes en lenguaje natural, como "responde solo cuando estés seguro; si no, etiqueta y asigna al nivel 2."
• eesel automations enable <platform> <key> --instructions "..." configura el etiquetado y el enrutamiento.
• eesel approvals list y eesel approvals approve <id> liberan acciones retenidas desde un script, y --dry-run previsualiza una escritura antes de que ocurra.

Los cambios se sincronizan en ambos sentidos con el panel, y el espacio de trabajo también funciona como servidor MCP (eesel mcp token imprime la línea de claude mcp add). El artículo de mi colega sobre la CLI de agentes de IA profundiza más.

La unidad de precio es distinta a la de Clef porque compra algo distinto. Los precios de eesel empiezan con 100 créditos gratis, luego planes mensuales fijos desde 299 $ por 500 créditos, donde un crédito cubre un ticket o chat completo sin importar cuántas acciones requiera. Eso hace fácil la comparación de coste de IA frente a humano. Si quieres construir tú mismo la capa de triaje, Clef-flash es un gran componente. Si quieres tickets triados y respondidos esta semana, prueba eesel en tu propia cola y lee los borradores antes de pagar nada.