O que é o Cloudflare Clef? O modelo de decisão da Cloudflare, explicado

O que é o Cloudflare Clef?

Clef e Clef-flash são os primeiros modelos treinados pela própria equipe de Workers AI da Cloudflare, anunciados na entrada do changelog do Clef e em um post de lançamento de Michelle Chen durante a Birthday Week. Eles pertencem a uma categoria que mal existia um mês antes: o modelo de decisão, popularizado pelo TypeSafe Jev em setembro.

Um modelo de decisão é um classificador que você configura no momento da requisição. Em vez de treinar um modelo com seus rótulos, você descreve os rótulos na requisição ("billing: pagamentos, faturas e reembolsos") e o modelo pontua cada um. A Cloudflare descreve a saída como "uma probabilidade para cada resposta permitida", e é literalmente só isso que você recebe de volta. Sem parágrafo, sem trilha de raciocínio, sem JSON para validar. Se a categoria é nova para você, a explicação sobre modelos de decisão do meu colega compara Jev, Clef, Strands Decider e a OpenAI Decisions API lado a lado.

Três coisas diferenciam o Clef do Jev no lançamento, segundo a própria comparação da Cloudflare:

• Visão. O Clef tem um codificador de visão e aceita até 4 imagens por requisição. O Jev lê apenas texto.
• Uma janela maior. 64K tokens de contexto hospedado contra 32K do Jev, e os pesos foram treinados para 256K.
• Pesos abertos. Os dois modelos estão no Hugging Face sob Apache 2.0. Os pesos do Jev não são públicos.

Também é o segundo lançamento de IA relevante da Cloudflare em dois meses, depois do motor de navegador Kitesurf em agosto.

Eu construo funcionalidades de agentes na eesel, e a etapa que mais se parece com o Clef é a que acontece antes de alguém escrever uma palavra: decidir o que um ticket é e para onde ele vai. Passei muito tempo nessa etapa, e o que me surpreendeu foi isto: as perguntas de roteamento que equipes reais querem responder raramente são só "qual equipe". Em uma ligação de vendas, um líder de suporte de uma empresa de serviços de TI do setor público, que atende cerca de 3.000 tickets do Freshdesk por mês, pediu uma IA que sinalizasse tickets de contas criadas nos últimos dois meses como prováveis usuários sem treinamento e empurrasse tudo que provavelmente levasse mais de 20 minutos para um caminho de serviços pagos. São três perguntas tipadas: um sim/não, um sim/não e uma pontuação. É exatamente o formato para o qual o Clef foi criado, e por isso acho que vale entendê-lo direito.

Como funciona um modelo de decisão como o Clef?

Toda chamada ao Clef tem as mesmas duas entradas. state é a coisa que você quer julgar: uma string ou dados estruturados como um log de chat ou um registro de pedido. questions é um mapa de 1 a 64 perguntas nomeadas, cada uma de um de três tipos:

Aqui está o exemplo prático da página do modelo no Ollama, com os números reais que ele retorna para um ticket de cobrança em duplicidade:

Por dentro, o Clef não gera esses números token por token. Segundo a ficha no Hugging Face, ele executa um backbone Qwen congelado (Qwen3.8-27B para o Clef, Qwen3.5-9B para o Clef-flash) em uma única passada de prefill; depois, um pequeno "joint schema head" lê os estados ocultos finais, direciona a evidência do estado para cada pergunta e pontua todas as opções de todas as perguntas de uma vez. A Cloudflare treinou esse head junto com adaptadores de baixo posto de rank 256, usando uma perda de Brier para ajustar a calibração das probabilidades, mais uma etapa de aprendizado por reforço que chama de RLCD (Reinforcement Learning for Calibrated Decisions). Como nada é gerado de forma autorregressiva, a resposta chega em uma única passada direta, e daí vem a velocidade.

Um detalhe na documentação vale ser lido duas vezes. Em uma resposta choice ou score, confidence "vai de 0 a 1 e mostra o quão concentradas estão as probabilidades. Não é a chance de a resposta estar certa." No exemplo acima, a pontuação de urgência voltou com confiança de apenas 0,071, porque as probabilidades estavam espalhadas pelos três níveis. E se duas opções empatam, a resposta segue a ordem das suas opções, então coloque o padrão mais seguro primeiro.

Esse ponto de calibração é tudo para o roteamento. Um comentarista do Hacker News disse isso melhor do que eu:

"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

Se você está definindo esses limites pela primeira vez, o guia sobre como definir limites de confiança percorre os prós e contras.

Clef vs Clef-flash: qual é a diferença?

Mesma API, mesma estrutura de preços, mesma janela hospedada de 64K, mesmo suporte a visão. A diferença é o tamanho, e, segundo os números da própria Cloudflare, o modelo menor não é simplesmente uma cópia pior do maior.

Duas linhas importam mais para o trabalho de suporte. O CLINC150 tem 150 intenções mais exemplos fora de escopo, e o Clef-flash cai para 66,8 ali enquanto o Clef mantém 97,4. Então, quando sua lista de opções fica longa, ou "nenhuma destas" é uma resposta correta frequente, o modelo maior justifica sua latência 5 vezes maior. O RAGTruth testa se uma resposta está fundamentada na sua fonte, e o Clef-flash marca 35,6 contra 79,4 do Clef. Se você quer que um modelo confira respostas redigidas por IA com a sua central de ajuda (uma das melhores verificações de alucinação que você pode adicionar), use o Clef, não o Clef-flash.

Por outro lado, na avaliação de fluxo de atendimento ao cliente da TypeSafe os dois ficam a um ponto de distância, e o Clef-flash vence vários conjuntos de chamadas de ferramentas por completo. Para um esquema clássico de triagem (urgente ou não, cinco equipes, uma escala de gravidade), o Clef-flash é o padrão sensato. Não sabe em que lado você está? Escolha o que você está decidindo:

Como executar o Cloudflare Clef?

Há quatro formas de entrar, e todas aceitam o mesmo corpo de requisição (a documentação da Cloudflare chama de API System One, a que o Jev introduziu). Isso significa que o código escrito para o Jev quase sempre funciona sem alterações.

1. Binding do Workers AI

Se seu código já roda no Cloudflare Workers, adicione um binding de AI e chame o modelo diretamente. É o caminho de menor latência, já que a requisição nunca sai da rede da 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

De qualquer outro lugar, faça um POST do mesmo corpo para https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/ai/run/@cf/cloudflare/clef com um token bearer. A Cloudflare também permite rotear essas chamadas pelo AI Gateway, o que dá logs e, mais tarde, o conjunto de dados para fine-tuning. Se você chama o Clef a partir de um webhook de helpdesk, este é o caminho que vai usar, e o post sobre a API de helpdesk com IA cobre a integração do lado do helpdesk.

3. Ollama, na sua própria máquina

O Clef roda localmente no Ollama 0.35.1 ou posterior. ollama pull clef baixa uma build de 18 GB com janela de contexto de 256K, quatro vezes o que a versão hospedada permite. Você chama em http://localhost:11434/v1/systemone. Um porém: os modelos de decisão ainda não estão na CLI do Ollama nem nas bibliotecas de Python e JavaScript, então você chama o endpoint HTTP ou aponta o SDK Python da TypeSafe para seu servidor local.

4. Pesos do Hugging Face

Para controle total, baixe Cloudflare/clef ou Cloudflare/clef-flash com snapshot_download e carregue com o joint_schema_model.py incluído. A Cloudflare diz que testou em uma única NVIDIA H200 com torch 2.11 e transformers 5.10.2. Atenção aos padrões: encode_record limita a entrada a 16.384 tokens, a menos que você aumente max_length.

A ficha mostrava 5.416 downloads no primeiro mês e 18 quantizações da comunidade quando conferi. Como o Clef é um fine-tune do Qwen, o guia de preços do Qwen é um contexto útil se você está pesando hospedado contra execução própria. E se você vem do Jev, o resumo de alternativas ao Jev cobre as outras opções abertas.

Qual a velocidade e a precisão do Clef?

A velocidade é o destaque. Em 43 execuções de benchmark, a Cloudflare reporta o Clef 2,5 vezes mais rápido que o Jev na mediana e o Clef-flash 13 vezes mais rápido:

Como referência, a própria equipe de inteligência de ameaças da Cloudflare usou o Clef com o Browser Run para buscar, renderizar e classificar um site em 2,2 segundos, contra 4,7 segundos do gpt-oss-120b no mesmo fluxo. O teste do Jev ultrafast aprofunda o lado do Jev na história da velocidade.

Em precisão, o quadro é misto de um jeito útil. O Clef lidera na maioria dos conjuntos do tipo classificação e fica atrás do Jev nos que exigem muito raciocínio:

A Cloudflare também diz que o Clef é "currently the leader" no Jev Decision Index, o ranking da comunidade no Hugging Face Spaces. Leia as letras miúdas dessa afirmação. A pontuação de 61,2 (Jev: 57,9, Clef-flash: 57,1) aparece na cópia própria da Cloudflare do ranking, em clef-evals, onde as duas entradas do Clef estão marcadas como autorreportadas e não reproduzidas na origem. Eles pularam dois benchmarks do índice, que pontuam 0 por regra, e a latência foi medida no stack de serving da Cloudflare, não na GPU de referência.

Os primeiros relatos práticos são mistos, o que se espera de um modelo com uma semana de vida. Um desenvolvedor que usava o Jev para moderação de chat testou o Clef no mesmo lugar:

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

agrippanux, Hacker News

Outro comentarista levantou a preocupação mais ampla com todo concorrente do 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

Minha conclusão: os benchmarks dizem por onde começar a testar, não o que colocar em produção. Rotule 500 dos seus próprios tickets, passe-os pelos dois modelos Clef e pelo Jev, e compare. Com esses preços, o teste inteiro custa menos que um café.

Quais são os limites do Clef?

Nenhum deles é impeditivo, mas cada um já pegou alguém de surpresa:

1. O contexto hospedado é de 64K. Os pesos suportam 256K no Ollama, mas o Workers AI limita em 65.536 tokens, e a documentação diz que o estado de texto longo "é truncado para caber no limite de tokens do modelo". O truncamento é silencioso, então resuma threads longas antes.
2. As imagens precisam ser incorporadas. Até 4 imagens PNG, JPEG ou WebP, de 4 MiB e 16 megapixels cada, 8 MiB decodificadas no total, 13 MiB por requisição. URLs remotas não são aceitas.
3. Não existe "não sei". Cada pergunta retorna uma distribuição sobre suas opções. Se você quer uma saída de emergência, adicione uma opção explícita "other", que é o que os exemplos do Ollama fazem.
4. Os limites de taxa não são nomeados. A página de limites do Workers AI não lista o Clef. As páginas dos modelos têm a tag Text Generation, que por padrão é 300 requisições por minuto, mas isso é uma inferência minha, não um limite declarado. Faça um teste de carga antes de colocá-lo em um caminho crítico.
5. Pesos abertos, não código aberto. A licença é Apache 2.0, mas os dados de treinamento e o pipeline não são publicados, então você não consegue reproduzir o modelo do zero.
6. Fine-tuning ainda é uma conversa, não um produto. O fine-tuning com RL da Cloudflare começa como um trabalho próximo com seus engenheiros de implantação direta por meio de um formulário de interesse. O autoatendimento está prometido para depois, sem data nem preço.

Quanto custa o Cloudflare Clef?

A versão curta: só tokens de entrada. O Clef custa US$ 0,24 por milhão de tokens de entrada, o Clef-flash US$ 0,09, e nenhum lista preço de saída, porque a resposta é um punhado de probabilidades e não texto gerado. Toda conta recebe 10.000 neurons gratuitos por dia nos preços do Workers AI, o que dá cerca de 900 decisões curtas do Clef ou 2.400 do Clef-flash por dia.

Por token, isso é cerca de 5,7 vezes o preço do Jev de US$ 0,042. Por decisão, ainda é uma fração de centavo, e bem abaixo de um modelo de fronteira como os do detalhamento de preços do GPT-5.6 do meu colega. Os números completos, as pegadinhas do plano gratuito e uma calculadora de custos estão no guia de preços do Cloudflare Clef, então não vou repeti-los aqui.

Quem deveria usar o Cloudflare Clef?

O Clef faz mais sentido se você é:

• Uma equipe de engenharia construindo sua própria camada de roteamento. Se você já escreve o código que move os tickets, o Clef-flash entrega rótulos tipados em menos de 40 ms por centavos a cada mil chamadas.
• Já está na Cloudflare. O binding do Workers mantém a chamada dentro da rede que você já paga, em uma única fatura.
• Classifica imagens. Capturas de tela, recibos e fotos de produtos danificados são onde o codificador de visão do Clef supera o Jev, que só lê texto, o que importa para a etiquetagem de tickets de ecommerce.
• Tem restrições de residência de dados. Pesos Apache 2.0 significam que você pode executá-lo no seu próprio hardware e manter os tickets na sua rede. No lado hospedado, a Cloudflare diz que não lê, armazena nem treina com suas requisições, a menos que você opte pelo fine-tuning.
• Controla as ações de um agente de IA. O exemplo da própria Cloudflare é uma verificação de moderação de chamadas de ferramentas, "Could this tool call cause harm?", respondida em dezenas de milissegundos antes de a ferramenta rodar.

Descarte se suas categorias nunca mudam (um classificador pequeno treinado com seus próprios dados será ainda mais rápido), se a decisão exige raciocínio real (use um LLM) ou se ninguém na sua equipe quer ser dono do código que age sobre o rótulo. Esse último grupo é maior do que as pessoas admitem.

Como o Clef se encaixa na triagem e no roteamento de tickets de suporte

A triagem de suporte é o primeiro caso de uso na lista da Cloudflare: "Decide whether a ticket is urgent and which team owns it, then route it without a human in the loop." Veja como esse pipeline fica na prática e onde termina o trabalho do modelo de decisão:

Pegue o líder de serviços de TI de antes. Em termos de Clef, o pedido dele se traduz de forma limpa em uma chamada: new_user como noul ("Esta conta foi criada nos últimos dois meses?", com a idade da conta em state), long_job como noul ("Isso levará mais de 20 minutos?") e team como choice. O Clef pode responder as três em uma passada por uma fração de centavo. O que ele não consegue é tudo que está na caixa tracejada: mover o ticket no Freshdesk, escrever a oferta de serviços pagos e lidar com o caso em que as probabilidades voltam em 0,55.

Essa lacuna é onde está o esforço. Em um teste com tráfego real em uma caixa de entrada de Zendesk de ecommerce, a etapa de triagem com IA atingiu 93% de precisão e pegou 100% do spam, enquanto as respostas redigidas ainda tinham uma taxa de erro factual de 7%. A classificação foi a parte confiável. Um comentarista do Reddit em um tópico de MSP apontou a mesma preocupação do outro lado:

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

Due_Percentage_3780, Reddit

Se você mesmo for construir, alguns hábitos ajudam. Mantenha state curto (o assunto mais a primeira mensagem do cliente costuma bastar; estes modelos de prompt de triagem mostram como resumir uma thread). Sempre inclua uma opção "other". Encaminhe tudo abaixo do seu limite para uma fila humana em vez de para a equipe mais provável. E registre cada decisão para poder medi-la. O guia de automação da triagem de tickets tem o passo a passo completo.

Cada uma dessas etapas tem sua própria profundidade. Os fundamentos da classificação de tickets com IA explicam por que os rótulos derivam conforme seu produto muda. Quando os rótulos estão bons, o roteamento inteligente decide quem vê o quê. E a pilha de baixa confiança precisa de um plano próprio, que é o que uma configuração de escalonamento com IA resolve.

Talvez você nem precise construir nada. O Zendesk já traz triagem nativa com IA, com seus próprios limites de confiança de intenção para ajustar. O Freshdesk também tem triagem automática embutida.

Para uma comparação mais ampla, veja o resumo da melhor IA para triagem de tickets. Equipes de SaaS com filas específicas de produto também devem ler o guia de roteamento de tickets com IA. Qualquer que seja o caminho, compare o custo de construir com o que um agente de suporte com IA custa quando as respostas estão incluídas.

eesel para a decisão e o trabalho que vem depois

O Clef é infraestrutura. A eesel é o funcionário. A eesel é uma plataforma de colegas de IA, e o colega que importa aqui é o colega de IA para helpdesk. Ele entra na sua fila do Zendesk, Freshdesk, Gorgias ou Front, aprende com seus tickets anteriores e sua central de ajuda e toma as mesmas decisões que o Clef toma (isto é urgente, qual equipe, consigo responder com segurança) como parte do atendimento ao ticket. Depois age: etiqueta, roteia, redige, resolve ou transfere. Ações que você marca como "perguntar primeiro" ficam esperando em um feed de atividades até alguém aprovar, e antes de qualquer coisa entrar no ar eu simularia a configuração com seus tickets históricos, que é como toda implantação da eesel começa.

Se o Clef atrai você por ser programável, a CLI da eesel é a parte para olhar. É o mesmo colega do painel, conduzido de um terminal, e todo comando imprime JSON, então um script ou um agente de código como Claude Code, Cursor ou Codex pode executar uma configuração inteira. Um tour rápido de como isso fica na triagem:

• npx @eesel/cli init chat-bubble --site <url> inicia um workspace gratuito sem conta (Node 18.17+).
• eesel integrations conecta seu helpdesk e lista as ações que o colega pode realizar lá.
• eesel instructions define regras permanentes em linguagem natural, como "só responda quando tiver certeza; caso contrário, etiquete e atribua ao nível 2."
• eesel automations enable <platform> <key> --instructions "..." configura etiquetagem e roteamento.
• eesel approvals list e eesel approvals approve <id> liberam ações retidas a partir de um script, e --dry-run mostra uma prévia de uma escrita antes que ela aconteça.

As alterações sincronizam nos dois sentidos com o painel, e o workspace também funciona como servidor MCP (eesel mcp token imprime a linha do claude mcp add). O post do meu colega sobre a CLI de agentes de IA vai mais fundo.

A unidade de preço é diferente da do Clef porque compra outra coisa. Os preços da eesel começam com 100 créditos gratuitos, depois planos mensais fixos a partir de US$ 299 por 500 créditos, em que um crédito cobre um ticket ou chat inteiro, não importa quantas ações ele exija. Isso torna fácil a comparação de custo de IA vs humano. Se você quer construir a camada de triagem por conta própria, o Clef-flash é um ótimo componente. Se você quer tickets triados e respondidos esta semana, experimente a eesel na sua própria fila e leia os rascunhos antes de pagar qualquer coisa.