Cloudflare lanzó los modelos de inteligencia artificial Clef y Clef-flash, modelos de decisión de código abierto diseñados para producir clasificaciones, salidas estructuradas y probabilidades utilizables mediante programación, en lugar de generar texto abierto como suelen hacer los modelos de lenguaje grandes. La empresa aloja ambos modelos en la plataforma Workers AI y también los puso a disposición en Hugging Face bajo la licencia Apache 2.0.
Al mismo tiempo, Cloudflare presentó un nuevo servicio para ajustar Clef mediante aprendizaje por refuerzo. El servicio comienza con un equipo de ingenieros de despliegue sobre el terreno y posteriormente evolucionará hacia una plataforma de autoservicio que permitirá a los clientes recopilar datos, ajustar el modelo y volver a implementarlo en la infraestructura de Cloudflare.
¿Qué hacen los modelos de decisión?
Los modelos de decisión están dirigidos a situaciones en las que el sistema necesita elegir una opción específica dentro de un flujo de trabajo, como determinar si un mensaje de soporte es urgente, asignarlo al equipo de facturación o al equipo técnico, o estimar la gravedad de su impacto. Los modelos devuelven respuestas escritas conforme a tipos definidos, como una elección, una puntuación o un valor booleano, junto con probabilidades que la aplicación puede utilizar para dirigir la solicitud, escalarla o derivarla a un empleado humano.
Cloudflare afirma que probó Clef con su equipo de inteligencia de amenazas para clasificar dominios web. En un experimento que incluyó obtener, mostrar y clasificar el sitio mediante Browser Run, Clef tardó 2,2 segundos, frente a los 4,7 segundos del modelo gpt-oss-120b, el más rápido de la empresa en el mismo flujo de trabajo. Clef también devolvió varias clasificaciones con probabilidades, incluida la posibilidad de que el dominio fuera un sitio de moda o de comercio electrónico, y una probabilidad inferior al 1 % de que fuera un sitio de phishing.
Diferencias técnicas y rendimiento
Cloudflare afirma que Clef incluye un codificador visual para procesar imágenes, mientras que Jev, según el material, se centraba en la clasificación de texto. El modelo también ofrece una ventana de contexto de 64 mil tokens, frente a los 32 mil de Jev. Clef y Clef-flash utilizan una arquitectura no autorregresiva en la fase de decisión, en la que las opciones válidas del esquema se evalúan en paralelo en lugar de generar texto intermedio token a token.
En los resultados de las pruebas publicados, Clef registró una precisión del 98,47 % en el estándar BFCL, del 91,93 % en API-Bank y del 94,20 % en BANKING77, mientras que Clef-flash registró el 98,76 %, el 93,11 % y el 90,93 % en esos estándares, respectivamente. Los dos modelos no superaron a los demás en todas las pruebas; en el estándar When2Call, Jev alcanzó el 80,97 %, frente al 72,37 % de Clef y el 65,58 % de Clef-flash, y Jev también siguió por delante en el estándar BRIGHT.
Personalización mediante aprendizaje por refuerzo
Cloudflare basa el entrenamiento de Clef en Qwen como modelo fundamental, utilizando Qwen3.8-27B para Clef y Qwen3.5-9B para Clef-flash, y después los optimiza para tareas de decisión y calibración de probabilidades. El servicio de ajuste está dirigido a casos como la clasificación de solicitudes de soporte, la evaluación de informes de confianza y seguridad y la clasificación de bots.
El sistema propuesto combina AI Gateway para capturar los datos de las solicitudes, Workers AI para generar los resultados, Cloudflare Containers para los entornos de aprendizaje por refuerzo y un entrenador para actualizar los pesos del modelo, antes de volver a implementarlo en Workers AI. La empresa señala que personalizar el modelo puede aumentar la precisión en un ámbito específico, pero puede hacerlo a costa del rendimiento general.
¿Por qué es importante este lanzamiento?
Cloudflare presenta los modelos de decisión como una capa especializada entre las entradas y el comportamiento de los agentes: un modelo relativamente pequeño devuelve rápidamente una decisión estructurada y, después, un modelo de lenguaje más grande puede ejecutar la acción resultante. Este diseño podría reducir el tiempo de respuesta en rutas de soporte, seguridad y direccionamiento automatizado, pero no elimina la necesidad de probar la calibración y la fiabilidad en cada caso de uso, especialmente cuando las probabilidades de clasificación conducen a acciones automatizadas o decisiones sensibles. Además, los resultados presentados proceden de evaluaciones elegidas por Cloudflare y no demuestran que Clef supere a todos los modelos o ámbitos.