Clef é um modelo de decisão da Cloudflare: em vez de gerar texto, ele recebe um contexto e uma pergunta e devolve uma resposta tipada, com probabilidade. A empresa lançou duas versões em 1º de outubro de 2026, Clef e Clef-flash, hospedadas no Workers AI e com pesos abertos no Hugging Face sob licença Apache 2.0. Segundo a Cloudflare, o Clef lidera o Jev Decision Index e tem mediana de 209,3 ms por decisão, contra 524,1 ms do Jev, o modelo que abriu essa categoria.
Pra quem automatiza atendimento, triagem de leads ou moderação, a consequência é direta: tarefa de classificar não precisa mais de um LLM generalista caro e lento. O anúncio está no blog da Cloudflare, assinado por Michelle Chen, Alex Reneau e Kevin Flansburg.
O que é um modelo de decisão?
Um modelo de decisão é um modelo que classifica uma entrada e devolve saídas limitadas e estruturadas, com probabilidades, para que o código decida o que fazer. A Cloudflare dá o exemplo de uma mensagem de suporte: você pergunta se é urgente e qual time deve cuidar, e o modelo responde com valores tipados que o seu sistema usa pra rotear o ticket, escalar ou chamar um humano.
A diferença pra um LLM comum é a previsibilidade. LLMs são, nas palavras da empresa, em grande parte não determinísticos, abertos o bastante pra raciocinar e gerar texto e chamadas de ferramenta. O modelo de decisão faz o contrário: a saída cabe num esquema que você definiu. A Cloudflare cita o Jev System One, da Typesafe AI, como o modelo que popularizou o conceito nas últimas semanas.
Um exemplo do uso interno: o time de Threat Intelligence da Cloudflare passa um domínio ao Clef, junto com o Browser Run, e recebe categorias com probabilidade (95% de chance de ser site de moda, 85% e-commerce, menos de 1% phishing). O ciclo de buscar, renderizar e classificar levou 2,2 s. O gpt-oss-120b, o LLM mais rápido que eles tinham, levou 4,7 s no mesmo fluxo e devolveu só duas classificações.
Como o Clef se diferencia do Jev?
O Clef se diferencia em três pontos que a própria Cloudflare lista. Ele tem um encoder de visão, então classifica imagens e não só texto (o Jev, hoje, só faz texto). Tem janela de contexto de 64 mil tokens, contra 32 mil do Jev. E pontua acima do Jev na maioria dos benchmarks que a empresa rodou.
Os números abaixo são da Cloudflare, de uma seleção dos testes do Jev Decision Index. Note que ela mesma mostra onde perde:
| Benchmark | Clef | Clef-flash | Jev |
|---|---|---|---|
| BFCL (case exact) | 98,47 | 98,76 | 95,75 |
| API-Bank (accuracy) | 91,93 | 93,11 | 88,19 |
| BANKING77 (macro-F1) | 94,20 | 90,93 | 79,74 |
| CLINC150+OOS (macro-F1) | 97,43 | 66,77 | 89,27 |
| When2Call (accuracy) | 72,37 | 65,58 | 80,97 |
| BRIGHT (nDCG@10) | 45,91 | 39,26 | 47,52 |
O Jev ganha em When2Call e BRIGHT. O Clef-flash despenca no CLINC150+OOS (66,77, contra 97,43 do Clef grande). Na suíte própria da Typesafe, o Clef vence o Jev em 3 de 4 fluxos (processamento de nota fiscal, atendimento ao cliente e incidentes de segurança) e perde em observabilidade de traces de agente, 68,5 contra 71,6.
Dá pra checar tudo no demo público do benchmark. Como os testes foram escolhidos e rodados pela própria Cloudflare, vale tratar como ponto de partida, não como veredito.
Quão rápido é o Clef?
O Clef é mais rápido que o Jev e mais lento que o Clef-flash. Na mediana, o Clef leva 209,3 ms, o Clef-flash 38,8 ms e o Jev 524,1 ms. No percentil 95, os três ficam entre 122,4 ms e 536,0 ms:
| Latência | Clef | Clef-flash | Jev | DiffusionGemma Jev | Kev 9B | Laya |
|---|---|---|---|---|---|---|
| Mediana (ms) | 209,3 | 38,8 | 524,1 | 84,4 | 51,4 | 5,8 |
| p95 (ms) | 238,6 | 122,4 | 536,0 | 211,2 | 187,9 | 222,5 |
Repare numa coisa: o texto da Cloudflare diz que os modelos dela vencem os concorrentes em latência, exceto o Laya. A tabela dela mostra outra coisa. Na mediana, o Clef grande perde também para o DiffusionGemma Jev e para o Kev 9B. Quem ganha de todos (menos do Laya) é o Clef-flash. Se latência é o seu gargalo, é o flash que você quer.
O ganho de velocidade vem da arquitetura. O Clef roda um único passe sobre a entrada e pontua as opções válidas do esquema em paralelo, sem gerar texto token por token. A base é um modelo Qwen congelado, com adaptadores de baixo rank treinados por cima.
Como a Cloudflare vai deixar você treinar o seu próprio Clef?
A Cloudflare oferece fine-tuning por reforço do Clef, primeiro com a equipe de engenheiros dela trabalhando junto com o cliente, depois como plataforma de autoatendimento. O fluxo usa peças que já existem na plataforma: o AI Gateway guarda o seu tráfego de IA e monta o dataset, o Workers AI gera as respostas do modelo base, o Containers serve de sandbox pra pontuar, um componente novo chamado Trainer atualiza os pesos, e o modelo ajustado volta pro Workers AI.
Ela admite que você pode perder desempenho geral em troca de precisão num domínio. O exemplo interno é decidir se um crawler é bot bom ou ruim, com mais de 15 anos de dados rotulados. O mesmo vale pra quem tem histórico próprio de tickets, leads ou revisões de conteúdo. Se esse interesse é o seu, a Cloudflare tem um formulário de design partners.
Esse movimento conversa com o que escrevi sobre o Kitesurf, o navegador da Cloudflare pra agentes: a empresa está montando a pilha inteira de agente (navegador, decisão, treino) em cima da própria rede. Quem usa a Cloudflare também pra bloquear ou liberar bots de IA vai ver essas peças se encontrando.
O que testar na segunda-feira?
O primeiro passo é separar, no seu fluxo de automação, o que é decisão do que é geração. Triagem de e-mail, classificação de lead, filtro de comentário e roteamento de ticket são decisões: a resposta é uma entre poucas opções. Hoje muita gente usa um LLM grande pra isso e paga a conta em tempo e custo.
Depois, uma checagem curta:
- Liste três decisões do seu fluxo que hoje passam por LLM e escreva as opções válidas de cada uma.
- Rode essas decisões no Clef, pelo Workers AI ou localmente com os pesos do Hugging Face, e compare com o que você usa hoje em acerto e tempo.
- Se a latência for o problema, teste o Clef-flash, sabendo que ele erra mais em tarefas com muitas categorias.
- Confira a documentação do modelo no Workers AI antes de colocar em produção: preço e limites não aparecem no anúncio.
Eu faria o teste num caso sem risco primeiro, como etiquetar comentários, antes de pôr o modelo pra decidir qualquer coisa que mexa com dinheiro de cliente. Quem passou por auditoria de banco sabe: decisão automática só vale quando alguém consegue reconstruir por que ela foi tomada, e a probabilidade que o Clef devolve ajuda nisso.
O que o Clef significa, em resumo, pra quem automatiza processos?
O Clef é um modelo de decisão aberto (Apache 2.0) que devolve respostas estruturadas com probabilidade, aceita texto e imagem, tem contexto de 64 mil tokens e, segundo a Cloudflare, lidera o Jev Decision Index com 209,3 ms de mediana. O Clef-flash troca precisão por velocidade (38,8 ms). Nenhum dos dois ganha em tudo: o Jev ainda vence em alguns testes, e os números são da própria Cloudflare.
A decisão do seu lado é testar com os seus dados em tarefas de classificação de baixo risco, medir acerto e tempo contra o que você usa hoje, e só então ampliar. O fine-tuning por reforço ainda é serviço assistido, sem plataforma de autoatendimento.
