Cloudflare ha presentado Clef y Clef-flash, dos modelos de inteligencia artificial diseñados para resolver decisiones concretas dentro de aplicaciones y agentes: clasificar una petición, escoger una acción o asignar una puntuación. En lugar de redactar una respuesta abierta, devuelven opciones tipadas acompañadas de probabilidades que el software puede utilizar directamente.
Los modelos están disponibles en Workers AI y sus pesos se publican en Hugging Face con licencia Apache 2.0, que permite descargarlos y probarlos fuera del servicio de Cloudflare. La compañía también ha iniciado un servicio de ajuste personalizado mediante aprendizaje por refuerzo, aunque por ahora se ofrece con acompañamiento de su equipo; la plataforma de autoservicio es un plan futuro, no una función que ya esté disponible para todos.
Un modelo para elegir, no para redactar
En una consulta a Clef se puede enviar un contexto —por ejemplo, el mensaje de un cliente— y definir preguntas con respuestas permitidas: si el caso es urgente, qué equipo debe atenderlo o qué nivel de gravedad tiene. El modelo devuelve resultados estructurados y probabilidades para esas opciones. La aplicación puede entonces derivar el caso, escalarlo o pedir intervención humana cuando la confianza no resulte suficiente.
Ese enfoque cubre una tarea más acotada que la de un modelo generativo generalista. Un LLM puede redactar, razonar con instrucciones abiertas y generar llamadas a herramientas; Clef busca resolver de forma directa la parte de selección y clasificación. En un agente, ambos tipos de modelo pueden complementarse: Clef decide entre alternativas definidas y otro modelo ejecuta o explica la acción.
Cloudflare afirma que Clef no genera una respuesta palabra por palabra para después convertirla a un formato estructurado: puntúa las opciones válidas del esquema. Según la empresa, ese paso evita parte del trabajo de generación y parsing y puede reducir la latencia. Clef-flash está orientado a decisiones en las que la velocidad es prioritaria.
Resultados y capacidades: cifras de Cloudflare
La compañía publica comparativas con otros modelos de decisión, entre ellas latencias medianas de 209,3 milisegundos para Clef y 38,8 ms para Clef-flash, frente a 524,1 ms para Jev en las pruebas citadas. También comunica buenos resultados en varias tareas de clasificación y selección de herramientas. Son cifras de las evaluaciones que Cloudflare presenta, no una garantía de rendimiento para cualquier aplicación: los resultados dependen de la tarea, el conjunto de pruebas y la configuración.
La propia tabla refleja que no hay un ganador universal en cada prueba. Por ejemplo, Jev obtiene mejores resultados que Clef en When2Call y BRIGHT, mientras Clef-flash destaca en velocidad y supera a Clef en algunas métricas concretas. Conviene comparar los modelos con datos representativos del uso previsto antes de integrarlos en un flujo de producción.
Cloudflare también destaca dos características: una ventana de contexto de 64.000 tokens y un codificador visual para procesar imágenes, además de texto. Como ejemplo interno, la empresa dice que utilizó Clef para clasificar dominios web y que el flujo completo de búsqueda, renderizado y clasificación tardó 2,2 segundos; en la misma comparación, su modelo general gpt-oss-120b tardó 4,7 segundos. Es una prueba de Cloudflare sobre un proceso concreto, no una comparación independiente de todos los usos posibles.
Pesos abiertos y ajuste personalizado
La publicación bajo Apache 2.0 permite descargar los pesos y experimentar con el modelo de forma local. Esto ofrece a desarrolladores y equipos técnicos una alternativa a consumir exclusivamente una API alojada, aunque ejecutar un modelo de este tamaño requiere recursos de hardware adecuados. En paralelo, Workers AI da acceso a las versiones alojadas, y Cloudflare señala que Clef es compatible con la API de Jev/SystemOne para facilitar pruebas y posibles cambios en sistemas existentes.
El servicio de ajuste fino apunta a adaptar Clef a una tarea o dominio concreto usando ejemplos y datos de esa aplicación. Cloudflare ofrece inicialmente un proceso acompañado por su equipo de ingeniería; a partir de esa experiencia, dice que quiere construir una plataforma de autoservicio para recopilar datos, ajustar el modelo y volver a desplegarlo en su infraestructura. La empresa no presenta esa plataforma como disponible de forma general en el anuncio.
La propuesta de Clef resulta especialmente pertinente cuando un agente necesita tomar muchas decisiones acotadas y devolver resultados previsibles, pero no sustituye por sí sola a un modelo generativo ni elimina la necesidad de validar sus decisiones. Para desarrolladores, la combinación de pesos abiertos, respuestas estructuradas y una variante rápida permite probar si una pieza especializada encaja mejor que pedir a un LLM generalista que resuelva cada paso.
Cloudflare publicó el anuncio el 1 de octubre de 2026. La documentación y los pesos de Clef en Hugging Face permiten consultar detalles de uso y licencia; los resultados comparativos están en el sitio de evaluación enlazado por la compañía.
