Clef
Os modelos de decisão da Cloudflare: você dá uma situação e perguntas, e eles retornam uma probabilidade para cada opção em uma passada.
Em resumo. Clef é um modelo da Cloudflare que toma decisões rápidas em vez de escrever texto. Você descreve uma situação, como uma mensagem de suporte ou a foto de um recibo, e faz perguntas como se é urgente ou qual equipe deve cuidar disso. Ele responde com uma probabilidade para cada opção possível, sobre a qual seu código pode agir. Vem em um tamanho de 27B e em outro de 9B, menor e mais rápido.
Resumo
A Cloudflare anunciou Clef e Clef-flash em 1º de outubro de 2026 como seus primeiros modelos treinados por ela mesma no Workers AI, e publicou os pesos no Hugging Face sob Apache 2.0. São o que o anúncio chama de modelos de decisão, uma categoria popularizada pelo Jev da Typesafe AI. Você envia um estado, como texto, JSON, imagens ou vídeo, junto com perguntas tipadas, e o modelo retorna uma probabilidade para cada opção permitida em uma única passada para frente. Uma pergunta é uma checagem verdadeiro ou falso (chamada de noul na API), uma escolha entre opções nomeadas ou uma nota em uma escala ordenada. O modelo não escreve texto livre, então não há nada para parsear. O formato de requisição é igual ao do Jev e do SystemOne, então um cliente pode ser trocado entre eles.
O Clef foi pós-treinado a partir do Qwen3.8-27B, e o menor Clef-flash a partir do Qwen3.5-9B, mantendo o encoder de visão. A Cloudflare congelou o backbone Qwen e treinou uma pequena cabeça conjunta, que roteia evidências da entrada para cada pergunta e pontua todas as opções de todas as perguntas juntas, além de adaptadores LoRA de rank 256. O treinamento usou cross-entropy com suavização de rótulos e uma perda Brier para calibração, dados sintéticos da própria Cloudflare e uma etapa de aprendizado por reforço que a empresa chama de RLCD. Como o passo de decisão lê a entrada uma vez e não gera tokens, a latência mediana do serviço hospedado da Cloudflare é de 209 ms para o Clef e 39 ms para o Clef-flash, contra 524 ms para o Jev na mesma tabela. São números do serviço da própria Cloudflare e vão diferir no seu hardware. O contexto anunciado é de 64K tokens, enquanto o max_length padrão do código de exemplo é 16.384.
Há três formas de rodar por conta própria. O código PyTorch e Transformers da ficha foi testado em um H200, o SGLang tem uma imagem de desenvolvimento com comandos de inicialização para H200, B200 e B300, e o llama.cpp mesclou suporte somente-texto em 3 de outubro de 2026. Os repositórios BF16 têm cerca de 55 GB e 19 GB, e a ggml-org publica arquivos GGUF de 19.5 GB (Q4_K_M) e 6.7 GB. No Decision Index rodado pela própria Cloudflare, pela nossa contagem da tabela da ficha, o Clef fica à frente do Jev em 26 dos 41 benchmarks e atrás em 15. As maiores vantagens do Jev são GPQA Diamond (48.0 contra 78.3), BBH e MMLU-Pro, o que sugere que perguntas pesadas em raciocínio combinam melhor com um modelo maior. A Cloudflare diz que o Clef lidera o índice no geral, o que é afirmação dela própria. O Hugging Face contou cerca de 72.000 downloads do Clef e 37.000 do Clef-flash nos 30 dias até 11 de novembro de 2026.
Bom para
- Passos de roteamento, triagem e rotulagem dentro de agentes, quando você quer uma probabilidade para definir um limiar
- Classificar texto, imagens ou vídeo conforme um esquema que você define, sem retreinar para novos rótulos
- Decisões locais rápidas, já que o Clef-flash de 9B tem cerca de 19 GB em BF16 e 6.7 GB como GGUF de 4 bits
- Uso comercial sob Apache 2.0, com a API compatível com Jev como substituição direta de clientes existentes
Pontos de atenção
- Ele não escreve texto, não explica a resposta e não chama ferramentas, e só pontua as opções que você der
- Checagens pesadas em raciocínio ficam atrás do Jev na tabela da Cloudflare, e o Clef-flash cai bastante em CLINC150+OOS e RAGTruth
- Os números de benchmark e latência são da execução da própria Cloudflare, e a latência é do serviço hospedado dela
- Ele precisa do código personalizado da ficha, do SGLang ou do llama.cpp, e o suporte do llama.cpp cobre só texto
- O limite de entrada padrão no código de exemplo é 16.384 tokens, abaixo do contexto de 64K anunciado
As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.
De quanta memória ele precisa?
Estimativas para a variante Clef-flash (9B, lowest latency). Um modelo de mistura de especialistas precisa manter todos os seus especialistas na memória, mesmo que apenas alguns sejam usados por token; por isso o total de parâmetros determina a memória e os parâmetros ativos determinam a velocidade.
| Variantes | Parâmetros | BF16 | FP8 / INT8 | 4-bit (Q4) | Cabe em |
|---|---|---|---|---|---|
| Clef-flash (9B, lowest latency) BF16 | 9.41B | 22 GB | 11 GB | 6.49 GB | Notebook ou celular |
| Clef (27B, precision decisions) BF16 | 27.4B | 63 GB | 31 GB | 19 GB | GPU gamer |
Estimativas: pesos mais cerca de 15% de overhead. O uso real cresce com o comprimento do contexto e depende do software.
A licença em palavras simples
Uma das licenças permissivas mais utilizadas. Você pode usar e modificar o modelo e vender produtos criados a partir dele com apenas algumas condições leves.
Perguntas frequentes
- O que é Clef?
- Clef é um modelo da Cloudflare que toma decisões rápidas em vez de escrever texto. Você descreve uma situação, como uma mensagem de suporte ou a foto de um recibo, e faz perguntas como se é urgente ou qual equipe deve cuidar disso. Ele responde com uma probabilidade para cada opção possível, sobre a qual seu código pode agir. Vem em um tamanho de 27B e em outro de 9B, menor e mais rápido.
- Posso usar Clef comercialmente?
- Sim. Clef é lançado sob Apache 2.0, uma licença permissiva. Você pode usá-lo comercialmente se seguir as condições padrão, como manter o aviso de licença.
- Clef é de código aberto?
- Clef é lançado sob Apache 2.0, uma licença aprovada pela Open Source Initiative. Os dados e o código de treinamento podem não ser públicos, então o melhor é descrevê-lo como pesos abertos sob uma licença de código aberto.
- Consigo rodar Clef no meu próprio computador?
- Sim. A menor variante, Clef-flash (9B, lowest latency), precisa de cerca de 6.49 GB de memória em precisão de 4 bits, o que cabe em um notebook moderno ou em uma placa de vídeo intermediária.
- Quando Clef foi lançado?
- Clef foi lançado por Cloudflare em 1 de outubro de 2026.
- Qual é o tamanho da janela de contexto de Clef?
- Clef suporta uma janela de contexto de até 64K tokens.
Links oficiais
Fontes
As especificações vêm destas fontes primárias. As afirmações de benchmark, quando mencionadas, são informadas pelo desenvolvedor.
- Introducing Clef: our open-source decision models, and new RL fine-tuning platform (Cloudflare blog, 1 Oct 2026) blog.cloudflare.com
- Cloudflare/clef model card (Hugging Face) huggingface.co
- Cloudflare/clef-flash model card (Hugging Face) huggingface.co
- llama.cpp pull request 29831: add support for the clef decision model (text-only) github.com
- ggml-org/Clef-GGUF model card (Hugging Face) huggingface.co
Data de lançamento e fatos verificados pela última vez em 11 de novembro de 2026.
Modelos relacionados
| Modelo | Lançamento | Parâmetros | Contexto | Licença | Memória da menor variante |
|---|---|---|---|---|---|
| Qwen3.8-27B EN Alibaba Qwen | 27.8B | 256K | Apache 2.0 (Permissiva) | 19 GB GPU gamer | |
| Qwen3.5 EN Alibaba Qwen | 873M – 403B 17B ativos | 256K | Apache 2.0 (Permissiva) | 0.602 GB Notebook ou celular | |
| DiffusionGemma EN Google DeepMind | 25.2B 3.8B ativos | 256K | Apache 2.0 (Permissiva) | 17 GB GPU gamer | |
| AutoTrust Decider EN AutoTrust AI Lab | 8.95B – 36B 3B ativos | 256K | Apache 2.0 (Permissiva) | 6.18 GB Notebook ou celular |