Cloudflare acaba de lanzar dos modelos de inteligencia artificial que no generan texto: deciden. Clef y Clef-flash clasifican, enrutan y escalan tareas con probabilidades calculadas, y la empresa asegura que ya superan al modelo que detonó la moda de los modelos de decisión en las últimas semanas.
Los publicó el 2 de octubre de 2026 bajo licencia Apache 2.0 en Hugging Face, y los dejó disponibles de inmediato en Workers AI, su plataforma de inferencia. Además estrenó una plataforma de ajuste fino con aprendizaje por refuerzo para que cualquier equipo adapte Clef a su propio flujo de trabajo.
TL;DR
- Cloudflare lanzó Clef y Clef-flash, modelos de decisión de código abierto bajo Apache 2.0, disponibles en Workers AI.- Clef lidera el Jev Decision Index y vence a Jev en 3 de 4 flujos de trabajo evaluados por Typesafe AI.- A diferencia de Jev, Clef procesa imágenes gracias a un encoder de visión y tiene contexto de 64k tokens frente a 32k.- Clasificar un dominio tardó 2,2s con Clef y 4,7s con el LLM gpt-oss-120b, con menos categorías devueltas.- Suma además una plataforma de ajuste fino con aprendizaje por refuerzo para personalizar Clef en casos propios.
Qué es Clef
Clef es uno de los nuevos modelos de decisión que Cloudflare entrena y publica en código abierto para producir salidas estructuradas con probabilidades, como clasificar un mensaje, una imagen o un dominio web, sin reentrenarlo cada vez que aparece una categoría nueva. Corre en Workers AI y es compatible con la API de Jev.
Clef combina texto e imagen; Jev, su referencia directa, solo procesa texto.
El nombre viene de la música. Una clave (clef, en inglés) es el símbolo que fija qué nota representa cada línea del pentagrama, y Cloudflare usa la misma idea para su modelo: Clef fija el dominio de la decisión y las acciones que siguen después, y de paso las dos primeras letras guiñan a la propia compañía.
Qué pasó
Cloudflare detalló el lanzamiento en su blog oficial, donde publicó los pesos de Clef y Clef-flash en Hugging Face bajo la licencia Apache 2.0, la misma que usan la mayoría de proyectos de infraestructura abierta porque permite uso comercial sin pedir permiso. Ese mismo día, ambos modelos quedaron disponibles en Workers AI, la plataforma de inferencia de Cloudflare, para que cualquier desarrollador los pruebe sin desplegar infraestructura propia.
La compañía también anunció una plataforma de ajuste fino con aprendizaje por refuerzo (RL) para Clef, pensada para que los equipos lo entrenen sobre sus propios datos sin empezar desde cero. El anuncio llegó en medio del interés que generó semanas atrás el Jev System One, el modelo de decisión de Typesafe AI que popularizó el término fuera de los papers académicos.
El auge reciente de los modelos de decisión
Los clasificadores binarios existen hace años, pero el término "modelos de decisión" se extendió apenas en las últimas semanas, cuando Typesafe AI mostró que Jev System One devolvía respuestas tipadas con probabilidades para decisiones puntuales, en lugar de texto libre. La diferencia con un LLM de uso general es clara: un modelo de decisión responde dentro de un conjunto fijo de categorías, con un número que indica qué tan seguro está, sin necesidad de reentrenarse si aparece una categoría nueva dentro de ese mismo conjunto. Este tipo de modelos de clasificación gana terreno porque es más barato de operar que un LLM general para tareas repetitivas.
Un ejemplo simple lo explica mejor que la definición. Si un equipo de soporte recibe un mensaje, puede pasarlo por un modelo de decisión y preguntar si es urgente y qué equipo debería atenderlo. El modelo devuelve una respuesta tipada con probabilidades (urgente: 92%, equipo de facturación: 78%) que el código puede usar para enrutar el ticket, disparar una alerta o esperar a que decida una persona. Ya no hace falta que un humano esté en el medio de cada decisión agéntica.
Cómo compite Clef en precisión y latencia
Clef tiene dos diferencias estructurales frente a Jev. La primera es un encoder de visión, que le permite clasificar imágenes además de texto, algo que Jev todavía no hace. La segunda es el contexto, de 64.000 tokens frente a los 32.000 de Jev, lo que permite meter más información de entrada antes de pedir una clasificación.
Cloudflare publicó resultados de varios benchmarks usados para medir decisiones automatizadas, recogidos en el anuncio oficial. Estos son algunos de los más representativos:
BenchmarkClefClef-flashJevBFCL (case exact)98.4798.7695.75API-Bank (accuracy)91.9393.1188.19BANKING77 (macro-F1)94.2090.9379.74CLINC150+OOS (macro-F1)97.4366.7789.27When2Call (accuracy)72.3765.5880.97PhishNChips (accuracy)79.6075.0562.55
Clef gana en cuatro de las seis pruebas de la tabla. When2Call es la excepción más notoria, ahí Jev saca 80.97 contra el 72.37 de Clef, lo que confirma que ningún modelo domina todos los escenarios por igual.
La latencia es donde más se nota la diferencia de arquitectura. Workers AI corre los modelos sobre la infraestructura de borde de Cloudflare, lo que recorta el tiempo de ida y vuelta frente a un servicio centralizado en una sola región.
ModeloLatencia medianaLatencia p95Clef209.3 ms238.6 msClef-flash38.8 ms122.4 msJev524.1 ms536.0 msClef-flash respondió en 38,8 ms de mediana frente a 524,1 ms de Jev, según Cloudflare.
Cloudflare también probó los modelos en flujos de trabajo completos, no solo en benchmarks aislados. En procesamiento de facturas, Clef anotó 64.7 puntos contra 61.8 de Jev; en servicio al cliente, Clef-flash lideró con 77 frente a 76.3 de Clef y 76.0 de Jev. La única categoría donde Jev ganó con claridad fue la observabilidad de trazas de agentes, con 71.6 puntos frente a los 68.5 de Clef y 69.8 de Clef-flash.
💭 Clave: Clef no gana en todo. Jev sigue por delante en When2Call, en el benchmark BRIGHT y en la observabilidad de trazas de agentes, así que la elección depende de qué parte del flujo de trabajo importa más en cada caso.
El caso real que Cloudflare usa de ejemplo es el de su propio equipo de inteligencia de amenazas. Al pasarle un dominio a Clef, con la herramienta Browser Run para renderizarlo primero, el modelo devuelve categorías con probabilidad: una web puede salir con 95% de probabilidad de ser de moda, 85% de comercio electrónico y menos de 1% de phishing. Clasificar ese dominio completo, buscar la página, renderizarla y clasificarla, tomó 2,2 segundos con Clef. El mismo flujo con gpt-oss-120b, un LLM de uso general, tardó 4,7 segundos y devolvió solo dos categorías en vez de las múltiples que entrega Clef.
flowchart TD
A["Entrada: texto o imagen"] --> B["Clef en Workers AI"]
B --> C["Salida estructurada con probabilidades"]
C --> D{"Confianza alta?"}
D -->|"Si"| E["Accion automatica"]
D -->|"No"| F["Escala a un humano"]
El diagrama resume el circuito completo. La entrada llega a Clef, el modelo devuelve una salida tipada con probabilidades, y el código decide si actúa solo o pasa el caso a una persona según el umbral de confianza que defina cada equipo.
Impacto y análisis
La compatibilidad con la API de Jev es la decisión más práctica del lanzamiento. Un equipo que ya integró Jev System One puede apuntar sus llamadas a Clef sin reescribir la lógica de enrutamiento, lo que convierte a Cloudflare en una alternativa de bajo costo de cambio más que en una ruptura técnica.
El soporte de imágenes abre casos de uso que Jev no cubre hoy, como moderación de contenido visual, clasificación de documentos escaneados o revisión de capturas de pantalla dentro de un flujo de soporte. Sumado al contexto de 64.000 tokens, Clef puede recibir más contexto por decisión sin fragmentar la entrada en varias llamadas.
La plataforma de ajuste fino con aprendizaje por refuerzo es, además, el primer paso de Cloudflare hacia cobrar por personalización y no solo por inferencia. Clef y Clef-flash son gratis de descargar y correr donde quiera el usuario, gracias a la licencia Apache 2.0, pero entrenarlos sobre datos propios dentro de Workers AI es un producto separado.
Qué sigue
Cloudflare no publicó una fecha para abrir la plataforma de RL a todos los clientes de Workers AI, aunque el anuncio ya la describe como disponible junto con los modelos. Lo que sí confirmó es que su propio equipo de inteligencia de amenazas sigue usando Clef en producción para clasificar dominios, y que seguirá publicando resultados contra la Jev Decision Index a medida que entrenen nuevas versiones.
Al quedar los pesos abiertos en Hugging Face, la comunidad puede ahora comparar a Clef contra otros modelos de decisión que ya aparecen en el mismo benchmark, como DiffusionGemma, Jev Kev 9B y Laya, sin depender de que Cloudflare publique el número.
📖 Resumen en Telegram: Ver resumen
Probalo vos: bajá los pesos de Clef desde Hugging Face o probalo directo en Workers AI con tu propia cuenta de Cloudflare para ver cuánto tarda en tu caso real.
Preguntas frecuentes
¿Qué son los modelos de decisión?
Son modelos de IA que devuelven respuestas tipadas con probabilidades dentro de un conjunto fijo de categorías, en lugar de generar texto libre. Se usan para automatizar decisiones repetitivas como enrutar un ticket o clasificar un dominio.
¿Clef reemplaza a un LLM como GPT o Claude?
No, cubre una tarea distinta. Un LLM razona en lenguaje abierto y puede generar texto o llamar herramientas; Clef solo clasifica dentro de categorías conocidas, más rápido y con un costo menor por llamada.
¿Clef y Clef-flash son gratis?
Los pesos están publicados en Hugging Face bajo licencia Apache 2.0, así que correrlos localmente no tiene costo de licencia. Usarlos hospedados en Workers AI sigue el esquema de precios de esa plataforma.
¿Qué diferencia hay entre Clef y Clef-flash?
Clef-flash es la versión optimizada para latencia: respondió en 38,8 ms de mediana frente a los 209,3 ms de Clef en las pruebas publicadas por Cloudflare, aunque pierde precisión en algunos benchmarks como CLINC150+OOS.
¿Qué es la Jev Decision Index?
Es el benchmark público que compara modelos de decisión, entre ellos Jev, Clef, Clef-flash, DiffusionGemma, Jev Kev 9B y Laya, usando las mismas pruebas de clasificación y flujos de trabajo.
¿Puedo entrenar mi propia versión de Clef?
Sí, Cloudflare lanzó junto con los modelos una plataforma de ajuste fino con aprendizaje por refuerzo pensada para adaptar Clef a categorías y datos propios de cada equipo.
Referencias
- Cloudflare Blog: anuncio oficial de Clef, Clef-flash y la plataforma de ajuste fino con RL.- Apache License 2.0: texto de la licencia bajo la que Cloudflare publicó los pesos de ambos modelos.- Cloudflare Workers AI: documentación de la plataforma de inferencia donde corren Clef y Clef-flash.- Hugging Face: repositorio donde Cloudflare publicó los pesos abiertos de Clef y Clef-flash.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
Top comments (0)