Clef-Flash: el modelo de decisión de 9B de Cloudflare, y qué significa realmente el Cloudflare del nombre

Cloudflare/clef-flash es un modelo de 9 mil millones de parámetros que responde preguntas con probabilidades en lugar de oraciones. Le entregas un estado —texto, JSON, una imagen, un fotograma de video— más un esquema de hasta 64 preguntas con nombre, y devuelve una puntuación por cada opción permitida en una sola pasada hacia adelante. No hay texto generado que analizar ni rastro de razonamiento que leer, porque no hay ninguna ruta de salida de texto en absoluto. Es la mitad más pequeña de un par: Cloudflare/clef es el hermano de 27 mil millones de parámetros lanzado junto a él, y un tercer miembro de la familia, Cloudflare/clef-omni, añade entrada de audio sobre una arquitectura troncal de mezcla de expertos de 30B. Los tres provienen de la propia Cloudflare, que es el hecho que más vale la pena acertar exactamente, porque un lector que llega desde una búsqueda del nombre de este modelo suele llegar con una de dos suposiciones — que Cloudflare/clef-flash es una copia alojada por Cloudflare del modelo de otra persona, o que Cloudflare es meramente el anfitrión — y ambas son incorrectas en la misma dirección.

Qué es Clef-Flash, y qué no es

La propia descripción de una línea del proveedor, repetida tanto en la tarjeta del modelo de Hugging Face como en la página del modelo de Workers AI, es que «convierte un estado y un esquema de preguntas tipadas en decisiones». Es una afirmación más limitada de lo que parece, y merece la pena desglosarla antes de cualquier evaluación comparativa.

Cada pregunta en tu esquema declara uno de tres tipos:

• noul — un juicio de sí/no que devuelve la probabilidad de que la respuesta sea verdadera, con descripciones opcionales de lo que significan un sí y un no en el contexto de esta pregunta.

• elección — un conjunto de opciones con nombre de 2 a 255 entradas, que devuelve la opción ganadora, una probabilidad por opción y una confianza.

• puntuación — una rúbrica ordenada de 2 a 10 niveles, que devuelve un nivel ponderado por probabilidad que puede situarse entre niveles, una leyenda que asigna cada índice a su descripción, las probabilidades por nivel y una confianza.

Una solicitud contiene de 1 a 64 preguntas, y las respuestas se devuelven en un objeto answers indexado por los ids de tus preguntas. Cada opción en cada pregunta se puntúa en la misma pasada, por lo que el costo de un esquema de doce preguntas no es doce llamadas — es una. Lo que obtienes al otro lado es una distribución, no una frase, y tu código le aplica un umbral.

Hay dos cosas que se desprenden de esto y que un lector que lo compare con un modelo de chat debería interiorizar. En primer lugar, no existe ningún modo de fallo en el que el modelo escriba una explicación que luego tengas que analizar, porque la prosa no es accesible. En segundo lugar, y esto es menos tranquilizador: si la respuesta correcta no está en tu conjunto de opciones, Clef-Flash no tiene ningún mecanismo para decírtelo. Puntúa las opciones que escribiste. Nada en el esquema de solicitud publicado añade una categoría de «ninguna de estas» a menos que la añadas tú mismo.

El Cloudflare en el nombre: tres roles, una empresa

La gente busca este modelo con Cloudflare asociado — cloudflare/clef-flash, y cloudflare clef flash en palabras sencillas. Vale la pena explicar el prefijo, porque apunta a tres capas separadas y solo una de ellas es la de alojamiento.

• La organización que lo entrenó. Clef-Flash es un modelo de Cloudflare. La publicación de anuncio de Cloudflare, «Presentamos Clef: nuestros modelos de decisión de código abierto y la nueva plataforma de ajuste fino con RL», publicada el 1 de octubre de 2026 y firmada por Michelle Chen, Alex Reneau y Kevin Flansburg, lo describe como un lanzamiento entrenado por Cloudflare y afirma que los modelos fueron "post-entrenados" internamente a partir de una base upstream de pesos abiertos. Este no es un checkpoint de terceros que Cloudflare haya adoptado.

• El espacio de nombres de Hugging Face. Los pesos están en huggingface.co/Cloudflare/clef-flash. Por eso la cadena cloudflare/clef-flash circula: es una ruta de repositorio, con la misma forma que cualquier otro repositorio propiedad de una organización. Es la razón más común por la que las dos palabras aparecen juntas, y no es una afirmación de alojamiento.

• El host de inferencia, que también es Cloudflare. El id del modelo servido es @cf/cloudflare/clef-flash, ejecutado a través de Workers AI en api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. Así que la disposición de alojamiento que hay que describir no es "un modelo alojado en Cloudflare" en el sentido neutral de un listado de marketplace. Es el proveedor sirviendo sus propios pesos en su propia plataforma.

La consecuencia práctica es esta: el modelo, la concesión de licencia, el endpoint de la API y la factura remiten todos a una sola empresa, y un lector que asumía una capa de alojamiento independiente entre ellos no tiene un segundo proveedor al que recurrir para este checkpoint. Los pesos de Apache-2.0 son la única vía de escape de eso, y son reales — más sobre eso a continuación. Lo que no es cierto, hasta donde indique cualquier página de proveedor que podamos encontrar, es que Clef-Flash se ofrezca a través de cualquier otro proveedor de inferencia. El material propio de Cloudflare no menciona ninguna plataforma de terceros, y no encontramos ninguna que lo ofrezca.

Tamaño, arquitectura y licencia

Las cifras, tanto las del propio repositorio del modelo como las de la documentación de Cloudflare, dicen hoy:

• Parámetros — 9.409.813.744 en BF16, así que «9B» es un redondeo a la baja, no una exageración. La torre de visión cuenta dentro de ese total.

• Columna vertebral — Qwen3.5-9B, congelado durante el post-entrenamiento, incluyendo su codificador de visión, almacenado como safetensors fragmentados estándar. Cuatro fragmentos, aproximadamente 18,8 GB de pesos en total.

• La parte entrenada — una "cabeza de esquema conjunta", una pequeña cabeza transformer de 243,5 MB que lee los estados ocultos finales del backbone, enruta la evidencia desde el estado hacia cada pregunta y puntúa conjuntamente cada opción de cada pregunta. Un logit por opción permitida; el softmax por pregunta te da la distribución.

• Método de entrenamiento, según lo describe Cloudflare — la cabeza de enrutamiento optimizada junto con adaptadores de bajo rango de rango 256 sobre un backbone congelado, con entropía cruzada con suavizado de etiquetas para la validez del esquema, emparejada con una pérdida de Brier orientada a la calibración de probabilidades, además de un objetivo secundario que Cloudflare llama Reinforcement Learning for Calibrated Decisions.

• Licencia — Apache-2.0, «siguiendo el modelo base», en palabras de la propia ficha. El uso comercial no está restringido por la licencia, y los pesos no están restringidos: el repositorio se descarga sin solicitud de acceso.

La forma de esto —todo lo entrenado reside en una cabeza de 243 MB atornillada a un backbone congelado de 18,8 GB— es la razón para tomarse en serio la descripción de la arquitectura en lugar de tratarla como marketing. El modelo no puede haber aprendido nuevo conocimiento del mundo, porque los pesos que contienen el conocimiento nunca se movieron. Lo que aprendió es a enrutar la evidencia hacia una decisión. Esa es una capacidad real y acotada, y explica el patrón de los benchmarks que aparece más adelante en esta página mejor que cualquier afirmación de exactitud.

Ventana de contexto y el límite de salida

Esta es la cifra que ha cambiado, y si hoy estás calculando el tamaño de un prompt, deberías consultar el número actual en lugar de cualquier número que circule desde el lanzamiento.

La página del modelo Workers AI de Cloudflare para @cf/cloudflare/clef-flash, consultada el 12 de octubre de 2026, indica una ventana de contexto de 24.576 tokens. La publicación del anuncio del 1 de octubre dice algo diferente —«nuestro modelo tiene una ventana de contexto de 64k (en comparación con los 32k de Jev)»— y la propia función auxiliar encode_record de la tarjeta de Hugging Face tiene como valor predeterminado max_length=16,384. A modo de comparación, la página de Workers AI para el clef de 27B da 65.536 tokens y la página de clef-omni da 64.000.

La lectura honesta: la documentación actual del proveedor para este modelo en concreto dice 24,576, y la publicación de lanzamiento decía 64k. Son dos fuentes del propio proveedor que se contradicen entre sí, y solo una de ellas es la página con la que integra un desarrollador. Si creaste un prompt con un presupuesto de 64K basándote en el anuncio, el límite documentado ahora es aproximadamente un tercio de eso. Verifica antes de enviar.

Las entradas multimedia se facturan y se contabilizan contra ese mismo presupuesto, y ese es el detalle que más duele. Las imágenes se tokenizan por parches de 32×32 píxeles, con tres tokens marcadores, y cada imagen está limitada a 1.024 tokens; una imagen de más de aproximadamente un megapíxel se reduce, y una de menos de unos 65.000 píxeles se amplía. Si los tokens multimedia más los tokens de tu pregunta superan la ventana, la solicitud falla por completo. Si no lo hacen, el texto state se trunca para ajustarse al espacio restante —de forma silenciosa, desde el final, sin que se genere ningún error. Un esquema que cabe un día perderá silenciosamente parte de su estado en un día con muchos documentos.

La salida máxima no se publica. La página del modelo de Cloudflare solo indica que "los modelos Clef no cobran por los tokens de salida", y el esquema de respuesta incluye un campo usage.output_tokens sin un límite documentado. Eso no es una omisión que haya que tapar con una suposición: un evaluador no autorregresivo no tiene un presupuesto de decodificación en el sentido en que lo tiene un modelo autorregresivo, y el proveedor no documenta ningún límite, así que no hay límite que citar. Si necesitas uno, lo que debes analizar es tu número de opciones y tu número de preguntas, no los tokens de salida.

Modalidades de entrada, y exactamente lo que se devuelve

Las descripciones del proveedor y el esquema de la solicitud coinciden en el lado de entrada y divergen ligeramente en un punto, así que aquí está la división.

• Entradas, según la tarjeta del modelo — texto, JSON o datos estructurados de cualquier forma, imágenes y matrices de fotogramas de vídeo. Los registros de solo texto y multimodales se pueden mezclar en un mismo lote, y los parámetros de medios se pasan al procesador mediante un campo opcional media_kwargs.

• Entradas, según el esquema de solicitud de Workers AI — la lista de parámetros documentada expone un array images y ningún parámetro de vídeo, con un máximo de 4 imágenes, 4 MiB y 16 megapíxeles por imagen, 8 MiB en total ya decodificados, y un límite de 13 MiB para todo el cuerpo de la solicitud. Solo bytes incrustados: no se aceptan URL remotas.

• Salida — probabilidades sobre las opciones que definiste, en el answers objeto, en una de tres formas según el tipo de pregunta. Sin texto libre, sin markdown, sin llamadas a herramientas.

Interpreta esa diferencia como una distinción de superficie de alojamiento y no como una contradicción. El checkpoint documenta fotogramas de vídeo; el endpoint de Workers AI al que llamas por HTTP documenta imágenes. Si el vídeo forma parte de tu plan, la ruta que debes revisar es la autoalojada.

Lo que Cloudflare afirma, y lo que realmente se ha medido

Todos los números de esta sección provienen de Cloudflare, y Cloudflare lo ejecutó todo. Esa es la frase más importante de esta página, así que vale la pena ser específicos sobre la maquinaria.

El conjunto de evaluaciones de referencia es el Decision Index 0.2.1. La ficha del modelo describe los resultados como «nuestra ejecución interna», y la tabla de clasificación pública que enlaza está alojada en una dirección gestionada por Cloudflare. El modelo de referencia a lo largo de todo el texto es Jev, de TypeSafe, y las cifras de flujos de trabajo empresariales de extremo a extremo provienen de Typesafe Evals. Así que la comparación consiste en un proveedor que mide su propio modelo, en un índice que lleva el nombre del competidor con el que se lo compara, y que publica él mismo el resultado. No existe ninguna evaluación independiente de Clef-Flash. A día de hoy: Artificial Analysis no tiene ninguna página de modelo para él, y la tabla de clasificación de texto de LMArena no incluye ningún modelo etiquetado como Cloudflare. Cuando un proveedor no publica ninguna puntuación de terceros, decirlo es la conclusión.

Con esa etiqueta puesta, los resultados en forma de decisión son genuinamente sólidos: BFCL case-exact 98.8, precisión de API-Bank 93.1, macro-F1 de ContractNLI 84.3, RouterBench 79.9, FinEntity 97.1, y un case-exact de 97.7 en un simulador de electrodomésticos; este último está catorce puntos por encima del Clef de 27B, de mayor tamaño, en la misma fila. Las filas de conocimiento general también se mantienen firmes: MMLU 91.8, ARC-Easy 99.5, ARC-Challenge 98.3, WinoGrande 97.5, HellaSwag 98.6, CLadder 97.7, y un Brier de ForecastBench de 10.6, que es el mejor de su columna y el tipo de cifra de calibración por la que debería juzgarse a un modelo que produce probabilidades.

Las pérdidas pertenecen al mismo párrafo, y tienen una forma. En CLINC150 con manejo de fuera de alcance, Clef-Flash obtiene 66.8 de macro-F1 frente al 97.4 de Clef de 27B y el 89.3 de Jev. En ANLI obtiene 59.1 frente al 74.8 de Jev. When2Call, 65.6 frente a 81.0. GPQA Diamond, 51.0 frente a 78.3. RAGTruth, 35.6 frente a 76.5. Y en POP909-CL, un benchmark de etiquetado de acordes, devuelve 1.6.

Un 66,8 en detección de intenciones fuera de alcance junto a un 97,7 en control de electrodomésticos no es una curva de capacidad uniforme. Es el perfil de un puntuador que es muy bueno con las formas de clasificación sobre las que fue postentrenado y mucho más débil a la hora de abstenerse de clasificar cuando la respuesta correcta es «ninguna de estas» — que, incómodamente, es exactamente el juicio que más necesita una capa de enrutamiento o un pipeline de triaje. El 1,6 en etiquetado de acordes es o bien un desajuste de formato o un fallo genuino, y la tarjeta no lo distingue.

Los resultados de flujos de trabajo, de Typesafe Evals, son más dispares que las filas destacadas: procesamiento de facturas con acciones exactas 57,1 frente al 64,7 de Clef y el 61,8 de Jev; atención al cliente con acciones exactas 77,0, por delante de ambos; incidentes de seguridad 61,7; observabilidad de trazas de agentes 69,8. El hermano de 27B gana la tabla de flujos de trabajo en tres de cinco filas.

La latencia es donde el modelo hace honor a su nombre, y se aplica la misma advertencia. Latencia de solicitud mediana de 38,8 ms y p95 de 122,4 ms, medidas por Cloudflare en infraestructura de Cloudflare, frente a 209,3 / 238,6 para el 27B Clef. Los milisegundos absolutos del hardware propio de un proveedor no son un límite superior de nada ni un límite inferior de nada; el orden es la afirmación, y el orden —aproximadamente cinco veces más rápido que su propio hermano mayor— es la arquitectura haciendo lo que dice.

Cómo lo llama realmente un lector

Existen dos rutas, y son compromisos genuinamente diferentes.

La ruta alojada. Llámalo en Workers AI como @cf/cloudflare/clef-flash, desde dentro de un Worker mediante el enlace env.AI.run(), o mediante REST en el endpoint de la API de Cloudflare con un token de portador. Los campos obligatorios son model, state y questions; el selector model debe coincidir con el patrón ^\s*(clef|clef-flash)\s*$, que es como se distinguen las variantes 27B y 9B en el mismo endpoint. El precio en la página del modelo de Workers AI y en la página de precios de Workers AI es $0.038 por millón de tokens de entrada, con los medios tokenizados como tokens de entrada a la misma tarifa y sin cargo por los tokens de salida.

La ruta autoalojada. Los pesos son Apache-2.0 y no están restringidos, así que puedes ejecutarlos tú mismo. La ficha documenta una ruta de referencia de torch 2.11 y transformers 5.10.2 en una sola H200, con pillow para entradas de imagen y video, y remite a un cookbook de SGLang para los comandos de lanzamiento en H200, B200 y B300. Servido de esa manera, el modelo responde en /v1/systemone.

Ese camino no es incidental, porque es la razón por la que vale la pena entender este modelo en lugar de simplemente usarlo. Clef-Flash es "totalmente compatible con Jev y SystemOne", según las palabras de la tarjeta: acepta un cuerpo de solicitud de Jev/SystemOne y devuelve el mismo cuerpo de respuesta — modelo, respuestas indexadas por id de pregunta, uso. La compatibilidad fue lo suficientemente deliberada como para que un commit posterior al repositorio añada el systemone punto de entrada explícitamente. Si tu pipeline ya le hace preguntas a un modelo de decisión de esa forma, sustituir este es una cadena de modelo y una URL, no una migración. Esa es una reducción real en el costo de cambio, y es el único hecho arquitectónico aquí que cambia lo que un lector puede hacer.

Una nota sobre enrutamiento, expuesta como un hecho y no como argumento de venta: OrcaRouter no sirve Cloudflare/clef-flash. Revisamos hoy nuestro catálogo en vivo y no aparece allí, y nada en esta página debe interpretarse como una afirmación de que sí lo hace. Lo que sí incluye nuestro catálogo es el modelo para el cual se creó Clef-Flash como reemplazo directo: el Jev 1.13 de TypeSafe está en nuestro catálogo a $0.042 por millón de tokens de entrada en su tabla de precios (la insignia de datos rápidos de la página lo redondea a $0.04), con un contexto de 65K tokens y el mismo tipo de endpoint POST /v1/systemone. Como ambos hablan un mismo formato de conexión, el cambio entre ellos es una modificación de configuración y no una reescritura, que es justamente la razón para mantener ambos accesibles desde una sola clave en lugar de comprometer una arquitectura con el modelo que se lanzó primero. OrcaRouter funciona con precio de lista del proveedor transferido sin margen, así que un cambio de precio en cualquiera de los dos proveedores está activo de nuestro lado el mismo día.

¿Qué sigue abierto?

Tres cosas, en el orden en que cambiarían el panorama.

Alguien fuera de Cloudflare necesita reproducir conjuntamente las celdas de fuera de alcance y de electrodomésticos de CLINC150, porque apuntan en direcciones opuestas y la ejecución publicada no ofrece ningún mecanismo para ninguna de las dos. Si el 66,8 se mantiene bajo pruebas independientes, ese es el hecho más importante a nivel operativo sobre Clef-Flash y no figura en la lista de fortalezas del anuncio.

La ventana de contexto necesita una única cifra conciliada por parte del proveedor. Ahora mismo, la propia página de documentación del modelo dice 24.576 tokens, la publicación de lanzamiento dice 64k y el asistente de codificación incluido usa 16.384 por defecto. Cualquiera que dimensione un prompt de producción está eligiendo en cuál de las tres afirmaciones del proveedor creer.

Y la categoría necesita contacto con cargas de trabajo reales a volumen de producción. El planteamiento de Cloudflare es que los modelos de decisión se encuentran en la ruta crítica: un ejemplo de clasificación de dominios en su publicación muestra a Clef devolviendo un veredicto en 2,2 segundos frente a 4,7 segundos de un modelo de propósito general en la misma tarea. Es una afirmación específica y comprobable sobre un flujo de trabajo concreto, y la resolverán las personas que lo ejecuten, no una tabla.