Clef: O Que Realmente É o Modelo de Decisão 27B da Cloudflare

Clef é um modelo de decisão multimodal de 27 bilhões de parâmetros publicado pela Cloudflare. Você fornece a ele um estado — uma string, um objeto JSON, uma imagem, um clipe de vídeo —, além de um esquema de até 64 perguntas tipadas, e ele retorna uma probabilidade para cada opção permitida de cada pergunta em uma única passagem direta. Não há geração de texto em nenhum ponto do pipeline nem análise da saída: o modelo emite um logit por opção permitida, você aplica softmax por pergunta e pronto. Os pesos são Apache-2.0 e ficam no repositório Cloudflare/clef no Hugging Face; a Cloudflare também disponibiliza o modelo em sua própria plataforma Workers AI.

Duas datas são importantes para a orientação, e nenhuma delas é a razão pela qual esta página existe. Os pesos foram publicados em 30 de setembro de 2026 e o post de anúncio da Cloudflare está datado de 1 de outubro de 2026, o que faz com que o Clef tenha doze dias de idade no dia em que isto foi escrito — idade suficiente para que não seja novidade, e esta página não o trata como novidade. Ela existe porque "clef" é uma pesquisa que as pessoas realmente escrevem, e até agora nada neste blog a respondia. O lançamento é o que permite datar o modelo; o material de referência abaixo é o que importa.

A questão do tamanho, resolvida pela editora

Dois números de parâmetros estão circulando lado a lado e apenas um deles pertence a este modelo.

• O Clef tem 27B. A própria página do modelo da Cloudflare descreve-o como "um modelo de decisão multimodal de 27B", e o cartão do modelo no Hugging Face diz o mesmo em sua linha de abertura: "Clef é um modelo multimodal de 27B que transforma um estado e um esquema de perguntas tipadas em decisões."

• O 9B é um modelo diferente, não um segundo tamanho deste. O checkpoint 9B é o Clef Flash, um irmão separado, com seu próprio repositório e sua própria página de modelo. Quem procurava um Clef 9B estava procurando o Clef Flash. Eles não são intercambiáveis, e os números não se transferem.

• Há um terceiro membro também. Clef Omni, anunciado em 9 de outubro de 2026, é um modelo de mistura de especialistas de 30B com 3B parâmetros ativos, construído sobre uma arquitetura de base diferente. Ele também lê áudio. Se você viu "30B" associado ao Clef, esse é o Clef Omni, não o Clef.

Então, o tamanho do modelo nesta página é 27B, ponto final, e o repositório o disponibiliza em safetensors BF16. O conjunto de arquivos publicados totaliza aproximadamente 55 GB distribuídos em vinte e cinco arquivos, que é o número que importa se você pretende auto-hospedá-lo em vez de chamá-lo.

Como o Clef se relaciona com o Clef Flash

A Cloudflare lançou o Clef como uma família, e a estrutura de família é a parte útil, e não um detalhe secundário. O Clef e o Clef Flash compartilham uma receita: congelar um backbone Qwen3.8-27B para o modelo maior e um backbone Qwen3.5-9B para o menor, manter o codificador de visão e treinar uma pequena cabeça de esquema conjunta por cima, além de adaptadores de baixo rank. Mesmo contrato de saída, capacidade diferente e um perfil de latência muito diferente.

Esse contrato compartilhado é o motivo pelo qual vale a pena entender os dois modelos em conjunto: um esquema escrito para um é um esquema para o outro, e trocar qual deles responde é uma questão de identificador de modelo, e não de reescrita. O trade-off é velocidade versus capacidade, e o próprio post da Cloudflare de 9 de outubro tornou esse trade-off mais acentuado ao reduzir o preço da versão hospedada do Clef Flash para US$ 0,038 por milhão de tokens de entrada, enquanto manteve o Clef em US$ 0,24 por milhão de tokens de entrada. Observe o que aquele post também fez: reduziu a janela de contexto da versão hospedada do Clef Flash para 24.000 tokens, ante os 64.000 que haviam sido anunciados anteriormente para ele, enquanto o próprio Clef permaneceu em 64.000.

Arquitetura: um backbone congelado mais uma cabeça de pontuação

Clef não é um modelo de linguagem usando um chapéu de classificador. Vale a pena enunciar o design com precisão porque ele explica quase todas as outras propriedades do modelo.

• Rede principal — Qwen3.8-27B, incluindo seu codificador de visão, transferido e congelado, armazenado como safetensors fragmentados comuns.

• Cabeça de esquema conjunta — uma pequena cabeça transformer que lê os estados ocultos finais do backbone, encaminha evidências do estado para cada pergunta e pontua conjuntamente todas as opções de todas as perguntas, em vez de uma pergunta por vez.

• Treinamento — adaptadores de baixo posto de rank 256, entropia cruzada com suavização de rótulos mais uma perda de Brier para calibração, e o loop "Reinforcement Learning for Calibrated Decisions" da Cloudflare.

• Saída — um logit por opção permitida, por pergunta. O softmax por pergunta fornece as probabilidades. Nada mais sai.

A pontuação conjunta é a parte que separa o Clef de um conjunto de classificadores independentes. Como todas as perguntas são pontuadas em relação ao mesmo estado oculto em uma única passagem, as perguntas podem informar umas às outras, e o todo é não autorregressivo — não há loop de decodificação, que é de onde vêm os números de latência. A Cloudflare descreve a inferência como uma passagem apenas de prefill.

Contexto, limites e o que está incluído

Sobre contexto e modalidade, o material do fornecedor é específico, e onde ele é omisso, esse silêncio vale a pena registrar em vez de encobrir.

• Janela de contexto — 65.536 tokens no endpoint hospedado Workers AI da Cloudflare, conforme a página do modelo. Esse é o número que o post de lançamento da Cloudflare contrasta com a janela de 32.000 tokens que ele atribui ao Jev da TypeSafe.

• Contexto auto-hospedado — A publicação da Cloudflare de 9 de outubro diz que os pesos do Hugging Face foram treinados para suportar uma janela de 256.000 tokens caso você os execute por conta própria. O encoder incluído nesse repositório tem como padrão max_length=16,384, o que é um padrão e não um teto, mas é o que você obtém se usar o loader como fornecido.

• Saída máxima — não publicada. Não há um orçamento de tokens a publicar: o modelo devolve um vetor de probabilidade fixo por pergunta, pelo que o limite natural é o esquema (1 a 64 perguntas, cada uma com 2 a 26 opções) e não um comprimento em tokens.

• Modalidades de entrada — texto, JSON, imagens e vídeo. A página do Workers AI indica visão como compatível e aceita imagens PNG, JPEG ou WebP, até quatro por solicitação. O Clef Omni, separadamente, adiciona áudio; o próprio Clef não.

• Modalidade de saída — probabilidades. O Clef não consegue redigir uma resposta, resumir uma conversa ou produzir uma frase, e não vai inventar uma categoria que você não declarou.

• Licença — Apache-2.0, seguindo o checkpoint base Qwen3.8-27B. A página do modelo da Cloudflare remete para o ficheiro de licença em vez de a nomear no texto da página; o próprio ficheiro de licença é Apache-2.0.

Um detalhe de implementação está documentado como uma armadilha e vale a pena repetir: o campo confidence informa o quão concentradas estão as probabilidades, e não a probabilidade de que a resposta esteja correta. Um modelo bem calibrado pode retornar uma resposta correta com baixa confiança e uma resposta errada com alta confiança.

O que a Cloudflare afirma, e o que foi realmente medido

Esta é a seção que deve ser lida com atenção, porque o espaço entre as duas metades do título é amplo.

Cada número de desempenho associado ao Clef vem da Cloudflare. O cartão do modelo publica uma tabela com mais de quarenta linhas a partir do que descreve como "nossa execução interna da suíte Decision Index 0.2.1", e essa tabela de classificação é hospedada pela Cloudflare. As avaliações de fluxo de trabalho abaixo dela são tiradas do conjunto público de avaliação da TypeSafe, mas a execução ainda é da Cloudflare. Até hoje, não consigo encontrar nenhuma reprodução independente por terceiros de qualquer uma das tabelas — nenhum laboratório externo, nenhuma tabela de classificação neutra, nenhuma replicação publicada. Trate os números como o melhor cenário do fornecedor, não como medições.

O padrão dentro desses números é mais informativo do que qualquer célula isolada. Os resultados mais fortes da Clef estão em tarefas com formato de classificação: na execução da Cloudflare, ela relata 94,2 de macro-F1 em intenção do BANKING77 contra 79,7 do Jev, e 97,4 de macro-F1 no CLINC150 com tratamento de fora de escopo contra 89,3. O número de fora de escopo é o operacionalmente interessante, porque recusar-se a classificar é a metade difícil do roteamento. Ela também relata 98,5 case-exact no BFCL e 86,7 no CRUXEval.

As perdas apontam na mesma direção, de forma consistente. Na mesma tabela, Clef reporta GPQA Diamond em 48,0 contra 78,3 de Jev, MMLU-Pro em 65,9 contra 82,7, e BBH em 73,7 contra 92,9. Essas são as três maiores lacunas da tabela e todas descrevem a mesma fraqueza: raciocínio fora das formas com que o modelo foi treinado. Nas quatro avaliações de fluxo de trabalho de ponta a ponta, os dois modelos estão próximos o suficiente para que a ordenação não seja um achado.

A latência é o único ponto em que a vantagem é estrutural, e não marginal, e, portanto, o ponto com maior probabilidade de sobreviver ao contato com a produção. A Cloudflare relata uma mediana de 209,3 ms e um p95 de 238,6 ms para o Clef, contra 524,1 ms e 536,0 ms para o Jev. Essa ordenação decorre do design não autorregressivo, e não de peculiaridades de um benchmark — mas os milissegundos absolutos foram medidos no hardware da própria Cloudflare e significam pouco por si sós.

Vale a pena destacar, para quem já leu alguma tabela de benchmark do Clef neste blog: os números de serving mudaram em 9 de outubro. A Cloudflare migrou o Clef para o SGLang para serving e contribuiu com o trabalho upstream, relatando ganhos medianos de velocidade de 1,7× com cerca de 800 tokens de entrada e 2,0× com cerca de 3.400 tokens. São mudanças na camada de serving, não novos pesos, e o modelo em si permanece inalterado. Se você está citando um número de latência anterior a 9 de outubro, ele está desatualizado.

Ligar para a Clef e acertar a relação com o Cloudflare

Há duas maneiras de executá-lo, e nenhuma delas é misteriosa.

O primeiro é o endpoint da própria Cloudflare. O Clef é servido pelo Workers AI, a própria plataforma de inferência da Cloudflare, a US$ 0,24 por milhão de tokens de entrada, sem cobrança por tokens de saída — o que decorre do fato de não haver tokens de saída. Entradas de mídia são convertidas em tokens e cobradas à mesma tarifa de entrada. Este é o publicador hospedando seu próprio modelo, e essa é toda a relação: as buscas que associam o nome deste modelo à Cloudflare não apontam para um host de terceiros que por acaso o adicionou. A Cloudflare o construiu.

A segunda é o seu próprio hardware. Os pesos estão no Hugging Face sob a Apache-2.0, então a auto-hospedagem é permitida sem uma conversa comercial. Os próprios testes da Cloudflare usaram torch 2.11 e transformers 5.10.2 em um único H200, com pillow sendo necessário para entrada de imagem e vídeo. Se você leu que o Clef também roda no SGLang, isso está correto a partir da mudança de serving de 9 de outubro; o trabalho upstream está previsto para ser lançado no SGLang 0.5.22.

O formato da API deliberadamente não é novidade. Os corpos de requisição e resposta do Clef são compatíveis com o formato SystemOne da TypeSafe, portanto um pipeline já ligado a um modelo de decisão desse formato pode apontar para o Clef apenas alterando um URL e uma string de modelo. Esse é um argumento real de custo de troca, e funciona nos dois sentidos, que é a forma honesta de o ler: como a interface é a mesma, adotar o Clef é barato, e abandoná-lo é igualmente barato. A postura sensata para uma equipe que já tem um endpoint de decisão em produção é executar os dois contra o seu próprio tráfego, em vez de migrar. Se encaminhar através do OrcaRouter, o Jev 1.13 da TypeSafe é um modelo listado no nosso catálogo, pelo que um A/B entre o fornecedor atual e o que quer que hospede por conta própria fica atrás de uma única chave em vez de dois contratos — mais de 200 modelos, preço de tabela do fornecedor repassado sem margem por token, e failover tratado para você.

Uma coisa que esta página não vai lhe dizer é se o Clef está disponível por meio de nós. A Cloudflare o publica no Workers AI e no Hugging Face, e eu não verifiquei uma rota pela nossa própria lista de modelos, então não há nada a afirmar.

O que ainda não foi resolvido?

A coisa mais útil que poderia acontecer ao Clef é uma replicação externa do Decision Index. A suíte é pública e a Cloudflare descreve as avaliações como reproduzíveis, então uma execução de terceiros é a diferença entre uma tabela de fornecedor e um fato. Enquanto isso não existir, o resumo honesto do perfil publicado do Clef é que ele é um classificador restrito muito forte, com um design rápido e não autorregressivo, e um raciocinador geral substancialmente mais fraco do que o modelo com o qual foi comparado em benchmark.

Três coisas específicas mudariam essa leitura. Uma reprodução neutra dos números fora de escopo do BANKING77 e do CLINC150, porque uma diferença de trinta pontos em relação ao incumbente ou é o quadro completo ou é um artefato. Um valor de p95 sob concorrência real, porque uma mediana de 209 ms medida em um único H200 não diz nada sobre um caminho crítico sob carga. E um Clef ajustado que supere o modelo base em uma tarefa para a qual o modelo base nunca foi treinado, algo que a plataforma de ajuste fino com RL da Cloudflare foi projetada para produzir, mas ainda não demonstrou com um resultado de cliente.

Até lá, aquilo com que um leitor pode contar é o formato da coisa: 27B parâmetros, um backbone congelado Qwen3.8-27B com seu codificador de visão, uma cabeça de esquema conjunta, 65.536 tokens de contexto hospedado, texto e JSON e imagens e vídeo na entrada, probabilidades na saída, Apache-2.0. Isso é suficiente para decidir se a arquitetura se encaixa no seu problema. A pergunta que ela ainda não consegue responder é se o placar do próprio fornecedor está certo sobre o modelo, e ninguém fora da Cloudflare verificou.