Cloudflare Clef Flash er den mindre beslutningsmodel i Clef-familien, bygget ved at eftertræne Qwen3.5-9B med dens vision-encoder. Et fælles skemahoved læser evidens fra inputtet og scorer de tilladte svar på alle de ønskede spørgsmål i én fremadrettet beregning. Dens rolle er at producere afgrænsede klassifikationer og beslutninger i en arbejdsgang. Outputtet er et typet resultat med sandsynligheder frem for et samtalesvar, som en applikation skal fortolke som en kategori.
Beskriv situationen i en tekst- eller JSON-tilstand, og definér spørgsmålene separat. Et spørgsmål kræver et stabilt navn, en type og en tydelig instruktion; kategori- eller scorespørgsmål definerer også deres tilladte kriterier. For en supportbesked kan ét spørgsmål klassificere problemet, et andet vurdere, hvor akut det er, og et tredje afgøre, om posten mangler oplysninger til næste trin. Bevar kundens faktiske formulering, relevant historik og driftsregler i tilstanden, så beslutningen er knyttet til evidens.
De tre spørgsmålstyper dækker forskellige behov. Et noul-resultat er sandsynligheden for, at en sand/falsk-betingelse er opfyldt. Et choice-resultat identificerer én navngiven svarmulighed og omfatter sandsynligheder for alternativerne samt en konfidensværdi. Et score-resultat vurderer ordnede kriterier og returnerer deres sandsynlighedsvægtede score, tegnforklaring og fordeling. Fastlæg rækkefølgen i en score bevidst: En bevægelse fra »Ingen handling nødvendig« til »Øjeblikkelig gennemgang« er noget andet end et uordnet sæt emneetiketter.
Ved hurtig routing skal kategorierne beskrives med de handlinger eller ansvarsgrænser, som faktisk adskiller dem. Et nyttigt eksempel er en anmodning med svarmulighederne kontoadgang, teknisk fejl, dokumentationsspørgsmål og andet, hvor hver mulighed forklares. Modellens resultat kan sendes videre til en routingregel i applikationen. En tæt fordeling mellem teknisk fejl og kontoadgang er nyttig evidens for tvetydighed; fastlæg udtrykkeligt, hvordan arbejdsgangen behandler sådanne tilfælde, frem for at antage, at den valgte etiket er en bekræftet diagnose.
Ved visuel klassifikation skal du indsende et læsbart billede og en betingelse, som billedet kan understøtte. En kvitteringsgennemgang kan spørge, om totalbeløbet er læseligt, og vælge mellem definerede kategorier for dokumentkvalitet. Den bør ikke bede om et vilkårligt nyt totalbeløb, som om modellen var en ubegrænset udtræks- eller skrivetjeneste. Producentens grænseflade til åbne modelvægte accepterer også arrays af videobilleder. Bevar forbindelsen mellem billederne og den skriftlige tilstand, og spørg om synlige hændelser eller forhold i materialet.
Producentens aktuelle hostede reference angiver en kontekst på 24.576 tokens, op til 64 spørgsmål og op til fire indlejrede billeder. PNG-, JPEG- eller WebP-billeder er begrænset til 4 MiB og 16 megapixels pr. billede med i alt 8 MiB afkodede data; hele anmodningsindholdet er begrænset til 13 MiB, og eksterne billedlinks accepteres ikke. Spørgsmålsdefinitioner og medier optager inputplads, og lang tekst kan blive afkortet for at passe. Saml den afgørende evidens i en kompakt tilstand. Cloudflare dokumenterer, at reduktionen af den hostede kontekst ikke ændrede de frigivne modelvægte, så det hostede vindue og konfigurationen med åbne modelvægte er fortsat adskilte.
Modellens begrænsede output gør den nyttig til gentagne regel- eller arbejdsgangskontroller. Definér eksempelvis separate spørgsmål om, hvorvidt en post opfylder de angivne fuldstændighedsregler, og hvilken opfølgningskategori der gælder. Hold kriterierne eksplicitte, og medtag en mulighed for tilfælde, som kategorierne ikke dækker, når det er en del af arbejdsgangens design. Sandsynlighederne scorer de indsendte svarmuligheder; de fastslår ikke, at mulighederne giver en fuldstændig beskrivelse af enhver virkelig situation.
Gem tilstanden, skemaet og det returnerede svar sammen. Når et resultat overrasker, skal du undersøge, om et kriterium er tvetydigt, om afgørende input mangler, eller om relevant tekst er afkortet. Sammenlign modellens vurderinger med gennemgåede tilfælde fra den faktiske opgave, før du vælger tærskler for automatiserede handlinger. Clef Flashs positionering som en mindre model til hurtige beslutninger erstatter ikke en vurdering af omkostningen ved en forkert routingbeslutning i arbejdsgangen.
Brug det typede resultat som input til næste applikationstrin. Modellen udfører ikke dette trin og skriver heller ikke den efterfølgende forklaring. Hvis brugeren har brug for en rapport, skal beslutningen og kildeevidensen være tilgængelige for en særskilt skriveproces. Det nyttige resultat fra Clef Flash er et svar, der kan undersøges, for hvert navngivet spørgsmål med de sandsynlighedsoplysninger, der er nødvendige for at anvende arbejdsgangens regler.
", "aboutText": "Cloudflare Clef Flash er den mindre beslutningsmodel i Clef-familien, bygget ved at eftertræne Qwen3.5-9B med dens vision-encoder. Et fælles skemahoved læser evidens fra inputtet og scorer de tilladte svar på alle de ønskede spørgsmål i én fremadrettet beregning. Dens rolle er at producere afgrænsede klassifikationer og beslutninger i en arbejdsgang. Outputtet er et typet resultat med sandsynligheder frem for et samtalesvar, som en applikation skal fortolke som en kategori.\n\nBeskriv situationen i en tekst- eller JSON-tilstand, og definér spørgsmålene separat. Et spørgsmål kræver et stabilt navn, en type og en tydelig instruktion; kategori- eller scorespørgsmål definerer også deres tilladte kriterier. For en supportbesked kan ét spørgsmål klassificere problemet, et andet vurdere, hvor akut det er, og et tredje afgøre, om posten mangler oplysninger til næste trin. Bevar kundens faktiske formulering, relevant historik og driftsregler i tilstanden, så beslutningen er knyttet til evidens.\n\nDe tre spørgsmålstyper dækker forskellige behov. Et noul-resultat er sandsynligheden for, at en sand/falsk-betingelse er opfyldt. Et choice-resultat identificerer én navngiven svarmulighed og omfatter sandsynligheder for alternativerne samt en konfidensværdi. Et score-resultat vurderer ordnede kriterier og returnerer deres sandsynlighedsvægtede score, tegnforklaring og fordeling. Fastlæg rækkefølgen i en score bevidst: En bevægelse fra »Ingen handling nødvendig« til »Øjeblikkelig gennemgang« er noget andet end et uordnet sæt emneetiketter.\n\nVed hurtig routing skal kategorierne beskrives med de handlinger eller ansvarsgrænser, som faktisk adskiller dem. Et nyttigt eksempel er en anmodning med svarmulighederne kontoadgang, teknisk fejl, dokumentationsspørgsmål og andet, hvor hver mulighed forklares. Modellens resultat kan sendes videre til en routingregel i applikationen. En tæt fordeling mellem teknisk fejl og kontoadgang er nyttig evidens for tvetydighed; fastlæg udtrykkeligt, hvordan arbejdsgangen behandler sådanne tilfælde, frem for at antage, at den valgte etiket er en bekræftet diagnose.\n\nVed visuel klassifikation skal du indsende et læsbart billede og en betingelse, som billedet kan understøtte. En kvitteringsgennemgang kan spørge, om totalbeløbet er læseligt, og vælge mellem definerede kategorier for dokumentkvalitet. Den bør ikke bede om et vilkårligt nyt totalbeløb, som om modellen var en ubegrænset udtræks- eller skrivetjeneste. Producentens grænseflade til åbne modelvægte accepterer også arrays af videobilleder. Bevar forbindelsen mellem billederne og den skriftlige tilstand, og spørg om synlige hændelser eller forhold i materialet.\n\nProducentens aktuelle hostede reference angiver en kontekst på 24.576 tokens, op til 64 spørgsmål og op til fire indlejrede billeder. PNG-, JPEG- eller WebP-billeder er begrænset til 4 MiB og 16 megapixels pr. billede med i alt 8 MiB afkodede data; hele anmodningsindholdet er begrænset til 13 MiB, og eksterne billedlinks accepteres ikke. Spørgsmålsdefinitioner og medier optager inputplads, og lang tekst kan blive afkortet for at passe. Saml den afgørende evidens i en kompakt tilstand. Cloudflare dokumenterer, at reduktionen af den hostede kontekst ikke ændrede de frigivne modelvægte, så det hostede vindue og konfigurationen med åbne modelvægte er fortsat adskilte.\n\nModellens begrænsede output gør den nyttig til gentagne regel- eller arbejdsgangskontroller. Definér eksempelvis separate spørgsmål om, hvorvidt en post opfylder de angivne fuldstændighedsregler, og hvilken opfølgningskategori der gælder. Hold kriterierne eksplicitte, og medtag en mulighed for tilfælde, som kategorierne ikke dækker, når det er en del af arbejdsgangens design. Sandsynlighederne scorer de indsendte svarmuligheder; de fastslår ikke, at mulighederne giver en fuldstændig beskrivelse af enhver virkelig situation.\n\nGem tilstanden, skemaet og det returnerede svar sammen. Når et resultat overrasker, skal du undersøge, om et kriterium er tvetydigt, om afgørende input mangler, eller om relevant tekst er afkortet. Sammenlign modellens vurderinger med gennemgåede tilfælde fra den faktiske opgave, før du vælger tærskler for automatiserede handlinger. Clef Flashs positionering som en mindre model til hurtige beslutninger erstatter ikke en vurdering af omkostningen ved en forkert routingbeslutning i arbejdsgangen.\n\nBrug det typede resultat som input til næste applikationstrin. Modellen udfører ikke dette trin og skriver heller ikke den efterfølgende forklaring. Hvis brugeren har brug for en rapport, skal beslutningen og kildeevidensen være tilgængelige for en særskilt skriveproces. Det nyttige resultat fra Clef Flash er et svar, der kan undersøges, for hvert navngivet spørgsmål med de sandsynlighedsoplysninger, der er nødvendige for at anvende arbejdsgangens regler.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6e833ae0454104939400d86a168ebf0d990348b3be76fbd6fb6d73b5d1c85543", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "cloudflare/clef-flashCloudflare Clef Flash er den mindre Clef-beslutningsmodel på 9B parametre, udviklet til hurtig klassifikation og valg i arbejdsgange. Den vurderer tekst, struktureret tilstand og visuelle input ud fra navngivne spørgsmål og returnerer sandsynligheder for hver svarmulighed, en valgt kategori eller en ordnet score uden at generere prosa.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Cloudflare Clef Flash er den mindre beslutningsmodel i Clef-familien, bygget ved at eftertræne Qwen3.5-9B med dens vision-encoder. Et fælles skemahoved læser evidens fra inputtet og scorer de tilladte svar på alle de ønskede spørgsmål i én fremadrettet beregning. Dens rolle er at producere afgrænsede klassifikationer og beslutninger i en arbejdsgang. Outputtet er et typet resultat med sandsynligheder frem for et samtalesvar, som en applikation skal fortolke som en kategori.
Beskriv situationen i en tekst- eller JSON-tilstand, og definér spørgsmålene separat. Et spørgsmål kræver et stabilt navn, en type og en tydelig instruktion; kategori- eller scorespørgsmål definerer også deres tilladte kriterier. For en supportbesked kan ét spørgsmål klassificere problemet, et andet vurdere, hvor akut det er, og et tredje afgøre, om posten mangler oplysninger til næste trin. Bevar kundens faktiske formulering, relevant historik og driftsregler i tilstanden, så beslutningen er knyttet til evidens.
De tre spørgsmålstyper dækker forskellige behov. Et noul-resultat er sandsynligheden for, at en sand/falsk-betingelse er opfyldt. Et choice-resultat identificerer én navngiven svarmulighed og omfatter sandsynligheder for alternativerne samt en konfidensværdi. Et score-resultat vurderer ordnede kriterier og returnerer deres sandsynlighedsvægtede score, tegnforklaring og fordeling. Fastlæg rækkefølgen i en score bevidst: En bevægelse fra »Ingen handling nødvendig« til »Øjeblikkelig gennemgang« er noget andet end et uordnet sæt emneetiketter.
Ved hurtig routing skal kategorierne beskrives med de handlinger eller ansvarsgrænser, som faktisk adskiller dem. Et nyttigt eksempel er en anmodning med svarmulighederne kontoadgang, teknisk fejl, dokumentationsspørgsmål og andet, hvor hver mulighed forklares. Modellens resultat kan sendes videre til en routingregel i applikationen. En tæt fordeling mellem teknisk fejl og kontoadgang er nyttig evidens for tvetydighed; fastlæg udtrykkeligt, hvordan arbejdsgangen behandler sådanne tilfælde, frem for at antage, at den valgte etiket er en bekræftet diagnose.
Ved visuel klassifikation skal du indsende et læsbart billede og en betingelse, som billedet kan understøtte. En kvitteringsgennemgang kan spørge, om totalbeløbet er læseligt, og vælge mellem definerede kategorier for dokumentkvalitet. Den bør ikke bede om et vilkårligt nyt totalbeløb, som om modellen var en ubegrænset udtræks- eller skrivetjeneste. Producentens grænseflade til åbne modelvægte accepterer også arrays af videobilleder. Bevar forbindelsen mellem billederne og den skriftlige tilstand, og spørg om synlige hændelser eller forhold i materialet.
Producentens aktuelle hostede reference angiver en kontekst på 24.576 tokens, op til 64 spørgsmål og op til fire indlejrede billeder. PNG-, JPEG- eller WebP-billeder er begrænset til 4 MiB og 16 megapixels pr. billede med i alt 8 MiB afkodede data; hele anmodningsindholdet er begrænset til 13 MiB, og eksterne billedlinks accepteres ikke. Spørgsmålsdefinitioner og medier optager inputplads, og lang tekst kan blive afkortet for at passe. Saml den afgørende evidens i en kompakt tilstand. Cloudflare dokumenterer, at reduktionen af den hostede kontekst ikke ændrede de frigivne modelvægte, så det hostede vindue og konfigurationen med åbne modelvægte er fortsat adskilte.
Modellens begrænsede output gør den nyttig til gentagne regel- eller arbejdsgangskontroller. Definér eksempelvis separate spørgsmål om, hvorvidt en post opfylder de angivne fuldstændighedsregler, og hvilken opfølgningskategori der gælder. Hold kriterierne eksplicitte, og medtag en mulighed for tilfælde, som kategorierne ikke dækker, når det er en del af arbejdsgangens design. Sandsynlighederne scorer de indsendte svarmuligheder; de fastslår ikke, at mulighederne giver en fuldstændig beskrivelse af enhver virkelig situation.
Gem tilstanden, skemaet og det returnerede svar sammen. Når et resultat overrasker, skal du undersøge, om et kriterium er tvetydigt, om afgørende input mangler, eller om relevant tekst er afkortet. Sammenlign modellens vurderinger med gennemgåede tilfælde fra den faktiske opgave, før du vælger tærskler for automatiserede handlinger. Clef Flashs positionering som en mindre model til hurtige beslutninger erstatter ikke en vurdering af omkostningen ved en forkert routingbeslutning i arbejdsgangen.
Brug det typede resultat som input til næste applikationstrin. Modellen udfører ikke dette trin og skriver heller ikke den efterfølgende forklaring. Hvis brugeren har brug for en rapport, skal beslutningen og kildeevidensen være tilgængelige for en særskilt skriveproces. Det nyttige resultat fra Clef Flash er et svar, der kan undersøges, for hvert navngivet spørgsmål med de sandsynlighedsoplysninger, der er nødvendige for at anvende arbejdsgangens regler.
POST /v1/systemonetext, imagedecisions| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser cloudflare/clef-flash | Standard— |
Feltprovider | Typeschema | KravValgfrit | Værdier og grænser | Standard— |
Feltquestions | Typeobject | KravPåkrævet | Værdier og grænser | Standard— |
Feltsession_id | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltstate | Typeschema | KravPåkrævet | Værdier og grænser | Standard— |
Felttrace | Typeschema | KravValgfrit | Værdier og grænser | Standard— |
Feltuser | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltquestions.<id>.type | Typestring | KravPåkrævet | Værdier og grænser noul, choice, score | Standard— |
Feltquestions.<id>.instructions | Typestring|object|array | KravPåkrævet | Værdier og grænser | Standard— |
Feltquestions.<id>.criteria | Typeobject|array | KravValgfrit | Værdier og grænser Betingelser: choice/score: påkrævet; noul: valgfrit. Kriterier for choice er et objekt; score er et array med minItems1. | Standard— |
Feltquestions.<id>.criteria.true | Typestring|object|array | KravPåkrævet | Værdier og grænser Gælder når: Der er angivet et noul-kriterieobjekt | Standard— |
Feltquestions.<id>.criteria.false | Typestring|object|array | KravPåkrævet | Værdier og grænser Gælder når: Der er angivet et noul-kriterieobjekt | Standard— |
noul · Påkrævet: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Påkrævet: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Påkrævet: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, state, questions |
Parametermaterial_types | Kontrakttext, image |
Parameteroptional_controls | Kontraktprovider, session_id, trace, user |
Parametermultimodal_input_binding | KontraktBrug kun den præcise angivne tilstands- eller dokumentrepræsentation. Producentens billedfunktionalitet alene fastlægger ikke en accepteret modelspecifik transportform for billeder. |
Livscyklus: synchronous
Send det præcise model-ID, og behold hele det native svar.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.000076 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.000076 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "cloudflare/clef-flash",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cloudflare/clef-flash'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Hvert angivet svar på et spørgsmåls-ID bevares med sin præcise type, noul/choice/score-værdi, konfidens, sandsynligheder og forklaring. Hele det oprindelige JSON-svar gemmes og returneres først efter afregning.
Behold den oprindelige operation og hele eller det delvise svar; gentag ikke POST.
| Felt | Type |
|---|---|
Feltmodel | Typestring |
Feltid | Typestring |
Feltprovider | Typestring |
Feltanswers.<id>.type | Typestring |
Feltanswers.<id>.noul | Typenumber |
Feltanswers.<id>.choice | Typestring |
Feltanswers.<id>.score | Typenumber |
Feltanswers.<id>.confidence | Typenumber |
Feltanswers.<id>.probabilities | Typeobject |
Feltanswers.<id>.legend | Typeobject |
Feltusage.input_tokens | Typeinteger |
Feltusage.output_tokens | Typeinteger |
Feltusage.cost | Typenumber |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldigt påkrævet felt, ugyldig repræsentation eller ugyldig værdi | Næste trinRet det angivne forespørgselsfelt. |
Ailoot Ultra cloudflare/clef-flash
Brug metodestierne vist ovenfor.