Cloudflare: Clef Flash

Cloudflare Clef Flash es el modelo de decisión más pequeño de la familia Clef, creado mediante posentrenamiento de Qwen3.5-9B con su codificador visual. Un cabezal de esquema conjunto lee la evidencia de la entrada y puntúa las respuestas permitidas para cada pregunta solicitada en una sola pasada de inferencia. Su función es producir clasificaciones y decisiones acotadas dentro de un flujo de trabajo. La salida es un resultado tipado con probabilidades, en lugar de una respuesta conversacional que una aplicación deba interpretar como una categoría.

Describe la situación en un estado de texto o JSON y define las preguntas por separado. Una pregunta necesita un nombre estable, un tipo y una instrucción clara; las preguntas de categoría o puntuación también definen sus criterios permitidos. Para un mensaje de soporte, una pregunta puede clasificar el problema, otra evaluar la urgencia y otra identificar si al registro le falta información necesaria para el siguiente paso. Mantén en el estado las palabras reales del cliente, el historial pertinente y las reglas operativas para que la decisión esté vinculada a la evidencia.

Los tres tipos de pregunta responden a necesidades distintas. Un resultado noul es la probabilidad de que se cumpla una condición de verdadero o falso. Un resultado choice identifica una opción con nombre e incluye probabilidades entre las alternativas, además de un valor de confianza. Un resultado score evalúa criterios ordenados y devuelve su puntuación ponderada por probabilidad, su leyenda y su distribución. Define deliberadamente el orden de una puntuación: pasar de «No se requiere ninguna acción» a «Revisión inmediata» es distinto de tener un conjunto no ordenado de etiquetas temáticas.

Para una asignación rápida, describe las categorías mediante las acciones o los límites de responsabilidad que realmente las distinguen. Un ejemplo útil es una solicitud con opciones de acceso a la cuenta, falla técnica, pregunta de documentación y otro, con una explicación de cada opción. El resultado del modelo puede pasarse a una regla de asignación de la aplicación. Una distribución cercana entre falla técnica y acceso a la cuenta es evidencia útil de ambigüedad; decide explícitamente cómo tratará el flujo de trabajo esos casos, en lugar de suponer que la etiqueta seleccionada es un diagnóstico confirmado.

Para la clasificación visual, proporciona una imagen legible y una condición que la imagen pueda respaldar. Una revisión de recibos podría preguntar si el total es legible y elegir entre categorías definidas de calidad del documento. No debería solicitar un total nuevo arbitrario como si el modelo fuera un servicio de extracción o redacción sin restricciones. La interfaz de pesos abiertos del fabricante también acepta arreglos de fotogramas de video. Conserva la conexión entre los fotogramas y el estado escrito, y pregunta sobre eventos o condiciones visibles dentro de ese material.

La referencia actual de la interfaz alojada del fabricante indica un contexto de 24,576 tokens, hasta 64 preguntas y hasta cuatro imágenes incrustadas. Sus imágenes PNG, JPEG o WebP están limitadas a 4 MiB y 16 megapíxeles cada una, con un total decodificado de 8 MiB; el cuerpo completo de la solicitud está limitado a 13 MiB y no se aceptan enlaces remotos a imágenes. Las definiciones de preguntas y los medios consumen espacio de entrada, y el texto largo puede truncarse para ajustarse. Incluye la evidencia decisiva en un estado compacto. Cloudflare documenta que la reducción del contexto alojado no cambió los pesos publicados, de modo que la ventana alojada y la configuración de pesos abiertos siguen siendo distintas.

La salida restringida del modelo lo hace útil para comprobaciones repetidas de políticas o flujos de trabajo. Por ejemplo, define preguntas separadas sobre si un registro cumple las reglas de integridad de la información establecidas y qué categoría de seguimiento corresponde. Mantén explícitos los criterios e incluye una opción para los casos que las categorías no cubran cuando eso forme parte del diseño del flujo de trabajo. Las probabilidades puntúan las opciones proporcionadas; no establecen que estas constituyan una descripción completa de todas las situaciones reales.

Conserva juntos el estado, el esquema y la respuesta devuelta. Cuando un resultado sea sorprendente, examina si un criterio es ambiguo, si faltó una entrada decisiva o si se cortó texto pertinente. Compara las evaluaciones del modelo con casos revisados de la tarea real antes de elegir umbrales para acciones automáticas. El posicionamiento de Clef Flash como modelo más pequeño y de decisión rápida no sustituye la comprobación del costo de una asignación incorrecta dentro del flujo de trabajo.

Usa el resultado tipado como entrada del siguiente paso de la aplicación. El modelo no ejecuta ese paso ni redacta su explicación posterior. Si el usuario necesita un informe, mantén disponibles la decisión y la evidencia de origen para un proceso de redacción separado. El artefacto útil de Clef Flash es una respuesta que se puede inspeccionar para cada pregunta con nombre, con la información de probabilidad necesaria para aplicar las reglas del flujo de trabajo.