Cloudflare Clef es el modelo denso de mayor tamaño de la familia de decisión Clef, obtenido mediante postentrenamiento de Qwen3.8-27B con su codificador de visión. Cloudflare combina esa base con un cabezal de esquema conjunto que dirige la evidencia hacia las preguntas y puntúa conjuntamente sus opciones permitidas. Clef lee una situación y devuelve decisiones acotadas con probabilidades en una única pasada hacia delante. Su salida es un resultado de clasificación, en lugar de prosa generada, un informe abierto o un comando propuesto.
Prepara el estado y el esquema de preguntas como entradas diferenciadas. El estado puede ser una cadena o un JSON que represente un registro, una conversación, el contenido de un documento o la situación de una aplicación. Las preguntas se identifican con nombres estables, y esos mismos nombres identifican las respuestas devueltas. Define qué debe establecer cada pregunta y describe las opciones pertinentes. Un registro de soporte puede preguntar qué equipo debe gestionar la solicitud, si el impacto es urgente y qué criterio de gravedad se aplica, sin combinar esas decisiones distintas en una única categoría imprecisa.
Una pregunta noul devuelve la probabilidad de verdadero para una condición binaria. Una pregunta de elección devuelve una opción con nombre seleccionada, las probabilidades por opción y la confianza. Una pregunta de puntuación usa una lista ordenada de descripciones, indexada desde cero, y devuelve una puntuación esperada, una leyenda y las probabilidades. Una puntuación fraccionaria tiene sentido porque resume la incertidumbre entre niveles ordenados. Examina la distribución además de la respuesta seleccionada; dos opciones próximas pueden revelar una distinción que la entrada no resuelve.
Para las comprobaciones de políticas, incluye el texto real de la norma y los hechos del registro. Un ejemplo es un flujo de trabajo de procesamiento de documentos con preguntas sobre si el registro está completo, qué categoría de revisión corresponde y con qué fuerza respalda la evidencia una atención inmediata. Formula preguntas separadas para condiciones separadas. La valoración del cumplimiento que hace el modelo debe seguir vinculada a la norma y la evidencia proporcionadas. Si falta una condición importante, el esquema y la aplicación deben contar con una forma deliberada de gestionar esa incertidumbre.
Para la evidencia visual, proporciona una imagen legible y una pregunta sobre una condición visible o una categoría definida. Una comprobación de la calidad de un formulario podría evaluar la legibilidad, si existe un área obligatoria y cuál de los niveles de calidad proporcionados la describe mejor. La interfaz de pesos abiertos del fabricante también acepta matrices de fotogramas de vídeo. Mantén los fotogramas en orden e identifica el evento que se debe evaluar. Un esquema de decisión acotado puede clasificar ese material, mientras que una solicitud de descripción narrativa o de campos arbitrarios recién generados corresponde a otro tipo de salida.
La referencia alojada del fabricante indica un contexto de 65.536 tokens, de una a 64 preguntas y hasta cuatro imágenes incrustadas. Sus imágenes PNG, JPEG o WebP están limitadas a 4 MiB y 16 megapíxeles cada una, con 8 MiB descodificados en total; el cuerpo completo de la solicitud está limitado a 13 MiB y no se aceptan enlaces a imágenes remotas. El presupuesto de entrada incluye las preguntas y los contenidos multimedia. Un texto largo puede truncarse para que quepa, así que conserva los pasajes decisivos y las etiquetas de origen. Estos límites describen la interfaz de imágenes alojada del productor; el codificador de pesos abiertos tiene sus propias representaciones de entrada local.
La publicación de Cloudflare describe un entrenamiento para la puntuación ligada al esquema y la calibración de probabilidades. El modelo extrae la evidencia relevante para cada opción y después tiene en cuenta la información de todos los campos. Esto puede favorecer las decisiones sobre varias preguntas relacionadas dentro de un mismo registro, pero no convierte una probabilidad alta en garantía de que el hecho subyacente sea cierto. Evalúa registros difíciles, incompletos y fuera de categoría, además de los casos sencillos. Unos criterios de decisión útiles cubren las situaciones que el flujo de trabajo encuentra realmente y hacen explícitas las distinciones importantes.
En un flujo de trabajo de agentes, la salida puede determinar qué paso siguiente definido debe considerarse. Proporciona la observación actual y las acciones candidatas con descripciones claras y, después, conserva la opción seleccionada y sus probabilidades. La aplicación que la rodea aplica su política de acciones y registra lo que ha hecho. Mantén ese registro de ejecución separado del resultado de la decisión: seleccionar una vía de revisión no demuestra que un revisor haya actuado, y seleccionar un paso de diagnóstico no demuestra que ese paso haya tenido éxito.
El artefacto final es el objeto de respuestas junto con el estado y el esquema que lo produjeron. Usa esos registros para inspeccionar clasificaciones inesperadas, identificar criterios ambiguos y comparar los resultados con ejemplos revisados de la tarea. Si un usuario posterior necesita una explicación escrita, la decisión y la evidencia original pueden servir de entrada a un paso independiente de redacción de respuestas. Clef proporciona la decisión probabilística acotada necesaria para elegir esa siguiente etapa con una descripción clara de lo que se ha evaluado.
", "aboutText": "Cloudflare Clef es el modelo denso de mayor tamaño de la familia de decisión Clef, obtenido mediante postentrenamiento de Qwen3.8-27B con su codificador de visión. Cloudflare combina esa base con un cabezal de esquema conjunto que dirige la evidencia hacia las preguntas y puntúa conjuntamente sus opciones permitidas. Clef lee una situación y devuelve decisiones acotadas con probabilidades en una única pasada hacia delante. Su salida es un resultado de clasificación, en lugar de prosa generada, un informe abierto o un comando propuesto.\n\nPrepara el estado y el esquema de preguntas como entradas diferenciadas. El estado puede ser una cadena o un JSON que represente un registro, una conversación, el contenido de un documento o la situación de una aplicación. Las preguntas se identifican con nombres estables, y esos mismos nombres identifican las respuestas devueltas. Define qué debe establecer cada pregunta y describe las opciones pertinentes. Un registro de soporte puede preguntar qué equipo debe gestionar la solicitud, si el impacto es urgente y qué criterio de gravedad se aplica, sin combinar esas decisiones distintas en una única categoría imprecisa.\n\nUna pregunta noul devuelve la probabilidad de verdadero para una condición binaria. Una pregunta de elección devuelve una opción con nombre seleccionada, las probabilidades por opción y la confianza. Una pregunta de puntuación usa una lista ordenada de descripciones, indexada desde cero, y devuelve una puntuación esperada, una leyenda y las probabilidades. Una puntuación fraccionaria tiene sentido porque resume la incertidumbre entre niveles ordenados. Examina la distribución además de la respuesta seleccionada; dos opciones próximas pueden revelar una distinción que la entrada no resuelve.\n\nPara las comprobaciones de políticas, incluye el texto real de la norma y los hechos del registro. Un ejemplo es un flujo de trabajo de procesamiento de documentos con preguntas sobre si el registro está completo, qué categoría de revisión corresponde y con qué fuerza respalda la evidencia una atención inmediata. Formula preguntas separadas para condiciones separadas. La valoración del cumplimiento que hace el modelo debe seguir vinculada a la norma y la evidencia proporcionadas. Si falta una condición importante, el esquema y la aplicación deben contar con una forma deliberada de gestionar esa incertidumbre.\n\nPara la evidencia visual, proporciona una imagen legible y una pregunta sobre una condición visible o una categoría definida. Una comprobación de la calidad de un formulario podría evaluar la legibilidad, si existe un área obligatoria y cuál de los niveles de calidad proporcionados la describe mejor. La interfaz de pesos abiertos del fabricante también acepta matrices de fotogramas de vídeo. Mantén los fotogramas en orden e identifica el evento que se debe evaluar. Un esquema de decisión acotado puede clasificar ese material, mientras que una solicitud de descripción narrativa o de campos arbitrarios recién generados corresponde a otro tipo de salida.\n\nLa referencia alojada del fabricante indica un contexto de 65.536 tokens, de una a 64 preguntas y hasta cuatro imágenes incrustadas. Sus imágenes PNG, JPEG o WebP están limitadas a 4 MiB y 16 megapíxeles cada una, con 8 MiB descodificados en total; el cuerpo completo de la solicitud está limitado a 13 MiB y no se aceptan enlaces a imágenes remotas. El presupuesto de entrada incluye las preguntas y los contenidos multimedia. Un texto largo puede truncarse para que quepa, así que conserva los pasajes decisivos y las etiquetas de origen. Estos límites describen la interfaz de imágenes alojada del productor; el codificador de pesos abiertos tiene sus propias representaciones de entrada local.\n\nLa publicación de Cloudflare describe un entrenamiento para la puntuación ligada al esquema y la calibración de probabilidades. El modelo extrae la evidencia relevante para cada opción y después tiene en cuenta la información de todos los campos. Esto puede favorecer las decisiones sobre varias preguntas relacionadas dentro de un mismo registro, pero no convierte una probabilidad alta en garantía de que el hecho subyacente sea cierto. Evalúa registros difíciles, incompletos y fuera de categoría, además de los casos sencillos. Unos criterios de decisión útiles cubren las situaciones que el flujo de trabajo encuentra realmente y hacen explícitas las distinciones importantes.\n\nEn un flujo de trabajo de agentes, la salida puede determinar qué paso siguiente definido debe considerarse. Proporciona la observación actual y las acciones candidatas con descripciones claras y, después, conserva la opción seleccionada y sus probabilidades. La aplicación que la rodea aplica su política de acciones y registra lo que ha hecho. Mantén ese registro de ejecución separado del resultado de la decisión: seleccionar una vía de revisión no demuestra que un revisor haya actuado, y seleccionar un paso de diagnóstico no demuestra que ese paso haya tenido éxito.\n\nEl artefacto final es el objeto de respuestas junto con el estado y el esquema que lo produjeron. Usa esos registros para inspeccionar clasificaciones inesperadas, identificar criterios ambiguos y comparar los resultados con ejemplos revisados de la tarea. Si un usuario posterior necesita una explicación escrita, la decisión y la evidencia original pueden servir de entrada a un paso independiente de redacción de respuestas. Clef proporciona la decisión probabilística acotada necesaria para elegir esa siguiente etapa con una descripción clara de lo que se ha evaluado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ba5f4d24f1c108f92f2ade8b724150eed0d787777d6788cd6acbc4e2f7dddf84", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "cloudflare/clefCloudflare Clef es un modelo de decisión multimodal de 27B para clasificación, comprobaciones de políticas y elecciones en flujos de trabajo de agentes. Evalúa un estado proporcionado y preguntas tipadas, y devuelve probabilidades para las alternativas permitidas, categorías seleccionadas y puntuaciones ponderadas. Acepta evidencia textual y visual sin generar prosa.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Cloudflare Clef es el modelo denso de mayor tamaño de la familia de decisión Clef, obtenido mediante postentrenamiento de Qwen3.8-27B con su codificador de visión. Cloudflare combina esa base con un cabezal de esquema conjunto que dirige la evidencia hacia las preguntas y puntúa conjuntamente sus opciones permitidas. Clef lee una situación y devuelve decisiones acotadas con probabilidades en una única pasada hacia delante. Su salida es un resultado de clasificación, en lugar de prosa generada, un informe abierto o un comando propuesto.
Prepara el estado y el esquema de preguntas como entradas diferenciadas. El estado puede ser una cadena o un JSON que represente un registro, una conversación, el contenido de un documento o la situación de una aplicación. Las preguntas se identifican con nombres estables, y esos mismos nombres identifican las respuestas devueltas. Define qué debe establecer cada pregunta y describe las opciones pertinentes. Un registro de soporte puede preguntar qué equipo debe gestionar la solicitud, si el impacto es urgente y qué criterio de gravedad se aplica, sin combinar esas decisiones distintas en una única categoría imprecisa.
Una pregunta noul devuelve la probabilidad de verdadero para una condición binaria. Una pregunta de elección devuelve una opción con nombre seleccionada, las probabilidades por opción y la confianza. Una pregunta de puntuación usa una lista ordenada de descripciones, indexada desde cero, y devuelve una puntuación esperada, una leyenda y las probabilidades. Una puntuación fraccionaria tiene sentido porque resume la incertidumbre entre niveles ordenados. Examina la distribución además de la respuesta seleccionada; dos opciones próximas pueden revelar una distinción que la entrada no resuelve.
Para las comprobaciones de políticas, incluye el texto real de la norma y los hechos del registro. Un ejemplo es un flujo de trabajo de procesamiento de documentos con preguntas sobre si el registro está completo, qué categoría de revisión corresponde y con qué fuerza respalda la evidencia una atención inmediata. Formula preguntas separadas para condiciones separadas. La valoración del cumplimiento que hace el modelo debe seguir vinculada a la norma y la evidencia proporcionadas. Si falta una condición importante, el esquema y la aplicación deben contar con una forma deliberada de gestionar esa incertidumbre.
Para la evidencia visual, proporciona una imagen legible y una pregunta sobre una condición visible o una categoría definida. Una comprobación de la calidad de un formulario podría evaluar la legibilidad, si existe un área obligatoria y cuál de los niveles de calidad proporcionados la describe mejor. La interfaz de pesos abiertos del fabricante también acepta matrices de fotogramas de vídeo. Mantén los fotogramas en orden e identifica el evento que se debe evaluar. Un esquema de decisión acotado puede clasificar ese material, mientras que una solicitud de descripción narrativa o de campos arbitrarios recién generados corresponde a otro tipo de salida.
La referencia alojada del fabricante indica un contexto de 65.536 tokens, de una a 64 preguntas y hasta cuatro imágenes incrustadas. Sus imágenes PNG, JPEG o WebP están limitadas a 4 MiB y 16 megapíxeles cada una, con 8 MiB descodificados en total; el cuerpo completo de la solicitud está limitado a 13 MiB y no se aceptan enlaces a imágenes remotas. El presupuesto de entrada incluye las preguntas y los contenidos multimedia. Un texto largo puede truncarse para que quepa, así que conserva los pasajes decisivos y las etiquetas de origen. Estos límites describen la interfaz de imágenes alojada del productor; el codificador de pesos abiertos tiene sus propias representaciones de entrada local.
La publicación de Cloudflare describe un entrenamiento para la puntuación ligada al esquema y la calibración de probabilidades. El modelo extrae la evidencia relevante para cada opción y después tiene en cuenta la información de todos los campos. Esto puede favorecer las decisiones sobre varias preguntas relacionadas dentro de un mismo registro, pero no convierte una probabilidad alta en garantía de que el hecho subyacente sea cierto. Evalúa registros difíciles, incompletos y fuera de categoría, además de los casos sencillos. Unos criterios de decisión útiles cubren las situaciones que el flujo de trabajo encuentra realmente y hacen explícitas las distinciones importantes.
En un flujo de trabajo de agentes, la salida puede determinar qué paso siguiente definido debe considerarse. Proporciona la observación actual y las acciones candidatas con descripciones claras y, después, conserva la opción seleccionada y sus probabilidades. La aplicación que la rodea aplica su política de acciones y registra lo que ha hecho. Mantén ese registro de ejecución separado del resultado de la decisión: seleccionar una vía de revisión no demuestra que un revisor haya actuado, y seleccionar un paso de diagnóstico no demuestra que ese paso haya tenido éxito.
El artefacto final es el objeto de respuestas junto con el estado y el esquema que lo produjeron. Usa esos registros para inspeccionar clasificaciones inesperadas, identificar criterios ambiguos y comparar los resultados con ejemplos revisados de la tarea. Si un usuario posterior necesita una explicación escrita, la decisión y la evidencia original pueden servir de entrada a un paso independiente de redacción de respuestas. Clef proporciona la decisión probabilística acotada necesaria para elegir esa siguiente etapa con una descripción clara de lo que se ha evaluado.
POST /v1/systemonetext, imagedecisions| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites cloudflare/clef | Predeterminado— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoquestions | Tipoobject | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposession_id | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campostate | Tiposchema | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campotrace | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoquestions.<id>.type | Tipostring | RequisitoObligatorio | Valores y límites noul, choice, score | Predeterminado— |
Campoquestions.<id>.instructions | Tipostring|object|array | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campoquestions.<id>.criteria | Tipoobject|array | RequisitoOpcional | Valores y límites Condiciones: choice/score: obligatorios; noul: opcional. Los criterios de choice son un objeto; score es una lista con minItems1. | Predeterminado— |
Campoquestions.<id>.criteria.true | Tipostring|object|array | RequisitoObligatorio | Valores y límites Se aplica cuando: Se ha proporcionado un objeto de criterios noul | Predeterminado— |
Campoquestions.<id>.criteria.false | Tipostring|object|array | RequisitoObligatorio | Valores y límites Se aplica cuando: Se ha proporcionado un objeto de criterios noul | Predeterminado— |
noul · Obligatorio: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obligatorio: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obligatorio: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, state, questions |
Parámetromaterial_types | Contratotext, image |
Parámetrooptional_controls | Contratoprovider, session_id, trace, user |
Parámetromultimodal_input_binding | ContratoUsa únicamente la representación exacta declarada del estado o documento. La capacidad de imagen del fabricante por sí sola no establece un formato de transmisión de imagen aceptado específico del modelo. |
Ciclo de vida: synchronous
Envía el ID exacto del modelo y conserva la respuesta nativa completa.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00048 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00048 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "cloudflare/clef",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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'\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
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Se conserva cada respuesta al ID de pregunta proporcionado con su tipo exacto, valor noul/choice/score, confianza, probabilidades y leyenda. El JSON original completo se almacena y solo se devuelve tras la liquidación.
Conserva la operación original y la respuesta completa o parcial; no repitas el POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Campoanswers.<id>.type | Tipostring |
Campoanswers.<id>.noul | Tiponumber |
Campoanswers.<id>.choice | Tipostring |
Campoanswers.<id>.score | Tiponumber |
Campoanswers.<id>.confidence | Tiponumber |
Campoanswers.<id>.probabilities | Tipoobject |
Campoanswers.<id>.legend | Tipoobject |
Campousage.input_tokens | Tipointeger |
Campousage.output_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampo obligatorio, representación o valor no válido | Siguiente pasoCorrige el campo indicado de la solicitud. |
Ailoot Ultra cloudflare/clef
Usa las rutas de método indicadas arriba.