Cloudflare Clef est le plus grand modèle dense de la famille de décision Clef, issu d’un post-entraînement de Qwen3.8-27B avec son encodeur visuel. Cloudflare associe cette architecture à une tête commune au schéma, qui dirige les éléments probants vers les questions et évalue ensemble leurs options autorisées. Clef lit une situation et renvoie des décisions délimitées avec des probabilités en une seule passe avant. Sa sortie est un résultat de classification, plutôt qu’un texte généré, un rapport libre ou une commande proposée.
Préparez l’état et le schéma des questions comme des entrées distinctes. L’état peut être une chaîne de caractères ou du JSON représentant un dossier, une conversation, le contenu d’un document ou une situation dans une application. Les questions sont associées à des noms stables, et ces mêmes noms identifient les réponses renvoyées. Définissez ce que chaque question doit établir et décrivez les options pertinentes. Un dossier d’assistance peut demander quelle équipe doit traiter la demande, si l’impact est urgent et quel critère de gravité s’applique, sans réunir ces décisions différentes dans une catégorie vague.
Une question noul renvoie la probabilité qu’une condition binaire soit vraie. Une question choice renvoie une option nommée sélectionnée, les probabilités de chaque option et une valeur de confiance. Une question score utilise une liste ordonnée de descriptions dont les indices commencent à zéro, puis renvoie un score attendu, une légende et des probabilités. Un score fractionnaire a un sens, car il résume l’incertitude entre des niveaux ordonnés. Examinez la distribution ainsi que la réponse sélectionnée ; deux options proches peuvent révéler une distinction que l’entrée ne permet pas de trancher.
Pour les vérifications de règles, incluez le texte réel de la règle et les faits du dossier. Un exemple serait un processus de traitement documentaire comportant des questions sur la complétude du dossier, la catégorie de vérification applicable et la mesure dans laquelle les éléments justifient une attention immédiate. Posez des questions distinctes pour des conditions distinctes. Une évaluation de conformité par le modèle doit rester liée à la règle et aux éléments fournis. Si une condition importante manque, le schéma et l’application doivent prévoir délibérément comment gérer cette incertitude.
Pour les éléments visuels, fournissez une image lisible et une question portant sur une condition visible ou une catégorie définie. Un contrôle de qualité d’un formulaire pourrait évaluer sa lisibilité, la présence d’une zone obligatoire et le niveau de qualité qui le décrit le mieux parmi ceux proposés. L’interface aux poids ouverts du fabricant accepte aussi des tableaux d’images vidéo. Gardez les images dans l’ordre et identifiez l’événement à évaluer. Un schéma de décision délimité peut classer ce matériau, tandis qu’une demande de description narrative ou de nouveaux champs arbitrairement générés correspond à un autre type de sortie.
La référence hébergée du fabricant indique un contexte de 65 536 tokens, d’une à 64 questions et jusqu’à quatre images incorporées. Ses images PNG, JPEG ou WebP sont limitées à 4 MiB et 16 mégapixels chacune, avec un total de 8 MiB après décodage ; le corps complet de la requête est limité à 13 MiB, et les liens d’images distants ne sont pas acceptés. Le budget d’entrée comprend les questions et les médias. Un texte long peut être tronqué pour tenir dans la fenêtre ; préservez donc les passages décisifs et les libellés des sources. Ces limites décrivent l’interface d’images hébergée du producteur ; l’encodeur aux poids ouverts possède ses propres représentations d’entrées locales.
La publication de Cloudflare décrit un entraînement à l’évaluation délimitée par un schéma et au calibrage des probabilités. Le modèle extrait les éléments pertinents pour les différentes options, puis prend en compte les informations entre les champs. Cela peut faciliter des décisions portant sur plusieurs questions liées dans un même dossier, sans qu’une probabilité élevée garantisse pour autant la véracité du fait sous-jacent. Évaluez les dossiers difficiles, incomplets et hors catégories, ainsi que les cas simples. Des critères de décision utiles couvrent les situations réellement rencontrées par le processus et rendent explicites les distinctions importantes.
Dans un processus d’agent, la sortie peut déterminer quelle prochaine étape définie doit être envisagée. Fournissez l’observation actuelle et les actions candidates avec des descriptions claires, puis conservez l’option sélectionnée et ses probabilités. L’application environnante applique sa politique d’action et enregistre ce qu’elle a fait. Gardez cette trace d’exécution séparée du résultat de décision : sélectionner une voie de vérification n’établit pas qu’une personne a effectué la vérification, et sélectionner une étape de diagnostic n’établit pas que cette étape a réussi.
L’artefact final est l’objet de réponses, accompagné de l’état et du schéma qui l’ont produit. Utilisez ces éléments pour examiner les classifications inattendues, repérer les critères ambigus et comparer les résultats à des exemples vérifiés de la tâche. Si un utilisateur en aval a besoin d’une explication écrite, la décision et les éléments d’origine peuvent alimenter une étape de rédaction distincte. Clef fournit la décision probabiliste délimitée nécessaire pour choisir l’étape suivante, avec une description claire de ce qui a été évalué.
", "aboutText": "Cloudflare Clef est le plus grand modèle dense de la famille de décision Clef, issu d’un post-entraînement de Qwen3.8-27B avec son encodeur visuel. Cloudflare associe cette architecture à une tête commune au schéma, qui dirige les éléments probants vers les questions et évalue ensemble leurs options autorisées. Clef lit une situation et renvoie des décisions délimitées avec des probabilités en une seule passe avant. Sa sortie est un résultat de classification, plutôt qu’un texte généré, un rapport libre ou une commande proposée.\n\nPréparez l’état et le schéma des questions comme des entrées distinctes. L’état peut être une chaîne de caractères ou du JSON représentant un dossier, une conversation, le contenu d’un document ou une situation dans une application. Les questions sont associées à des noms stables, et ces mêmes noms identifient les réponses renvoyées. Définissez ce que chaque question doit établir et décrivez les options pertinentes. Un dossier d’assistance peut demander quelle équipe doit traiter la demande, si l’impact est urgent et quel critère de gravité s’applique, sans réunir ces décisions différentes dans une catégorie vague.\n\nUne question noul renvoie la probabilité qu’une condition binaire soit vraie. Une question choice renvoie une option nommée sélectionnée, les probabilités de chaque option et une valeur de confiance. Une question score utilise une liste ordonnée de descriptions dont les indices commencent à zéro, puis renvoie un score attendu, une légende et des probabilités. Un score fractionnaire a un sens, car il résume l’incertitude entre des niveaux ordonnés. Examinez la distribution ainsi que la réponse sélectionnée ; deux options proches peuvent révéler une distinction que l’entrée ne permet pas de trancher.\n\nPour les vérifications de règles, incluez le texte réel de la règle et les faits du dossier. Un exemple serait un processus de traitement documentaire comportant des questions sur la complétude du dossier, la catégorie de vérification applicable et la mesure dans laquelle les éléments justifient une attention immédiate. Posez des questions distinctes pour des conditions distinctes. Une évaluation de conformité par le modèle doit rester liée à la règle et aux éléments fournis. Si une condition importante manque, le schéma et l’application doivent prévoir délibérément comment gérer cette incertitude.\n\nPour les éléments visuels, fournissez une image lisible et une question portant sur une condition visible ou une catégorie définie. Un contrôle de qualité d’un formulaire pourrait évaluer sa lisibilité, la présence d’une zone obligatoire et le niveau de qualité qui le décrit le mieux parmi ceux proposés. L’interface aux poids ouverts du fabricant accepte aussi des tableaux d’images vidéo. Gardez les images dans l’ordre et identifiez l’événement à évaluer. Un schéma de décision délimité peut classer ce matériau, tandis qu’une demande de description narrative ou de nouveaux champs arbitrairement générés correspond à un autre type de sortie.\n\nLa référence hébergée du fabricant indique un contexte de 65 536 tokens, d’une à 64 questions et jusqu’à quatre images incorporées. Ses images PNG, JPEG ou WebP sont limitées à 4 MiB et 16 mégapixels chacune, avec un total de 8 MiB après décodage ; le corps complet de la requête est limité à 13 MiB, et les liens d’images distants ne sont pas acceptés. Le budget d’entrée comprend les questions et les médias. Un texte long peut être tronqué pour tenir dans la fenêtre ; préservez donc les passages décisifs et les libellés des sources. Ces limites décrivent l’interface d’images hébergée du producteur ; l’encodeur aux poids ouverts possède ses propres représentations d’entrées locales.\n\nLa publication de Cloudflare décrit un entraînement à l’évaluation délimitée par un schéma et au calibrage des probabilités. Le modèle extrait les éléments pertinents pour les différentes options, puis prend en compte les informations entre les champs. Cela peut faciliter des décisions portant sur plusieurs questions liées dans un même dossier, sans qu’une probabilité élevée garantisse pour autant la véracité du fait sous-jacent. Évaluez les dossiers difficiles, incomplets et hors catégories, ainsi que les cas simples. Des critères de décision utiles couvrent les situations réellement rencontrées par le processus et rendent explicites les distinctions importantes.\n\nDans un processus d’agent, la sortie peut déterminer quelle prochaine étape définie doit être envisagée. Fournissez l’observation actuelle et les actions candidates avec des descriptions claires, puis conservez l’option sélectionnée et ses probabilités. L’application environnante applique sa politique d’action et enregistre ce qu’elle a fait. Gardez cette trace d’exécution séparée du résultat de décision : sélectionner une voie de vérification n’établit pas qu’une personne a effectué la vérification, et sélectionner une étape de diagnostic n’établit pas que cette étape a réussi.\n\nL’artefact final est l’objet de réponses, accompagné de l’état et du schéma qui l’ont produit. Utilisez ces éléments pour examiner les classifications inattendues, repérer les critères ambigus et comparer les résultats à des exemples vérifiés de la tâche. Si un utilisateur en aval a besoin d’une explication écrite, la décision et les éléments d’origine peuvent alimenter une étape de rédaction distincte. Clef fournit la décision probabiliste délimitée nécessaire pour choisir l’étape suivante, avec une description claire de ce qui a été évalué.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5619df40efb530cee99e456ee192a94f6ac81603a892fc14b499cbad8240c405", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "cloudflare/clefCloudflare Clef est un modèle de décision multimodal de 27 milliards de paramètres destiné à la classification, aux vérifications de règles et aux choix dans les processus d’agents. Il évalue un état fourni et des questions typées, puis renvoie les probabilités des alternatives autorisées, les catégories sélectionnées et des scores pondérés. Il accepte des éléments textuels et visuels sans générer de texte.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Cloudflare Clef est le plus grand modèle dense de la famille de décision Clef, issu d’un post-entraînement de Qwen3.8-27B avec son encodeur visuel. Cloudflare associe cette architecture à une tête commune au schéma, qui dirige les éléments probants vers les questions et évalue ensemble leurs options autorisées. Clef lit une situation et renvoie des décisions délimitées avec des probabilités en une seule passe avant. Sa sortie est un résultat de classification, plutôt qu’un texte généré, un rapport libre ou une commande proposée.
Préparez l’état et le schéma des questions comme des entrées distinctes. L’état peut être une chaîne de caractères ou du JSON représentant un dossier, une conversation, le contenu d’un document ou une situation dans une application. Les questions sont associées à des noms stables, et ces mêmes noms identifient les réponses renvoyées. Définissez ce que chaque question doit établir et décrivez les options pertinentes. Un dossier d’assistance peut demander quelle équipe doit traiter la demande, si l’impact est urgent et quel critère de gravité s’applique, sans réunir ces décisions différentes dans une catégorie vague.
Une question noul renvoie la probabilité qu’une condition binaire soit vraie. Une question choice renvoie une option nommée sélectionnée, les probabilités de chaque option et une valeur de confiance. Une question score utilise une liste ordonnée de descriptions dont les indices commencent à zéro, puis renvoie un score attendu, une légende et des probabilités. Un score fractionnaire a un sens, car il résume l’incertitude entre des niveaux ordonnés. Examinez la distribution ainsi que la réponse sélectionnée ; deux options proches peuvent révéler une distinction que l’entrée ne permet pas de trancher.
Pour les vérifications de règles, incluez le texte réel de la règle et les faits du dossier. Un exemple serait un processus de traitement documentaire comportant des questions sur la complétude du dossier, la catégorie de vérification applicable et la mesure dans laquelle les éléments justifient une attention immédiate. Posez des questions distinctes pour des conditions distinctes. Une évaluation de conformité par le modèle doit rester liée à la règle et aux éléments fournis. Si une condition importante manque, le schéma et l’application doivent prévoir délibérément comment gérer cette incertitude.
Pour les éléments visuels, fournissez une image lisible et une question portant sur une condition visible ou une catégorie définie. Un contrôle de qualité d’un formulaire pourrait évaluer sa lisibilité, la présence d’une zone obligatoire et le niveau de qualité qui le décrit le mieux parmi ceux proposés. L’interface aux poids ouverts du fabricant accepte aussi des tableaux d’images vidéo. Gardez les images dans l’ordre et identifiez l’événement à évaluer. Un schéma de décision délimité peut classer ce matériau, tandis qu’une demande de description narrative ou de nouveaux champs arbitrairement générés correspond à un autre type de sortie.
La référence hébergée du fabricant indique un contexte de 65 536 tokens, d’une à 64 questions et jusqu’à quatre images incorporées. Ses images PNG, JPEG ou WebP sont limitées à 4 MiB et 16 mégapixels chacune, avec un total de 8 MiB après décodage ; le corps complet de la requête est limité à 13 MiB, et les liens d’images distants ne sont pas acceptés. Le budget d’entrée comprend les questions et les médias. Un texte long peut être tronqué pour tenir dans la fenêtre ; préservez donc les passages décisifs et les libellés des sources. Ces limites décrivent l’interface d’images hébergée du producteur ; l’encodeur aux poids ouverts possède ses propres représentations d’entrées locales.
La publication de Cloudflare décrit un entraînement à l’évaluation délimitée par un schéma et au calibrage des probabilités. Le modèle extrait les éléments pertinents pour les différentes options, puis prend en compte les informations entre les champs. Cela peut faciliter des décisions portant sur plusieurs questions liées dans un même dossier, sans qu’une probabilité élevée garantisse pour autant la véracité du fait sous-jacent. Évaluez les dossiers difficiles, incomplets et hors catégories, ainsi que les cas simples. Des critères de décision utiles couvrent les situations réellement rencontrées par le processus et rendent explicites les distinctions importantes.
Dans un processus d’agent, la sortie peut déterminer quelle prochaine étape définie doit être envisagée. Fournissez l’observation actuelle et les actions candidates avec des descriptions claires, puis conservez l’option sélectionnée et ses probabilités. L’application environnante applique sa politique d’action et enregistre ce qu’elle a fait. Gardez cette trace d’exécution séparée du résultat de décision : sélectionner une voie de vérification n’établit pas qu’une personne a effectué la vérification, et sélectionner une étape de diagnostic n’établit pas que cette étape a réussi.
L’artefact final est l’objet de réponses, accompagné de l’état et du schéma qui l’ont produit. Utilisez ces éléments pour examiner les classifications inattendues, repérer les critères ambigus et comparer les résultats à des exemples vérifiés de la tâche. Si un utilisateur en aval a besoin d’une explication écrite, la décision et les éléments d’origine peuvent alimenter une étape de rédaction distincte. Clef fournit la décision probabiliste délimitée nécessaire pour choisir l’étape suivante, avec une description claire de ce qui a été évalué.
POST /v1/systemonetext, imagedecisions| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites cloudflare/clef | Par défaut— |
Champprovider | Typeschema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champquestions | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsession_id | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champstate | Typeschema | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champtrace | Typeschema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champquestions.<id>.type | Typestring | ExigenceObligatoire | Valeurs et limites noul, choice, score | Par défaut— |
Champquestions.<id>.instructions | Typestring|object|array | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champquestions.<id>.criteria | Typeobject|array | ExigenceFacultatif | Valeurs et limites Conditions: choice/score : obligatoire ; noul : facultatif. Les critères de choice forment un objet ; score est un tableau avec minItems1. | Par défaut— |
Champquestions.<id>.criteria.true | Typestring|object|array | ExigenceObligatoire | Valeurs et limites S’applique lorsque: objet de critères noul fourni | Par défaut— |
Champquestions.<id>.criteria.false | Typestring|object|array | ExigenceObligatoire | Valeurs et limites S’applique lorsque: objet de critères noul fourni | Par défaut— |
noul · Obligatoire : state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obligatoire : state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obligatoire : state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, state, questions |
Paramètrematerial_types | Contrattext, image |
Paramètreoptional_controls | Contratprovider, session_id, trace, user |
Paramètremultimodal_input_binding | ContratUtilisez uniquement la représentation exacte déclarée de l’état ou du document. La capacité du fabricant à traiter des images ne suffit pas à établir un format de transport d’image accepté pour le modèle concerné. |
Cycle de vie : synchronous
Envoyez l’identifiant exact du modèle et conservez la réponse native complète.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00048 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00048 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "cloudflare/clef",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Chaque réponse fournie pour un identifiant de question est conservée avec son type exact, sa valeur noul/choice/score, son niveau de confiance, ses probabilités et sa légende. L’intégralité du JSON d’origine est enregistrée et renvoyée uniquement après la facturation définitive.
Conservez l’opération d’origine et la réponse complète ou partielle ; ne répétez pas le POST.
| Champ | Type |
|---|---|
Champmodel | Typestring |
Champid | Typestring |
Champprovider | Typestring |
Champanswers.<id>.type | Typestring |
Champanswers.<id>.noul | Typenumber |
Champanswers.<id>.choice | Typestring |
Champanswers.<id>.score | Typenumber |
Champanswers.<id>.confidence | Typenumber |
Champanswers.<id>.probabilities | Typeobject |
Champanswers.<id>.legend | Typeobject |
Champusage.input_tokens | Typeinteger |
Champusage.output_tokens | Typeinteger |
Champusage.cost | Typenumber |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamp obligatoire, représentation ou valeur invalide | Étape suivanteCorrigez le champ indiqué dans la requête. |
Ailoot Ultra cloudflare/clef
Utilisez les chemins de méthode indiqués ci-dessus.