Cloudflare Clef est le plus grand modèle dense de la famille de modèles de décision Clef, obtenu par post-entraînement de Qwen3.8-27B avec son encodeur visuel. Cloudflare associe ce socle à une tête de schéma conjointe qui achemine les éléments probants vers les questions et note ensemble leurs options autorisées. Clef lit une situation et renvoie des décisions bornées assorties de probabilités en une seule passe avant. Sa sortie est un résultat de classification, et non une prose générée, un rapport ouvert ou une commande proposée.
Préparez l’état et le schéma des questions comme des entrées distinctes. L’état peut être une chaîne ou du JSON représentant un dossier, une conversation, le contenu d’un document ou une situation applicative. Les questions sont indexées par 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 de support peut demander quelle équipe doit traiter la demande, si l’impact est urgent et quel critère de gravité s’applique, sans fusionner ces décisions différentes en une seule catégorie vague.
Une question noul renvoie la probabilité de vrai pour une condition binaire. Une question de choix renvoie une option nommée sélectionnée, les probabilités par option et la confiance. Une question de score utilise une liste ordonnée de descriptions, indexée à partir de zéro, et renvoie un score attendu, une légende et des probabilités. Un score fractionnaire a du sens, car il résume l’incertitude sur des niveaux ordonnés. Examinez la distribution autant que la réponse sélectionnée ; deux options proches peuvent révéler une distinction que l’entrée ne tranche pas.
Pour les contrôles de politique, incluez le texte réel de la règle et les faits du dossier. Prenons l’exemple d’un flux de traitement de documents avec des questions demandant si le dossier est complet, quelle catégorie d’examen s’applique et dans quelle mesure 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 une manière délibérée de 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 de formulaire peut évaluer la lisibilité, la présence d’une zone obligatoire et lequel des niveaux de qualité fournis la décrit le mieux. L’interface à poids ouverts du fabricant accepte également des tableaux de trames vidéo. Conservez les trames dans l’ordre et identifiez l’événement à évaluer. Un schéma de décision borné peut classer ce matériel, tandis qu’une demande de description narrative ou de nouveaux champs générés arbitrairement relève d’un autre type de sortie.
La référence hébergée du fabricant indique un contexte de 65 536 jetons, d’une à 64 questions et jusqu’à quatre images intégrées. Ses images PNG, JPEG ou WebP sont limitées à 4 MiB et 16 mégapixels chacune, avec 8 MiB au total après décodage ; l’ensemble du corps de la requête est limité à 13 MiB, et les liens d’images distants ne sont pas acceptés. Le budget d’entrée inclut les questions et les médias. Un long texte peut être tronqué pour tenir dans la fenêtre ; préservez donc les passages décisifs et les libellés de source. Ces limites décrivent l’interface d’images hébergée du producteur ; l’encodeur à poids ouverts possède ses propres représentations d’entrée locales.
La publication de Cloudflare décrit un entraînement à la notation contrainte par schéma et à la calibration des probabilités. Le modèle extrait les éléments pertinents pour chaque option, puis prend en compte les informations de l’ensemble des champs. Cela peut appuyer des décisions portant sur plusieurs questions liées au sein d’un même dossier, mais une probabilité élevée ne garantit pas pour autant que le fait sous-jacent est vrai. Évaluez les dossiers difficiles, incomplets et hors catégorie aussi bien que les cas simples. Des critères de décision utiles couvrent les situations que le flux de travail rencontre réellement et rendent explicites les distinctions importantes.
Dans un flux de travail d’agent, la sortie peut déterminer quelle étape suivante 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 cet historique d’exécution distinct du résultat de décision : sélectionner une voie d’examen n’établit pas qu’un examinateur a agi, et sélectionner une étape de diagnostic n’établit pas que cette étape a réussi.
L’artefact final est l’objet des réponses, accompagné de l’état et du schéma qui l’ont produit. Utilisez ces enregistrements pour examiner les classifications inattendues, repérer les critères ambigus et comparer les résultats avec des exemples de tâches déjà examinés. Si un utilisateur en aval a besoin d’une explication écrite, la décision et les éléments d’origine peuvent servir d’entrées à une étape distincte de rédaction de réponse. Clef fournit la décision probabiliste bornée nécessaire pour choisir cette étape suivante, avec un compte rendu clair de ce qui a été évalué.
", "aboutText": "Cloudflare Clef est le plus grand modèle dense de la famille de modèles de décision Clef, obtenu par post-entraînement de Qwen3.8-27B avec son encodeur visuel. Cloudflare associe ce socle à une tête de schéma conjointe qui achemine les éléments probants vers les questions et note ensemble leurs options autorisées. Clef lit une situation et renvoie des décisions bornées assorties de probabilités en une seule passe avant. Sa sortie est un résultat de classification, et non une prose générée, un rapport ouvert ou une commande proposée.\n\nPréparez l’état et le schéma des questions comme des entrées distinctes. L’état peut être une chaîne ou du JSON représentant un dossier, une conversation, le contenu d’un document ou une situation applicative. Les questions sont indexées par 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 de support peut demander quelle équipe doit traiter la demande, si l’impact est urgent et quel critère de gravité s’applique, sans fusionner ces décisions différentes en une seule catégorie vague.\n\nUne question noul renvoie la probabilité de vrai pour une condition binaire. Une question de choix renvoie une option nommée sélectionnée, les probabilités par option et la confiance. Une question de score utilise une liste ordonnée de descriptions, indexée à partir de zéro, et renvoie un score attendu, une légende et des probabilités. Un score fractionnaire a du sens, car il résume l’incertitude sur des niveaux ordonnés. Examinez la distribution autant que la réponse sélectionnée ; deux options proches peuvent révéler une distinction que l’entrée ne tranche pas.\n\nPour les contrôles de politique, incluez le texte réel de la règle et les faits du dossier. Prenons l’exemple d’un flux de traitement de documents avec des questions demandant si le dossier est complet, quelle catégorie d’examen s’applique et dans quelle mesure 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 une manière délibérée de 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 de formulaire peut évaluer la lisibilité, la présence d’une zone obligatoire et lequel des niveaux de qualité fournis la décrit le mieux. L’interface à poids ouverts du fabricant accepte également des tableaux de trames vidéo. Conservez les trames dans l’ordre et identifiez l’événement à évaluer. Un schéma de décision borné peut classer ce matériel, tandis qu’une demande de description narrative ou de nouveaux champs générés arbitrairement relève d’un autre type de sortie.\n\nLa référence hébergée du fabricant indique un contexte de 65 536 jetons, d’une à 64 questions et jusqu’à quatre images intégrées. Ses images PNG, JPEG ou WebP sont limitées à 4 MiB et 16 mégapixels chacune, avec 8 MiB au total après décodage ; l’ensemble du corps de la requête est limité à 13 MiB, et les liens d’images distants ne sont pas acceptés. Le budget d’entrée inclut les questions et les médias. Un long texte peut être tronqué pour tenir dans la fenêtre ; préservez donc les passages décisifs et les libellés de source. Ces limites décrivent l’interface d’images hébergée du producteur ; l’encodeur à poids ouverts possède ses propres représentations d’entrée locales.\n\nLa publication de Cloudflare décrit un entraînement à la notation contrainte par schéma et à la calibration des probabilités. Le modèle extrait les éléments pertinents pour chaque option, puis prend en compte les informations de l’ensemble des champs. Cela peut appuyer des décisions portant sur plusieurs questions liées au sein d’un même dossier, mais une probabilité élevée ne garantit pas pour autant que le fait sous-jacent est vrai. Évaluez les dossiers difficiles, incomplets et hors catégorie aussi bien que les cas simples. Des critères de décision utiles couvrent les situations que le flux de travail rencontre réellement et rendent explicites les distinctions importantes.\n\nDans un flux de travail d’agent, la sortie peut déterminer quelle étape suivante 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 cet historique d’exécution distinct du résultat de décision : sélectionner une voie d’examen n’établit pas qu’un examinateur a agi, et sélectionner une étape de diagnostic n’établit pas que cette étape a réussi.\n\nL’artefact final est l’objet des réponses, accompagné de l’état et du schéma qui l’ont produit. Utilisez ces enregistrements pour examiner les classifications inattendues, repérer les critères ambigus et comparer les résultats avec des exemples de tâches déjà examinés. Si un utilisateur en aval a besoin d’une explication écrite, la décision et les éléments d’origine peuvent servir d’entrées à une étape distincte de rédaction de réponse. Clef fournit la décision probabiliste bornée nécessaire pour choisir cette étape suivante, avec un compte rendu clair de ce qui a été évalué.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "cea4c84ea22d125eedb687a73f64a5ba55602c7468ee4db397766822b7150d94", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "cloudflare/clefCloudflare Clef est un modèle de décision multimodal de 27B paramètres destiné à la classification, aux contrôles de politique et aux choix dans les flux de travail d’agents. Il évalue un état fourni et des questions typées, et renvoie des probabilités pour les alternatives autorisées, des catégories sélectionnées et des scores pondérés. Il accepte des éléments textuels et visuels sans générer de prose.
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 modèles de décision Clef, obtenu par post-entraînement de Qwen3.8-27B avec son encodeur visuel. Cloudflare associe ce socle à une tête de schéma conjointe qui achemine les éléments probants vers les questions et note ensemble leurs options autorisées. Clef lit une situation et renvoie des décisions bornées assorties de probabilités en une seule passe avant. Sa sortie est un résultat de classification, et non une prose générée, un rapport ouvert ou une commande proposée.
Préparez l’état et le schéma des questions comme des entrées distinctes. L’état peut être une chaîne ou du JSON représentant un dossier, une conversation, le contenu d’un document ou une situation applicative. Les questions sont indexées par 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 de support peut demander quelle équipe doit traiter la demande, si l’impact est urgent et quel critère de gravité s’applique, sans fusionner ces décisions différentes en une seule catégorie vague.
Une question noul renvoie la probabilité de vrai pour une condition binaire. Une question de choix renvoie une option nommée sélectionnée, les probabilités par option et la confiance. Une question de score utilise une liste ordonnée de descriptions, indexée à partir de zéro, et renvoie un score attendu, une légende et des probabilités. Un score fractionnaire a du sens, car il résume l’incertitude sur des niveaux ordonnés. Examinez la distribution autant que la réponse sélectionnée ; deux options proches peuvent révéler une distinction que l’entrée ne tranche pas.
Pour les contrôles de politique, incluez le texte réel de la règle et les faits du dossier. Prenons l’exemple d’un flux de traitement de documents avec des questions demandant si le dossier est complet, quelle catégorie d’examen s’applique et dans quelle mesure 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 une manière délibérée de 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 de formulaire peut évaluer la lisibilité, la présence d’une zone obligatoire et lequel des niveaux de qualité fournis la décrit le mieux. L’interface à poids ouverts du fabricant accepte également des tableaux de trames vidéo. Conservez les trames dans l’ordre et identifiez l’événement à évaluer. Un schéma de décision borné peut classer ce matériel, tandis qu’une demande de description narrative ou de nouveaux champs générés arbitrairement relève d’un autre type de sortie.
La référence hébergée du fabricant indique un contexte de 65 536 jetons, d’une à 64 questions et jusqu’à quatre images intégrées. Ses images PNG, JPEG ou WebP sont limitées à 4 MiB et 16 mégapixels chacune, avec 8 MiB au total après décodage ; l’ensemble du corps de la requête est limité à 13 MiB, et les liens d’images distants ne sont pas acceptés. Le budget d’entrée inclut les questions et les médias. Un long texte peut être tronqué pour tenir dans la fenêtre ; préservez donc les passages décisifs et les libellés de source. Ces limites décrivent l’interface d’images hébergée du producteur ; l’encodeur à poids ouverts possède ses propres représentations d’entrée locales.
La publication de Cloudflare décrit un entraînement à la notation contrainte par schéma et à la calibration des probabilités. Le modèle extrait les éléments pertinents pour chaque option, puis prend en compte les informations de l’ensemble des champs. Cela peut appuyer des décisions portant sur plusieurs questions liées au sein d’un même dossier, mais une probabilité élevée ne garantit pas pour autant que le fait sous-jacent est vrai. Évaluez les dossiers difficiles, incomplets et hors catégorie aussi bien que les cas simples. Des critères de décision utiles couvrent les situations que le flux de travail rencontre réellement et rendent explicites les distinctions importantes.
Dans un flux de travail d’agent, la sortie peut déterminer quelle étape suivante 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 cet historique d’exécution distinct du résultat de décision : sélectionner une voie d’examen n’établit pas qu’un examinateur a agi, et sélectionner une étape de diagnostic n’établit pas que cette étape a réussi.
L’artefact final est l’objet des réponses, accompagné de l’état et du schéma qui l’ont produit. Utilisez ces enregistrements pour examiner les classifications inattendues, repérer les critères ambigus et comparer les résultats avec des exemples de tâches déjà examinés. Si un utilisateur en aval a besoin d’une explication écrite, la décision et les éléments d’origine peuvent servir d’entrées à une étape distincte de rédaction de réponse. Clef fournit la décision probabiliste bornée nécessaire pour choisir cette étape suivante, avec un compte rendu clair 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 : obligatoires ; noul : facultatif. Les critères de choice forment un objet ; score est un tableau avec minItems égal à 1. | 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 seule capacité du fabricant à traiter des images ne prouve pas l’existence d’un format d’entrée image accepté pour ce modèle. |
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 degré de confiance, ses probabilités et sa légende. L’intégralité du JSON d’origine est enregistrée et renvoyée uniquement après le règlement.
Conservez l’opération d’origine et la réponse complète ou partielle ; ne rejouez 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 non valide | Étape suivanteCorrigez le champ de requête indiqué. |
Ailoot Ultra cloudflare/clef
Utilisez les chemins de méthode indiqués ci-dessus.