Cloudflare Clef é o modelo denso maior da família de decisão Clef, obtido por pós-treino de Qwen3.8-27B com o seu codificador visual. A Cloudflare combina essa arquitetura de base com uma cabeça de esquema conjunto que encaminha a evidência para as perguntas e pontua as respetivas opções permitidas em conjunto. Clef lê uma situação e devolve decisões delimitadas com probabilidades numa única passagem de inferência. A sua saída é um resultado de classificação, em vez de prosa gerada, um relatório aberto ou um comando proposto.
Prepare o estado e o esquema de perguntas como entradas distintas. O estado pode ser uma cadeia de texto ou JSON que represente um registo, uma conversa, o conteúdo de um documento ou uma situação da aplicação. As perguntas são identificadas por nomes estáveis, e os mesmos nomes identificam as respostas devolvidas. Defina o que cada pergunta deve estabelecer e descreva as opções relevantes. Um registo de suporte pode perguntar que equipa deve tratar o pedido, se o impacto é urgente e qual o critério de gravidade aplicável, sem combinar essas decisões diferentes numa categoria vaga.
Uma pergunta noul devolve a probabilidade de verdadeiro para uma condição binária. Uma pergunta choice devolve uma opção com nome selecionada, probabilidades por opção e confiança. Uma pergunta score utiliza uma lista ordenada de descrições, com índices a partir de zero, e devolve uma pontuação esperada, uma legenda e as probabilidades. Uma pontuação fracionária tem significado porque resume a incerteza entre níveis ordenados. Examine a distribuição, além da resposta selecionada; duas opções próximas podem revelar uma distinção que a entrada não resolve.
Para verificações de políticas, inclua o texto real da regra e os factos do registo. Um exemplo é um fluxo de processamento de documentos com perguntas sobre se o registo está completo, qual a categoria de revisão aplicável e até que ponto a evidência sustenta atenção imediata. Faça perguntas separadas para condições separadas. Uma avaliação de conformidade pelo modelo deve manter-se ligada à regra e à evidência fornecidas. Se faltar uma condição importante, o esquema e a aplicação devem ter uma forma deliberada de lidar com essa incerteza.
Para evidência visual, forneça uma imagem legível e uma pergunta sobre uma condição visível ou uma categoria definida. Uma verificação de qualidade de um formulário pode avaliar a legibilidade, se uma área obrigatória está presente e qual dos níveis de qualidade fornecidos melhor o descreve. A interface de pesos abertos do fabricante também aceita matrizes de fotogramas de vídeo. Mantenha os fotogramas por ordem e identifique o evento a avaliar. Um esquema de decisão delimitado pode classificar esse material, enquanto um pedido de descrição narrativa ou de novos campos gerados arbitrariamente pertence a outro tipo de saída.
A referência da interface alojada do fabricante indica um contexto de 65 536 tokens, uma a 64 perguntas e até quatro imagens incorporadas. As imagens PNG, JPEG ou WebP estão limitadas a 4 MiB e 16 megapíxeis cada, com um total descodificado de 8 MiB; o corpo completo do pedido está limitado a 13 MiB e não são aceites ligações remotas para imagens. O orçamento de entrada inclui as perguntas e os conteúdos multimédia. Texto longo pode ser truncado para caber, por isso preserve as passagens decisivas e as etiquetas de origem. Estes limites descrevem a interface de imagens alojada do produtor; o codificador de pesos abertos tem as suas próprias representações de entradas locais.
A publicação da Cloudflare descreve treino para pontuação delimitada pelo esquema e calibração de probabilidades. O modelo extrai evidência relevante para opções individuais e depois considera informação entre campos. Isto pode apoiar decisões sobre várias perguntas relacionadas num único registo, mas não transforma uma probabilidade elevada numa garantia de que o facto subjacente é verdadeiro. Avalie registos difíceis, incompletos e fora das categorias, além dos casos simples. Critérios de decisão úteis abrangem as situações que o fluxo de trabalho realmente encontra e tornam explícitas as distinções importantes.
Num fluxo de trabalho de agentes, a saída pode determinar qual a etapa seguinte definida que deve ser considerada. Forneça a observação atual e as ações candidatas com descrições claras e, depois, conserve a opção selecionada e as suas probabilidades. A aplicação que o integra aplica a sua política de atuação e regista o que fez. Mantenha esse registo de execução separado do resultado da decisão: selecionar uma via de revisão não demonstra que um revisor tenha atuado, e selecionar uma etapa de diagnóstico não demonstra que essa etapa tenha sido bem-sucedida.
O artefacto final é o objeto de respostas em conjunto com o estado e o esquema que o produziram. Utilize esses registos para examinar classificações inesperadas, identificar critérios ambíguos e comparar resultados com exemplos revistos da tarefa. Se um utilizador a jusante precisar de uma explicação escrita, a decisão e a evidência original podem servir de entradas para uma etapa separada de redação da resposta. Clef fornece a decisão probabilística delimitada necessária para escolher essa etapa seguinte, com um registo claro do que foi avaliado.
", "aboutText": "Cloudflare Clef é o modelo denso maior da família de decisão Clef, obtido por pós-treino de Qwen3.8-27B com o seu codificador visual. A Cloudflare combina essa arquitetura de base com uma cabeça de esquema conjunto que encaminha a evidência para as perguntas e pontua as respetivas opções permitidas em conjunto. Clef lê uma situação e devolve decisões delimitadas com probabilidades numa única passagem de inferência. A sua saída é um resultado de classificação, em vez de prosa gerada, um relatório aberto ou um comando proposto.\n\nPrepare o estado e o esquema de perguntas como entradas distintas. O estado pode ser uma cadeia de texto ou JSON que represente um registo, uma conversa, o conteúdo de um documento ou uma situação da aplicação. As perguntas são identificadas por nomes estáveis, e os mesmos nomes identificam as respostas devolvidas. Defina o que cada pergunta deve estabelecer e descreva as opções relevantes. Um registo de suporte pode perguntar que equipa deve tratar o pedido, se o impacto é urgente e qual o critério de gravidade aplicável, sem combinar essas decisões diferentes numa categoria vaga.\n\nUma pergunta noul devolve a probabilidade de verdadeiro para uma condição binária. Uma pergunta choice devolve uma opção com nome selecionada, probabilidades por opção e confiança. Uma pergunta score utiliza uma lista ordenada de descrições, com índices a partir de zero, e devolve uma pontuação esperada, uma legenda e as probabilidades. Uma pontuação fracionária tem significado porque resume a incerteza entre níveis ordenados. Examine a distribuição, além da resposta selecionada; duas opções próximas podem revelar uma distinção que a entrada não resolve.\n\nPara verificações de políticas, inclua o texto real da regra e os factos do registo. Um exemplo é um fluxo de processamento de documentos com perguntas sobre se o registo está completo, qual a categoria de revisão aplicável e até que ponto a evidência sustenta atenção imediata. Faça perguntas separadas para condições separadas. Uma avaliação de conformidade pelo modelo deve manter-se ligada à regra e à evidência fornecidas. Se faltar uma condição importante, o esquema e a aplicação devem ter uma forma deliberada de lidar com essa incerteza.\n\nPara evidência visual, forneça uma imagem legível e uma pergunta sobre uma condição visível ou uma categoria definida. Uma verificação de qualidade de um formulário pode avaliar a legibilidade, se uma área obrigatória está presente e qual dos níveis de qualidade fornecidos melhor o descreve. A interface de pesos abertos do fabricante também aceita matrizes de fotogramas de vídeo. Mantenha os fotogramas por ordem e identifique o evento a avaliar. Um esquema de decisão delimitado pode classificar esse material, enquanto um pedido de descrição narrativa ou de novos campos gerados arbitrariamente pertence a outro tipo de saída.\n\nA referência da interface alojada do fabricante indica um contexto de 65 536 tokens, uma a 64 perguntas e até quatro imagens incorporadas. As imagens PNG, JPEG ou WebP estão limitadas a 4 MiB e 16 megapíxeis cada, com um total descodificado de 8 MiB; o corpo completo do pedido está limitado a 13 MiB e não são aceites ligações remotas para imagens. O orçamento de entrada inclui as perguntas e os conteúdos multimédia. Texto longo pode ser truncado para caber, por isso preserve as passagens decisivas e as etiquetas de origem. Estes limites descrevem a interface de imagens alojada do produtor; o codificador de pesos abertos tem as suas próprias representações de entradas locais.\n\nA publicação da Cloudflare descreve treino para pontuação delimitada pelo esquema e calibração de probabilidades. O modelo extrai evidência relevante para opções individuais e depois considera informação entre campos. Isto pode apoiar decisões sobre várias perguntas relacionadas num único registo, mas não transforma uma probabilidade elevada numa garantia de que o facto subjacente é verdadeiro. Avalie registos difíceis, incompletos e fora das categorias, além dos casos simples. Critérios de decisão úteis abrangem as situações que o fluxo de trabalho realmente encontra e tornam explícitas as distinções importantes.\n\nNum fluxo de trabalho de agentes, a saída pode determinar qual a etapa seguinte definida que deve ser considerada. Forneça a observação atual e as ações candidatas com descrições claras e, depois, conserve a opção selecionada e as suas probabilidades. A aplicação que o integra aplica a sua política de atuação e regista o que fez. Mantenha esse registo de execução separado do resultado da decisão: selecionar uma via de revisão não demonstra que um revisor tenha atuado, e selecionar uma etapa de diagnóstico não demonstra que essa etapa tenha sido bem-sucedida.\n\nO artefacto final é o objeto de respostas em conjunto com o estado e o esquema que o produziram. Utilize esses registos para examinar classificações inesperadas, identificar critérios ambíguos e comparar resultados com exemplos revistos da tarefa. Se um utilizador a jusante precisar de uma explicação escrita, a decisão e a evidência original podem servir de entradas para uma etapa separada de redação da resposta. Clef fornece a decisão probabilística delimitada necessária para escolher essa etapa seguinte, com um registo claro do que foi avaliado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0a07b1481a060b173fc23aa3871b59d3f3ca9e5e7a3c9ed25089f87cfd6cb0f4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "cloudflare/clefCloudflare Clef é um modelo multimodal de decisão de 27B parâmetros para classificação, verificações de políticas e escolhas em fluxos de trabalho de agentes. Avalia um estado fornecido e perguntas tipadas, devolvendo probabilidades para as alternativas permitidas, categorias selecionadas e pontuações ponderadas. Aceita evidência textual e visual sem gerar prosa.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Cloudflare Clef é o modelo denso maior da família de decisão Clef, obtido por pós-treino de Qwen3.8-27B com o seu codificador visual. A Cloudflare combina essa arquitetura de base com uma cabeça de esquema conjunto que encaminha a evidência para as perguntas e pontua as respetivas opções permitidas em conjunto. Clef lê uma situação e devolve decisões delimitadas com probabilidades numa única passagem de inferência. A sua saída é um resultado de classificação, em vez de prosa gerada, um relatório aberto ou um comando proposto.
Prepare o estado e o esquema de perguntas como entradas distintas. O estado pode ser uma cadeia de texto ou JSON que represente um registo, uma conversa, o conteúdo de um documento ou uma situação da aplicação. As perguntas são identificadas por nomes estáveis, e os mesmos nomes identificam as respostas devolvidas. Defina o que cada pergunta deve estabelecer e descreva as opções relevantes. Um registo de suporte pode perguntar que equipa deve tratar o pedido, se o impacto é urgente e qual o critério de gravidade aplicável, sem combinar essas decisões diferentes numa categoria vaga.
Uma pergunta noul devolve a probabilidade de verdadeiro para uma condição binária. Uma pergunta choice devolve uma opção com nome selecionada, probabilidades por opção e confiança. Uma pergunta score utiliza uma lista ordenada de descrições, com índices a partir de zero, e devolve uma pontuação esperada, uma legenda e as probabilidades. Uma pontuação fracionária tem significado porque resume a incerteza entre níveis ordenados. Examine a distribuição, além da resposta selecionada; duas opções próximas podem revelar uma distinção que a entrada não resolve.
Para verificações de políticas, inclua o texto real da regra e os factos do registo. Um exemplo é um fluxo de processamento de documentos com perguntas sobre se o registo está completo, qual a categoria de revisão aplicável e até que ponto a evidência sustenta atenção imediata. Faça perguntas separadas para condições separadas. Uma avaliação de conformidade pelo modelo deve manter-se ligada à regra e à evidência fornecidas. Se faltar uma condição importante, o esquema e a aplicação devem ter uma forma deliberada de lidar com essa incerteza.
Para evidência visual, forneça uma imagem legível e uma pergunta sobre uma condição visível ou uma categoria definida. Uma verificação de qualidade de um formulário pode avaliar a legibilidade, se uma área obrigatória está presente e qual dos níveis de qualidade fornecidos melhor o descreve. A interface de pesos abertos do fabricante também aceita matrizes de fotogramas de vídeo. Mantenha os fotogramas por ordem e identifique o evento a avaliar. Um esquema de decisão delimitado pode classificar esse material, enquanto um pedido de descrição narrativa ou de novos campos gerados arbitrariamente pertence a outro tipo de saída.
A referência da interface alojada do fabricante indica um contexto de 65 536 tokens, uma a 64 perguntas e até quatro imagens incorporadas. As imagens PNG, JPEG ou WebP estão limitadas a 4 MiB e 16 megapíxeis cada, com um total descodificado de 8 MiB; o corpo completo do pedido está limitado a 13 MiB e não são aceites ligações remotas para imagens. O orçamento de entrada inclui as perguntas e os conteúdos multimédia. Texto longo pode ser truncado para caber, por isso preserve as passagens decisivas e as etiquetas de origem. Estes limites descrevem a interface de imagens alojada do produtor; o codificador de pesos abertos tem as suas próprias representações de entradas locais.
A publicação da Cloudflare descreve treino para pontuação delimitada pelo esquema e calibração de probabilidades. O modelo extrai evidência relevante para opções individuais e depois considera informação entre campos. Isto pode apoiar decisões sobre várias perguntas relacionadas num único registo, mas não transforma uma probabilidade elevada numa garantia de que o facto subjacente é verdadeiro. Avalie registos difíceis, incompletos e fora das categorias, além dos casos simples. Critérios de decisão úteis abrangem as situações que o fluxo de trabalho realmente encontra e tornam explícitas as distinções importantes.
Num fluxo de trabalho de agentes, a saída pode determinar qual a etapa seguinte definida que deve ser considerada. Forneça a observação atual e as ações candidatas com descrições claras e, depois, conserve a opção selecionada e as suas probabilidades. A aplicação que o integra aplica a sua política de atuação e regista o que fez. Mantenha esse registo de execução separado do resultado da decisão: selecionar uma via de revisão não demonstra que um revisor tenha atuado, e selecionar uma etapa de diagnóstico não demonstra que essa etapa tenha sido bem-sucedida.
O artefacto final é o objeto de respostas em conjunto com o estado e o esquema que o produziram. Utilize esses registos para examinar classificações inesperadas, identificar critérios ambíguos e comparar resultados com exemplos revistos da tarefa. Se um utilizador a jusante precisar de uma explicação escrita, a decisão e a evidência original podem servir de entradas para uma etapa separada de redação da resposta. Clef fornece a decisão probabilística delimitada necessária para escolher essa etapa seguinte, com um registo claro do que foi avaliado.
POST /v1/systemonetext, imagedecisions| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites cloudflare/clef | Predefinição— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores e limites | Predefinição— |
Campoquestions | Tipoobject | RequisitoObrigatório | Valores e limites | Predefinição— |
Camposession_id | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campostate | Tiposchema | RequisitoObrigatório | Valores e limites | Predefinição— |
Campotrace | Tiposchema | RequisitoOpcional | Valores e limites | Predefinição— |
Campouser | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campoquestions.<id>.type | Tipostring | RequisitoObrigatório | Valores e limites noul, choice, score | Predefinição— |
Campoquestions.<id>.instructions | Tipostring|object|array | RequisitoObrigatório | Valores e limites | Predefinição— |
Campoquestions.<id>.criteria | Tipoobject|array | RequisitoOpcional | Valores e limites Condições: choice/score: obrigatório; noul: opcional. Os critérios de choice são um objeto; score é uma matriz com minItems1. | Predefinição— |
Campoquestions.<id>.criteria.true | Tipostring|object|array | RequisitoObrigatório | Valores e limites Aplica-se quando: Objeto de critérios noul fornecido | Predefinição— |
Campoquestions.<id>.criteria.false | Tipostring|object|array | RequisitoObrigatório | Valores e limites Aplica-se quando: Objeto de critérios noul fornecido | Predefinição— |
noul · Obrigatório: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obrigatório: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obrigatório: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, state, questions |
Parâmetromaterial_types | Contratotext, image |
Parâmetrooptional_controls | Contratoprovider, session_id, trace, user |
Parâmetromultimodal_input_binding | ContratoUtilize apenas a representação exata declarada de estado/documento. A capacidade de imagens do fabricante, por si só, não estabelece uma forma aceite de transmitir imagens específica do modelo. |
Ciclo de vida: synchronous
Envie o ID exato do modelo e conserve a resposta nativa completa.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00048 / 1K tokens Saída · Tokens de saída $0 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00048 / 1K tokens Saída · Tokens de saída $0 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "cloudflare/clef",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
É conservada cada resposta fornecida a um ID de pergunta, com o respetivo tipo exato, valor noul/choice/score, confiança, probabilidades e legenda. O JSON original completo é armazenado e devolvido apenas após a liquidação.
Conserve a operação original e a resposta completa/parcial; não repita o 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 |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampo obrigatório, representação ou valor inválido | Passo seguinteCorrija o campo indicado no pedido. |
Ailoot Ultra cloudflare/clef
Use os caminhos dos métodos indicados acima.