Cloudflare publica os modelos de decisão de código aberto Clef e Clef‑flash: avaliação estruturada para agentes de IA de baixa latência

Resumo da notícia

A Cloudflare anunciou, no dia 1 de outubro de 2026, a disponibilização oficial, através do seu blog institucional e da loja de aplicações Workers AI, de dois novos modelos de decisão de código aberto, denominados Clef e Clef‑flash. Cada modelo foi construído a partir de um modelo base desenvolvido pela Alibaba, nomeadamente o Qwen3.8‑27B e o Qwen3.5‑9B, e ambos são distribuídos sob a licença Apache 2.0, permitindo download livre, implementação em ambientes próprios e, se desejado, re‑treino ou ajustes adicionais. Esta iniciativa representa uma mudança estratégica da Cloudflare, que evolui de um fornecedor tradicional de CDN para uma plataforma completa de agentes de IA na extremidade da rede.

Detalhes técnicos, especificações e desempenho

Um modelo de decisão é um tipo de modelo de aprendizagem automática que, em vez de gerar texto livre, devolve a distribuição de probabilidade para cada opção de uma pergunta pré‑definida – seja do tipo verdadeiro/falso, escolha única ou avaliação em escala. Essa saída probabilística pode ser inserida directamente em fluxos de automação, reduzindo a necessidade de pós‑processamento complexo e facilitando a integração com sistemas de encaminhamento, classificação ou roteamento. A família Clef incorpora a tecnologia de ajuste fino por instrução da série Qwen, preservando a compreensão semântica do modelo base e acrescentando, na camada final, uma cabeça de classificação que produz vetores de probabilidade.

O Clef baseia‑se no Qwen3.8‑27B, contendo aproximadamente 2,7 mil milhões de parâmetros, e suporta um contexto de até 64 KB, incluindo um codificador visual que permite processar entradas híbridas de texto e imagem. O Clef‑flash, por sua vez, utiliza o Qwen3.5‑9B, com cerca de 900 milhões de parâmetros, também com suporte a 64 KB de contexto, mas focado exclusivamente em decisões baseadas em texto, o que resulta em tempos de resposta ainda mais rápidos. Ambos os modelos são licenciados sob Apache 2.0, o que autoriza uso comercial, redistribuição e modificações conforme necessário, e podem ser invocados directamente via API Workers AI, sendo compatíveis com o SDK TypeSafe Jev.

• Clef: baseado no Qwen3.8‑27B, contém aproximadamente 2,7 mil milhões de parâmetros, suporta contexto de até 64 KB, inclui codificador visual e pode processar entradas híbridas de texto e imagem.
• Clef‑flash: baseado no Qwen3.5‑9B, contém aproximadamente 900 milhões de parâmetros, também suporta contexto de até 64 KB, foca exclusivamente em decisões baseadas em texto, oferecendo tempos de resposta ainda mais rápidos.
• Licença: Apache 2.0, permitindo uso comercial, redistribuição e modificações conforme necessário.
• Modo de implantação: pode ser invocado directamente via API Workers AI e é compatível com o SDK TypeSafe Jev.
• Formato de saída: vetor de probabilidades ou escore binário, adequado para casos de uso como encaminhamento de tickets, classificação de domínios, barreiras de proxy e decisões de roteamento.

A Cloudflare divulgou, a partir de 43 avaliações internas, que o modelo Clef apresentou latência mediana de 209,3 ms, enquanto o Clef‑flash registou 38,8 ms. Em comparação, o modelo concorrente TypeSafe Jev, executado na mesma plataforma, mostrou latência de 524,1 ms, evidenciando uma vantagem significativa para as soluções da Cloudflare. Em termos de métricas de qualidade, como precisão e recall, os dois modelos apresentaram desempenhos complementares: o Clef destacou‑se em tarefas que exigem interpretação de imagens complexas, enquanto o Clef‑flash demonstrou superioridade em decisões textuais rápidas.

A empresa sublinha, contudo, que esses números ainda precisam de ser validados por avaliações independentes de terceiros. Essa ressalva reflete a prática comum de publicar resultados internos antes de receber confirmação externa, e indica que os utilizadores devem considerar os benchmarks como indicadores iniciais, não como garantias definitivas de desempenho em ambientes de produção.

Ajuste fino por reforço, limitações e perspetivas

Juntamente com os modelos, a Cloudflare lançou também um serviço de ajuste fino por aprendizagem por reforço (RL‑FT). A equipa de engenharia criou um pipeline que permite que clientes ajustem os modelos com os seus próprios dados através de uma interface auto‑serviço, mantendo todo o processo dentro do ambiente Workers AI para garantir compatibilidade total com os modelos originais.

O fluxo de ajuste inclui a definição de ambientes de feedback, a criação de funções de recompensa personalizadas e a iteração de políticas, resultando num modelo de decisão que atende a requisitos de negócio específicos. Essa abordagem permite que organizações adaptem o comportamento probabilístico dos modelos a contextos particulares, como políticas internas de encaminhamento ou critérios de risco específicos.

A Cloudflare alerta explicitamente que, antes de adotar Clef ou Clef‑flash em produção, as organizações devem calibrar os limiares de probabilidade usando os seus próprios conjuntos de dados, evitando confiar exclusivamente nos benchmarks fornecidos pelo fornecedor para decisões de alto risco. Os modelos não garantem erro zero em todos os domínios; avaliações que envolvem questões jurídicas, médicas ou de conformidade financeira ainda requerem revisão humana. Embora a licença de código aberto permita modificações, a falta de boas práticas de segurança pode introduzir deriva de modelo ou vulnerabilidades a ataques adversariais.

Para empresas em Portugal, a série Clef oferece uma solução viável para implantar julgamentos de IA de baixa latência directamente na borda da rede. Centros de apoio ao cliente podem usar o modelo para encaminhar tickets em tempo real, plataformas de comércio eletrónico podem classificar tráfego malicioso no ponto de entrega da CDN, e instituições financeiras podem avaliar rapidamente o risco de transações na camada de API.

Caso avaliações independentes confirmem o desempenho relatado, espera‑se que mais fornecedores de SaaS integrem estes modelos de decisão nos seus contratos de serviço, impulsionando ainda mais a adoção de agentes de IA localizados e especializados. A disponibilidade sob licença Apache 2.0 também abre a possibilidade de comunidades contribuírem com melhorias, potencialmente ampliando o ecossistema em torno de decisões automatizadas de baixa latência.