Introduzione

Cloudflare ha annunciato il lancio di Clef e Clef‑flash, due modelli decisionali progettati per agenti AI che eliminano la necessità di un operatore umano nel ciclo decisionale. I modelli non producono risposte testuali estese, ma forniscono una classificazione breve con probabilità associate a opzioni predefinite, consentendo a sistemi a valle di agire direttamente o di inoltrare il caso a un operatore solo quando richiesto.

Che cosa sono i modelli decisionali Clef e Clef‑flash

Entrambi i modelli sono costruiti sulla famiglia di modelli Qwen: Clef si basa su Qwen3.8‑27B, mentre Clef‑flash utilizza il più leggero Qwen3.5‑9B. La differenza principale risiede nella latenza: Clef‑flash risponde in circa 39 ms, mentre Clef impiega circa 209 ms, valori significativamente inferiori rispetto ai 524 ms riportati da Jev, il modello decisionale di TypeSafe AI.

Funzionamento

Un modello decisionale risponde contemporaneamente a più domande predefinite su un input, restituendo per ciascuna una probabilità. Per esempio, di fronte a un messaggio di supporto clienti, Clef valuta l’urgenza e identifica il team più adatto a gestirlo. Il codice successivo può utilizzare queste probabilità per instradare il ticket, attivare un’escalation o passare la questione a un operatore umano.

Prestazioni e velocità

Cloudflare ha testato i modelli su 43 benchmark diversi, dimostrando che sia Clef che Clef‑flash superano tutti i modelli decisionali concorrenti in termini di latenza. I risultati mediani indicano 39 ms per Clef‑flash e 209 ms per Clef, rispetto a poco più di 524 ms per Jev.

    • Benchmark – Accuratezza
      • API Bank: Clef 91.93 %, Clef‑flash 93.11 %, Jev 88.19 %
      • When2Call: Clef 72.37 %, Clef‑flash 65.58 %, Jev 80.97 %
      • PhishNChips: Clef 79.60 %, Clef‑flash 75.05 %, Jev 62.55 %

Nei test interni, Clef ha ottenuto la più alta qualità decisionale, mentre Clef‑flash si avvicina all’accuratezza di Jev a una frazione della latenza.

Capacità multimodali e contesto

Oltre al testo, Clef è in grado di elaborare immagini, caratteristica non disponibile in Jev al momento della pubblicazione. Il modello offre una finestra di contesto di 64 000 token, il doppio rispetto a Jev, consentendo l’analisi di input più ampi e complessi.

Confronto con Jev di TypeSafe AI

Clef è stato concepito come risposta diretta a Jev, mantenendo la compatibilità API per facilitare la migrazione dei clienti. Mentre Jev è stato promosso come modello “senza allucinazioni”, la sua limitazione a opzioni predefinite non elimina il rischio di risposte errate. Clef, invece, utilizza una variante di Reinforcement Learning for Calibrated Decisions (RLCD) per calibrare le probabilità in modo più accurato rispetto alla frequenza reale di correttezza.

Applicazioni pratiche di Cloudflare

Il team di threat intelligence di Cloudflare sta già impiegando Clef per la classificazione di siti web. In un caso di studio, il modello ha assegnato al dominio una probabilità del 95 % di essere un sito di moda, l’85 % di essere un negozio online e meno dell’1 % di essere phishing. L’intero processo di fetch, rendering e classificazione è durato 2,2 secondi, contro i 4,7 secondi del modello linguistico generale più veloce dell’azienda, che forniva solo due categorie.

Personalizzazione e servizio di reinforcement learning

Parallelamente al lancio, Cloudflare introduce un servizio di reinforcement learning che permette ai clienti di affinare Clef per i propri casi d’uso. Inizialmente, gli ingegneri di Cloudflare gestiranno il fine‑tuning; successivamente sarà disponibile una piattaforma self‑service. I clienti potranno creare dataset tramite AI Gateway, valutare le richieste in sandbox RL e distribuire il modello personalizzato su Workers AI, grazie alla tecnologia di Replicate acquisita nel 2025.

Disponibilità e licenza

Clef e Clef‑flash sono operativi sulla piattaforma Workers AI di Cloudflare e sono distribuiti su Hugging Face sotto licenza Apache‑2.0. Cloudflare prevede di utilizzare Clef internamente per esaminare segnalazioni di abuso,