Pada 1 Oktober 2026, Cloudflare mengumumkan Clef dan Clef-flash, dua "model keputusan" sumber terbuka yang dirilis dengan lisensi Apache 2.0. Model ini tidak menulis jawaban bebas. Ia membaca masukan, memilih dari daftar jawaban yang Anda tentukan sebelumnya, dan mengembalikan probabilitas untuk setiap opsi. Clef-flash yang lebih ringan dibangun di atas model Qwen 3.5 dengan 9 miliar parameter dan memiliki waktu respons median 38,8 milidetik. Clef yang lebih presisi dibangun di atas model Qwen 3.8 dengan 27 miliar parameter, dengan median 209,3 milidetik. Keduanya tersedia di Workers AI, dan bobotnya dipublikasikan di Hugging Face untuk di-host sendiri.

Sebagian besar AI di layanan pelanggan sebenarnya adalah klasifikasi: keluhan atau pesanan? Mendesak atau tidak? Banyak tim memakai model chat umum untuk ini dan mendapatkan jawaban yang lebih lambat serta bisa berubah dari satu proses ke proses berikutnya.

Apa Sebenarnya Model Keputusan Itu

Cloudflare menggambarkan model keputusan sebagai model yang menghasilkan keluaran terstruktur dan terbatas "secara murah, cepat, dan konsisten". Cloudflare membandingkannya dengan model bahasa besar, yang disebutnya sebagian besar tidak deterministik.

Menurut kartu model di Hugging Face, Anda mengirim sebuah "state" yang menggambarkan situasi, dalam bentuk teks atau JSON, ditambah gambar atau video bila perlu, lalu daftar pertanyaan yang masing-masing memiliki opsi yang diizinkan. Model mengembalikan probabilitas untuk setiap opsi dan tidak menghasilkan teks bebas. Cloudflare mengatakan kode Anda menggunakan probabilitas ini untuk merutekan tiket, memicu eskalasi, atau menyerahkan keputusan kepada manusia.

Angka-angka Sebagaimana Dipublikasikan Cloudflare

  • Kemampuan: jendela konteks 64k token menurut pengumuman (kartu model menetapkan batas masukan bawaan 16.384 token, yang dapat diubah), dan kedua versi dapat membaca serta mengklasifikasikan gambar.
  • Latensi median: 38,8 milidetik untuk Clef-flash dan 209,3 milidetik untuk Clef, dibandingkan 524,1 milidetik untuk Jev, model pesaing dari Typesafe AI.
  • Pengujian internal: di tim intelijen ancaman Cloudflare, mengambil, merender, dan mengklasifikasikan sebuah situs web memakan waktu 2,2 detik dengan Clef, dibandingkan 4,7 detik dengan gpt-oss-120b, LLM umum tercepat tim tersebut, yang hanya mengembalikan dua klasifikasi.
  • Permintaan paling lambat: 95% permintaan selesai dalam 122,4 milidetik dengan Clef-flash dan dalam 238,6 milidetik dengan Clef.

Pada CLINC150, pengujian klasifikasi maksud yang juga memeriksa permintaan di luar cakupan, Clef meraih skor 97,43 pada macro-F1, dibandingkan 66,77 untuk Clef-flash. Pada BANKING77, yang mencakup pertanyaan nasabah bank, keduanya berdekatan: 94,20 berbanding 90,93, dan pada API-Bank Clef-flash unggul dengan akurasi 93,11 berbanding 91,93. Karena itulah Cloudflare menyebut Clef sebagai model presisinya dan Clef-flash sebagai pilihan yang lebih tepat untuk keputusan yang kritis terhadap latensi. Selisih terbesar muncul ketika permintaan di luar cakupan harus terdeteksi.

Di Mana Ini Membantu Bisnis Saudi

Kasus penggunaan yang disebut Cloudflare antara lain merutekan tiket dukungan berdasarkan tingkat urgensi dan tim, mengklasifikasikan domain situs web untuk tim intelijen ancamannya, dan membedakan bot baik dari bot jahat, sementara pemrosesan faktur dan insiden keamanan muncul dalam pengujiannya. Di sebuah bisnis Saudi, bentuknya seperti ini:

  • Penyaringan WhatsApp: setiap pesan langsung diklasifikasikan sebagai pesanan, keluhan, pertanyaan harga, atau spam, lalu dikirim ke karyawan yang tepat.
  • Tiket dukungan: menetapkan tingkat urgensi dan departemen yang bertanggung jawab sebelum ada karyawan yang membuka tiket.
  • Dokumen di ERP: mengenali jenis dokumen yang masuk, apakah faktur pemasok, pesanan pembelian, atau nota kredit, lalu mengirimkannya ke jalur yang tepat.
  • Melindungi formulir dan toko: mendeteksi pendaftaran dan pesanan otomatis di formulir kontak dan toko e-commerce.

Menjalankannya di Server Sendiri Menjaga Data Tetap di Arab Saudi

Fitur terpenting bagi pasar Saudi bukanlah kecepatan, melainkan bobot model yang dipublikasikan dan dapat dijalankan di dalam Arab Saudi. Pesan pelanggan dan faktur pemasok berisi data pribadi dan komersial, dan Undang-Undang Pelindungan Data Pribadi (PDPL) memberlakukan kontrol atas transfer data pribadi ke luar Arab Saudi. Model yang berjalan di pusat data lokal menghindari persoalan transfer lintas batas untuk tugas klasifikasi, sementara kewajiban lain dalam undang-undang tersebut tetap berlaku. Kartu model menyebutkan bahwa model ini diuji pada satu GPU H200, jadi rencanakan perangkat keras Anda sejak awal.

Batasan yang Perlu Diketahui Sebelum Memulai

  • Bahasa Arab tidak disebutkan: baik pengumuman maupun kartu model tidak mencantumkan bahasa yang didukung. Uji dengan pesan nyata berbahasa Arab dalam dialek Saudi.
  • Tidak ada harga dalam pengumuman: Cloudflare tidak memublikasikan biaya penggunaan kedua model di Workers AI dalam posting blognya, jadi periksa halaman harga sebelum memperkirakan biaya.
  • Kustomisasi belum swalayan: penyesuaian model dengan data Anda menggunakan reinforcement learning saat ini masih melalui tim insinyur Cloudflare, dan platform swalayan akan menyusul.

Cara Membangun Sistem dengannya, Langkah demi Langkah

  • Inventarisasi keputusan Anda: temukan setiap pertanyaan di sistem Anda yang jawabannya terbatas.
  • Kumpulkan sampel nyata: pesan dan tiket lama yang diklasifikasikan secara manual oleh staf Anda.
  • Bandingkan tiga opsi: Clef-flash, Clef, dan solusi Anda saat ini, dari sisi akurasi dan waktu respons.
  • Tetapkan ambang keyakinan: jika probabilitas opsi teratas tinggi, sistem bertindak otomatis; jika rendah, kasus diteruskan ke karyawan.
  • Bagi pekerjaannya: model keputusan memilih jalur, dan model bahasa besar menulis balasan hanya bila diperlukan.

Di Origami, kami menerapkan pola ini saat membangun sistem layanan pelanggan dan otomatisasi proses: model kecil memutuskan, model besar menulis, dan karyawan meninjau kasus yang tidak jelas. Model Clef membuat bagian pertama lebih mudah, dan bagian itu dapat tetap berada di dalam Arab Saudi.

Sumber