Em 1 de outubro de 2026, a Cloudflare anunciou o Clef e o Clef-flash, dois "modelos de decisão" de código aberto lançados sob a licença Apache 2.0. O modelo não escreve uma resposta livre. Ele lê a entrada, escolhe em uma lista de respostas que você define com antecedência e retorna uma probabilidade para cada opção. O mais leve, Clef-flash, é baseado em um modelo Qwen 3.5 de 9 bilhões de parâmetros e tem tempo de resposta mediano de 38,8 milissegundos. O mais preciso, Clef, é baseado em um modelo Qwen 3.8 de 27 bilhões de parâmetros, com mediana de 209,3 milissegundos. Ambos estão disponíveis no Workers AI, e seus pesos estão publicados no Hugging Face para hospedagem própria.

Boa parte da IA no atendimento ao cliente é, na verdade, classificação: reclamação ou pedido? Urgente ou não? Muitas equipes usam um modelo de chat genérico para isso e obtêm respostas mais lentas, que podem mudar de uma execução para outra.

O que é, de fato, um modelo de decisão

A Cloudflare descreve um modelo de decisão como aquele que produz saídas estruturadas e delimitadas "de forma barata, rápida e consistente". Ela o contrapõe aos grandes modelos de linguagem, que descreve como em grande parte não determinísticos.

Segundo o cartão do modelo no Hugging Face, você envia um "estado" que descreve a situação, como texto ou JSON, além de imagens ou vídeo se necessário, e depois uma lista de perguntas, cada uma com suas opções permitidas. O modelo retorna uma probabilidade para cada opção e não gera texto livre. A Cloudflare diz que o seu código usa essas probabilidades para encaminhar o chamado, acionar um escalonamento ou repassar o caso a uma pessoa.

Os números como a Cloudflare os publicou

  • Capacidades: uma janela de contexto de 64k tokens segundo o anúncio (o cartão do modelo define um limite de entrada padrão de 16.384 tokens, que pode ser alterado), e as duas versões conseguem ler e classificar imagens.
  • Latência mediana: 38,8 milissegundos para o Clef-flash e 209,3 milissegundos para o Clef, contra 524,1 milissegundos para o Jev, um modelo concorrente da Typesafe AI.
  • Teste interno: na equipe de inteligência de ameaças da Cloudflare, buscar, renderizar e classificar um site levou 2,2 segundos com o Clef, contra 4,7 segundos com o gpt-oss-120b, seu LLM genérico mais rápido, que retornou apenas duas classificações.
  • Solicitações mais lentas: 95% das solicitações terminam em até 122,4 milissegundos com o Clef-flash e em até 238,6 milissegundos com o Clef.

No CLINC150, um teste de classificação de intenções que também verifica solicitações fora do escopo, o Clef marcou 97,43 de macro-F1 contra 66,77 do Clef-flash. No BANKING77, que abrange consultas de clientes bancários, os dois ficaram próximos: 94,20 contra 90,93, e no API-Bank o Clef-flash saiu na frente com 93,11 de acurácia contra 91,93. É por isso que a Cloudflare chama o Clef de seu modelo de precisão e o Clef-flash de opção mais adequada para decisões em que a latência é crítica. A maior diferença aparece quando é preciso detectar solicitações fora do escopo.

Onde isso ajuda as empresas sauditas

Entre os casos de uso citados pela Cloudflare estão encaminhar chamados de suporte por urgência e equipe, classificar domínios de sites para sua equipe de inteligência de ameaças e distinguir bots bons de bots ruins, enquanto o processamento de faturas e os incidentes de segurança aparecem entre seus testes. Em uma empresa saudita, isso fica assim:

  • Triagem no WhatsApp: cada mensagem é classificada na hora como pedido, reclamação, consulta de preço ou spam e depois enviada ao funcionário certo.
  • Chamados de suporte: definir a urgência e o departamento responsável antes que qualquer funcionário abra o chamado.
  • Documentos no ERP: identificar o tipo de documento recebido, seja uma fatura de fornecedor, um pedido de compra ou uma nota de crédito, e enviá-lo pelo caminho certo.
  • Proteção de formulários e lojas: identificar cadastros e pedidos automatizados em formulários de contato e lojas de comércio eletrônico.

Rodar nos seus próprios servidores mantém os dados no Reino

O recurso mais importante para o mercado saudita não é a velocidade. É o fato de os pesos estarem publicados e poderem rodar dentro do Reino. Mensagens de clientes e faturas de fornecedores contêm dados pessoais e comerciais, e a Lei de Proteção de Dados Pessoais (PDPL) impõe controles à transferência de dados pessoais para fora do Reino. Um modelo rodando em um data center local evita a questão da transferência internacional nas tarefas de classificação, embora as demais obrigações da lei continuem valendo. O cartão do modelo diz que ele foi testado em uma única GPU H200, então planeje seu hardware com antecedência.

Limites que você precisa conhecer antes de começar

  • O árabe não é mencionado: nem o anúncio nem os cartões dos modelos listam os idiomas suportados. Teste-o com mensagens reais em árabe no dialeto saudita.
  • Sem preço no anúncio: a Cloudflare não publicou no post do blog o custo de uso dos dois modelos no Workers AI, então consulte a página de preços antes de estimar custos.
  • A personalização ainda não é self-service: ajustar o modelo aos seus dados com aprendizado por reforço hoje passa por uma equipe de engenheiros da Cloudflare, e uma plataforma self-service virá depois.

Como construir com ele, passo a passo

  • Faça um inventário das suas decisões: encontre cada pergunta nos seus sistemas que tenha respostas limitadas.
  • Reúna uma amostra real: mensagens e chamados anteriores que sua equipe classificou manualmente.
  • Compare três opções: Clef-flash, Clef e sua solução atual, em acurácia e tempo de resposta.
  • Defina um limite de confiança: se a probabilidade da opção principal for alta, o sistema age automaticamente; se for baixa, o caso vai para um funcionário.
  • Divida o trabalho: o modelo de decisão escolhe o caminho, e o grande modelo de linguagem escreve a resposta só quando necessário.

Na Origami aplicamos esse padrão ao construir sistemas de atendimento ao cliente e de automação de processos: um modelo pequeno decide, um modelo grande escreve e um funcionário revisa os casos pouco claros. Os modelos Clef facilitam a primeira parte, e ela pode ficar dentro do Reino.

Fontes