L’ANALISI
Cloudflare Clef: cosa cambia per le decisioni degli agenti
Clef e Clef-Flash uniscono output probabilistici tipizzati, visione, pesi Apache-2.0 e hosting Workers AI: architettura, limiti e checklist di prova.
In breve: Clef riceve stato, immagini o video e domande chiuse, poi assegna probabilità alle sole opzioni ammesse. Cloudflare offre un modello 27B e uno 9B più rapido, entrambi scaricabili e serviti su Workers AI. Il vantaggio è eliminare parsing e generazione libera nei passaggi di routing; benchmark, calibrazione e sicurezza vanno però verificati sul caso reale.
Il delta verificato
Cloudflare ha pubblicato pesi, codice di caricamento, schede modello ed endpoint Workers AI per Clef 27B e Clef-Flash 9B. I repository includono backbone multimodale, joint schema head e interfaccia SystemOne, con licenza Apache-2.0.
Come decide senza generare testo
Il backbone esegue il prefill e una testa dedicata assegna un logit a ogni opzione ammessa. Il risultato è una distribuzione di probabilità per domande binarie, scelte o scale ordinate, senza una risposta libera da analizzare.
Due taglie e due confini operativi
Clef usa un backbone Qwen3.8-27B e punta alla precisione; Clef-Flash deriva da Qwen3.5-9B e punta alla latenza. Entrambi accettano testo, JSON, immagini e video e dichiarano compatibilità con Jev/SystemOne.
Locale oppure servizio gestito
I pesi consentono esecuzione propria, ma la configurazione ufficiale è stata provata su una H200. Workers AI rimuove la gestione del serving e quota Clef a consumo; resta però un confine cloud e richiede la verifica della governance dei dati.
Che cosa misurano i benchmark
Cloudflare dichiara che almeno uno dei due modelli guida sette benchmark su dieci e riporta 38,8 ms mediani per Clef-Flash contro 524,1 ms per Jev. Sono risultati interni: alcuni test favoriscono ancora Jev o altri modelli e manca una replica indipendente sul carico italiano.
Condizioni e limiti
Le probabilità non sono decisioni sicure per definizione. Distribuzione dei dati, opzioni mal costruite e casi fuori dominio possono alterare la calibrazione; pagamenti, accessi, sicurezza e azioni irreversibili devono conservare soglie, log, fallback e approvazione umana.
Checklist per una prova controllata
- Scegliere un solo flusso chiuso, con opzioni e risultato verificabile.
- Fissare commit, versione del modello e schema delle domande.
- Costruire un set di esempi italiani separato dai dati di tuning.
- Misurare accuratezza, calibrazione, latenza e costo per sottogruppo.
- Confrontare Clef, Clef-Flash e una regola deterministica.
- Definire una fascia di incertezza che passa a una persona.
- Bloccare ogni azione sensibile dietro policy indipendenti dal modello.
- Registrare input minimizzati, versione, probabilità e decisione finale.
- Provare casi fuori dominio e rollback prima della produzione.