Durante buena parte del auge de la IA, el resultado que esperábamos era un texto: una respuesta, un resumen o un fragmento de código. Ahora gana atención otra tarea: elegir entre acciones concretas. Perplexity y Cloudflare han presentado nuevos modelos de decisión, una categoría que busca incorporarse a los procesos de una aplicación sin obligarla a interpretar un párrafo cada vez.
La idea se entiende con una consulta de soporte. El sistema recibe el mensaje y debe decidir si corresponde a facturación, ventas o servicio técnico; también puede estimar si es urgente. Las opciones están definidas de antemano. El modelo devuelve una selección y probabilidades, que el programa puede utilizar para continuar el proceso.
Qué cambia frente a pedirle una respuesta a un chatbot
El anuncio de Clef en el registro de novedades de Cloudflare, fechado el 1 de octubre, describe ese funcionamiento: preguntas tipadas y respuestas acotadas, en lugar de texto libre. Ofrece decisiones de sí o no, selección entre opciones y puntuaciones según una rúbrica.
La diferencia práctica está en el contrato entre el modelo y la aplicación. Si las únicas respuestas válidas son tres departamentos, el desarrollador quiere recibir uno de ellos de forma consistente. No necesita que la IA explique en varios párrafos lo amable que sería atender al cliente. Esa conversación puede venir después, en otra parte del servicio.
Una salida estructurada, sin embargo, sigue pudiendo contener una decisión equivocada. Las probabilidades pueden ayudar a decidir cuándo pedir revisión humana, pero la aplicación debe establecer ese criterio y comprobar cómo funciona con casos propios. Cambiar la forma de la respuesta no elimina la necesidad de evaluación.
Perplexity abre los pesos de su modelo
pplx-decider-v1-27b es el nombre del modelo de Perplexity. Su ficha oficial en Hugging Face lo presenta como un ajuste de Qwen3.8-27B con licencia Apache 2.0 y capacidad para recibir imágenes. El ejemplo publicado clasifica una solicitud de ayuda con una integración de pagos y devuelve la opción elegida junto con probabilidades.
La ficha publica una media del 85,71 % en once evaluaciones, frente al 84,51 % de Jev, el modelo de Typesafe utilizado como comparación. Son resultados comunicados por Perplexity y las victorias se reparten según la prueba. No permiten afirmar que el nuevo modelo sea superior para cualquier decisión empresarial.
Ejecutarlo por cuenta propia tampoco equivale a descargar una aplicación ligera: la guía requiere una GPU CUDA con espacio para unos 49 GiB de pesos, además de memoria de trabajo. Los pesos abiertos dan opciones de despliegue y estudio; la infraestructura sigue teniendo un coste.
Clef y Clef-Flash llegan a Cloudflare
Cloudflare presenta dos tamaños: Clef, de 27.000 millones de parámetros, y Clef-Flash, de 9.000 millones. Los ofrece en Workers AI y publica los pesos con licencia Apache 2.0. En su explicación del lanzamiento también introduce una plataforma de ajuste mediante aprendizaje por refuerzo, inicialmente dirigida a socios de diseño.
La compañía comunica una latencia mediana de 38,8 milisegundos para Clef-Flash frente a 524,1 para Jev en su conjunto de pruebas. Es una comparación del proveedor, con unas condiciones concretas. La espera de una aplicación incluye además la red, otras herramientas y las acciones posteriores; no conviene convertir ese dato en una promesa sobre cualquier servicio.
La compatibilidad con el esquema de la API System One facilita probar una integración existente con otro modelo. Es relevante para desarrolladores que ya exploraban Jev: la aparición de alternativas amplía las posibilidades de comparar coste, comportamiento y control sobre el despliegue.
Dónde puede aportar valor y dónde hace falta cautela
Clasificar una petición, detectar si un caso necesita ayuda humana o elegir una herramienta son tareas acotadas que encajan con este enfoque. El atractivo está en resolver una decisión repetida sin poner un generador de texto completo en cada paso. Para saber si compensa, hace falta medirlo en el flujo real: errores, tiempos de espera y casos que terminan necesitando una intervención.
El riesgo aumenta cuando la selección tiene consecuencias difíciles de revertir. Antes de automatizarla conviene definir qué puede decidir el sistema, cuándo debe detenerse y cómo se revisan sus fallos. Un valor alto de confianza tampoco sustituye la evidencia de que el proceso funciona bien con sus usuarios.
Perplexity y Cloudflare llevan más competencia a una parte de la IA menos vistosa que un chatbot, pero importante para las aplicaciones que actúan. El cambio consiste en integrar decisiones pequeñas y comprobables. Su calidad se verá en esas decisiones, no únicamente en una clasificación general.
Como contexto, en PLANA explicamos qué es Jev y cómo se integra en otras aplicaciones. Los nuevos rivales permiten comparar ese enfoque con más opciones abiertas.