Clef-Flash مقابل Qwen-8B: 48 مللي ثانية في مواجهة نموذج 8B الذي يعرفه الجميع بالفعل

هناك وظيفة محددة غير مبهرة يوكِل كثير من الفرق إلى Qwen3-8B: اقرأ هذه التذكرة، وسطر السجل هذا، وهذه الاستمارة، وأخبرني إلى أي من فئاتي الأربع تنتمي. إنها مهمة تصنيف متنكّرة في هيئة محادثة، وQwen3-8B جيد فيها بما يكفي حتى لم يكلّف أحد نفسه عناء استبداله. في 30 سبتمبر 2026، نشرت Cloudflare أوزان Cloudflare/clef-flash، وهو نموذج بحجم 9 مليارات معامل بُني للقيام بتلك المهمة الواحدة لا غير، والسؤال المثير ليس ما إذا كان أذكى من Qwen3-8B. بل ما إذا كان ما تحصل عليه حالياً من نموذج عام بحجم 8 مليارات يستحق أن تدفع مقابله برموز مُولَّدة على الإطلاق.

يجيب Clef-Flash عن ذلك السؤال بالبنية بدلًا من اختبار معياري. فهو يأخذ حالة ومخططًا يتضمن ما يصل إلى 64 سؤالًا محدّد النوع، ويعيد قيمة لوجيت لكل خيار مسموح في تمريرة واحدة لا تعتمد على الانحدار الذاتي — لا نص وسيط، ولا تحليل، ولا ناتج سوى الاحتمالات. قاست Cloudflare زمن استجابة الطلب الوسيط له بـ38.8 مللي ثانية، مقابل نحو 500 مللي ثانية لـ Jev، نموذج القرار من TypeSafe الذي أُجريت المقارنة المعيارية معه. Qwen3-8B ليس في ذلك الجدول، لأن Qwen3-8B لا يلعب تلك اللعبة: إنه يكتب إجابة، وأنت تقرؤها.

ما يجعل هذا الاقتران يستحق مقارنة كاملة، بدلًا من صفحة من صفوف المواصفات، هو أن النموذجين لا يتشاركان أي معيار أداء على الإطلاق. كل رقم من أرقام Clef-Flash المتداولة أنتجته Cloudflare، على مؤشر نشرته جهة منافسة، ولم يُعِد أحد خارج Cloudflare إنتاج أي منها. لدى Qwen3-8B ثلاثة أجيال من الاستخدام المستقل خلفه، وسجل عام يمكنك أن تجادله. هذا التفاوت، وليس فجوة زمن الاستجابة، هو ما ينبغي أن يحدد ما إذا كنت ستقوم بالتبديل.

عقدان للمخرجات، وليس مقاسين

أعداد المعاملات هنا متقاربة بما يكفي لتكون مصدر تشتيت — 9B لـ Clef-Flash، 8.8B لـ Qwen3-8B، 6.95B منها غير تضمينية. الفرق المهم هو ما يُسمح لكل نموذج بإصداره.

Qwen3-8B هو نموذج لغوي سببي. أعطِه تذكرة دعم فينتج رموزًا، وهو افتراضيًا ينتج أولًا كتلة استدلال، لأن وضع التفكير يكون مفعّلًا ما لم تُوقفه. يمكنه أن يصنّف، ويشرح، ويصعّد، ويصوغ ردًا، أو يخبرك أن التصنيف لديك يفتقد حالة — كل ذلك من الأوزان نفسها، دون الحاجة إلى مخطط. تعلن بطاقته عن 36 طبقة، وانتباه الاستعلامات المجمّع (grouped-query attention) بنسبة 32 رأس استعلام إلى 8 رؤوس KV، وأكثر من 100 لغة، وطول سياق أصلي يبلغ 32,768 رمزًا، قابل للتمديد إلى 131,072 عبر YaRN. إنه النموذج الذي تلجأ إليه معظم الفرق لأنه النموذج الذي يستطيع فعل أي شيء.

Clef-Flash هو نموذج مُدرَّب تدريبًا لاحقًا، وليس شريك محادثة. جمّدت Cloudflare العمود الفقري Qwen3.5-9B — بما في ذلك مُشفِّر الرؤية الخاص به — ودرّبت فوقه رأس مخطط مشترك: 243.5 ميجابايت من أوزان الرأس مقابل أربعة ملفات عمود فقري مُجزَّأة يبلغ مجموعها نحو 18.8 جيجابايت. يقرأ الرأس الحالات المخفية النهائية للعمود الفقري، ويوجّه الأدلة من الحالة إلى كل سؤال، ويقيّم جميع خيارات كل الأسئلة معًا. القيود هي الميزة. تقيّد Cloudflare مخرجاته باحتمالات فقط، ولهذا يظهر النموذج الأساسي في سلالته لكنه لا يظهر أبدًا في مخرجاته.

لاحظ إلى أي سلالة ينتمي. ينحدر Clef-Flash من Qwen3.5-9B، وهو الجيل الذي يلي خط Qwen3 الذي ينتمي إليه Qwen3-8B. لذا هذه ليست قصة الضبط الدقيق لقاعدته الخاصة التي تحصل عليها عادةً مشتقة بحجم 9B — بل هي فرع مختلف من الشجرة العائلية نفسها، أُعيد تدريبه لعقد مختلف.

نفس المهمة، تُشغَّل بطريقتين

كلا النموذجين قادر على توجيه تذكرة دعم. لكنهما يفشلان بطرق مختلفة، وأنماط الفشل هذه هي بالضبط ما تكلّفه عملية الترحيل.

مع Qwen3-8B، يقع العمل في المطالبة والمحلّل. أنت تصف فئاتك، وتطلب إعادة واحدة منها، ثم تتعامل مع الحالة التي يعيد فيها النموذج "يبدو هذا مثل الفوترة، وإن كان قد يكون تقنيًا" — إجابة حقيقية لغموض حقيقي لا يمكن لشيفرتك اللاحقة استيعابها. إرشادات البطاقة نفسها صريحة في أنه ينبغي تعطيل وضع التفكير في أعمال الكفاءة، وأن فك الترميز الجشع يخفض جودة المخرجات، وأنه عندما يكون التفكير مفعّلًا ينبغي ألا تنقل كتلة الاستدلال إلى الأمام في سجل متعدد الأدوار. كل واحدة من تلك التعليمات هي قرار يفرضه عليك نموذج عام الأغراض.

مع Clef-Flash، تنتقل المهمة إلى المخطط. تُعلن ما بين خيارين و26 خيارًا لكل سؤال من نوع اختيار، أو ما بين مستويين و26 مستوى لكل سؤال من نوع تقييم، وتستعيد الخيار المختار، واحتمالًا لكل خيار، وقيمة ثقة. ثلاثة تفاصيل في ذلك العقد تستحق أكثر من رقم زمن الاستجابة الرئيسي. أولًا، الثقة ليست الصواب — تقول وثائق Cloudflare بوضوح إنها تقيس مدى تركّز الاحتمالات، وليس احتمال أن تكون الإجابة صحيحة. ثانيًا، تُحسم التعادلات وفقًا لترتيب الخيارات الذي أعلنته، لذا إذا تداخل خياران فعلًا، فقد اتخذت القرار بصمت عبر ترتيب القائمة. ثالثًا، وهذه هي الأكثر إيلامًا، لا يوجد خيار "لا شيء مما سبق" إلا إذا كتبته بنفسك. نموذج القرار يقيّم الخيارات التي أُعطيها؛ فتذكرة بشأن طلب خصوصية، إذا سُلِّمت مخططًا للفواتير والتقنية والمبيعات، ستعود كأقل الثلاثة سوءًا بدلًا من أن تكون رفضًا.

هذه النقطة الأخيرة تقطع في الاتجاهين، وهي الجوهر الصادق لهذه المقارنة. سيخبرك Qwen3-8B بأن تصنيفك معطوب. لن يفعل Clef-Flash ذلك، وفي خط معالجة كهذا يُعد هذا تراجعًا حقيقيًا — من النوع الذي تكتشفه بعد شهر في قائمة انتظار أُسيء توجيهها. المقايضة هنا هي زمن استجابة حقيقي وحتمية حقيقية مقابل نموذج قادر على إظهار السؤال الذي لم يخطر ببالك أن تطرحه.

ما تقوله الأرقام وما لا تقوله

تأتي نتائج Clef-Flash المنشورة من تشغيل Cloudflare لمجموعة Jev Decision Index 0.2.1، ويستند منشور مدونة المورّد إلى التشغيل نفسه. يجدر ذكر الخلايا القوية بدقة: BFCL بمطابقة الحالات التامة 98.8، ودقة API-Bank 93.1، ومحاكي الأجهزة المنزلية عند 97.7، وContractNLI macro-F1 84.3، والجودة المختارة في RouterBench 79.9. وفي مسارات العمل التجارية الأربعة الشاملة من طرف إلى طرف في مجموعة التقييم الخاصة بـ TypeSafe، يتقدّم Clef-Flash في خدمة العملاء بنتيجة 77.0 مقابل 76.0 لـ Jev و76.3 لـ Clef الأكبر بحجم 27B، ويخسر في معالجة الفواتير بنتيجة 57.1 مقابل 61.8 لـ Jev و64.7 لـ Clef.

الخلايا الضعيفة لا تقل إفادة عن القوية. في CLINC150 مع معالجة الحالات الخارجة عن النطاق، يضع Clef-Flash عند 66.8 macro-F1، مقابل 97.4 لـ Clef بحجم 27B و89.3 لـ Jev — هبوط بمقدار ثلاثين نقطة على بالضبط شكل المعيار الذي يختبر ما إذا كان النموذج يعرف متى يمتنع. When2Call، 65.6 مقابل 81.0 لـ Jev. GPQA Diamond، 51.0 مقابل 78.3. POP909-CL يستقر عند 1.6، وهو رقم لا تشرحه البطاقة.

الآن الجزء الذي لن تخبرك به الجداول: Qwen3-8B ليس له صف في أي منها. لم يُقيَّم أي من النموذجين على معايير الآخر. أرقام Clef-Flash الخاصة به في MMLU، وهي 91.8، وGSM8K، وهي 67.3، أُنتجت عبر أداة القرارات المكتوبة الخاصة به، وهي ليست الأداة التي أبلغ Qwen أرقامه عليها، ومقارنة الاثنين ستكون خطأً فئويًا متنكرًا في هيئة مقارنة. لذا فإن الموقف الصادق هو أنه لا توجد لوحة نتائج مشتركة، ولن تختلق هذه المقالة واحدة. ما يوجد هو فجوة زمن استجابة قاسها المورّد على بنيته التحتية الخاصة، وهيكل تكلفة مختلف بنيويًا، ومجموعة من خلايا Decision Index التي لم يعِد إنتاجها أحد خارج Cloudflare.

ماذا يكلّف قرار واحد

توثيق Workers AI من Cloudflare يدرج Clef-Flash بسعر 0.09 دولار لكل مليون توكن إدخال ولا تفرض أي رسوم على المخرجات، لأنه لا يوجد إخراج فعليًا — يعيد المثال التطبيقي في التوثيق ثلاثة توكنات إخراج لطلب مكوّن من ثلاثة أسئلة. لذلك يكلف قرار توجيه بشأن تذكرة من 1,500 توكن نحو 0.000135 دولار في الإدخال، ولا شيء قابل للقياس بعد ذلك. شغّل مليونًا منها يوميًا وستصل إلى نحو 135 دولارًا يوميًا، ولا يتغير الرقم عندما تصبح التذكرة أكثر تعقيدًا، بل فقط عندما تصبح أطول.

لا يوجد للنموذج الانحداري الذاتي سقف مكافئ. كل قرار من تلك المليون قرار يُحتسب عليه أيضًا توكنات مولّدة، وإذا كان وضع التفكير مُفعّلًا — وهو كذلك افتراضيًا في Qwen3-8B — فقد ينفق النموذج مئات التوكنات في التفكير بشأن أيٍّ من الفئات الأربع ينتمي إليه بريد إعادة تعيين كلمة المرور قبل أن يجيب. إيقاف التفكير عبر enable_thinking=False أو /no_think، وهو وسم، هو السطر الأعلى تأثيرًا في أي موجّه تصنيف مبني على ذلك النموذج، ومن السهل إغفاله. المقارنة ليست بين "نموذج رخيص" و"نموذج مكلف"؛ بل بين سعر ثابت للإدخال فقط وسعر يتناسب مع مقدار ما يقرر النموذج قوله.

السياق: ثلاثة أرقام من ثلاث واجهات بائعين

يعتمد السياق القابل للاستخدام في Clef-Flash على واجهة Cloudflare التي تقرأ منها. توثّق صفحة نموذج Workers AI نافذة سياق بحجم 65,536 رمزًا. الملف المنشور config.json يعلن أن max_position_embeddings يبلغ 262,144 لبرج النص. مساعد الترميز الخاص بالبطاقة نفسه يستخدم افتراضيًا max_length=16,384، مع max_state_tokens المتاح لتقييد الحالة بشكل منفصل. قائمة وقت تشغيل من طرف ثالث تعلن عن 256K تقرأ قيمة الإعداد، وليس حد الخدمة — وهو ما يوفّق بين هذا التباين بدلًا من تركه لغزًا، لكن الرقم العملي لأي شخص يستدعي نقطة النهاية المستضافة هو 65,536.

أرقام Qwen3-8B خاصة به وقد ظلت مستقرة منذ عام ونصف: 32,768 أصليًا، و131,072 عند تمكين YaRN، وإعداد افتراضي قدره 40,960 يحجز 32,768 للمخرجات و8,192 للمطالبات. لذا إذا كانت النافذة الخام هي العامل الحاسم لديك، فيمكن توسيع النموذج التوليدي الذاتي الصغير إلى نحو ضعف ما يوثقه نموذج القرار المستضاف — بينما يحتاج نموذج القرار إلى قدر أقل بكثير منها، لأنك ترسل حالة، وليس محادثة.

من يجب أن يبدّل، ومن لا يجب

• تبديل — لديك تصنيف ثابت، ومن 3 إلى 26 وجهة، وقائمة انتظار دعم، أو خطوة فرز، أو بوابة وكيل، حيث يغيّر وسيط 38.8 مللي ثانية وp95 البالغ 122.4 مللي ثانية، مقابل نصف ثانية من التوليد، ما يمكن لخط أنابيبك فعله.

• تبديل — أنت الآن تستخرج النثر من نموذج 8B وتتعامل مع الإجابة الواحدة من بين كل خمسين التي لم تناسب تنسيقك. أما التوزيع على الخيارات المعلَنة فيزيل فئة الفشل هذه بالكامل.

• لا تستبدل — فمجموعة الإجابات غير معروفة مسبقًا، أو أنك تحتاج إلى أن يخبرك النموذج بأنه لا يعرف. لا يمتلك Clef-Flash أي مسار للامتناع ما لم تُضمِّن واحدًا في المعايير، وأضعف خلية منشورة له هي بالتحديد حالة الخروج عن النطاق.

• لا تستبدل — عبء العمل هو الاستدلال، أو الاستخراج من مستندات غير مقيّدة، أو التلخيص، أو الشيفرة. لا يستطيع Clef-Flash كتابة جملة، لذا فإن أي شيء لاحق يتوقع جملة يبقى على Qwen3-8B.

• لا تُجرِ الاستبدال بعد — فأنت تحتاج إلى أن يفحص الأرقام شخصٌ غير المورّد. لا يوجد تقييم مستقل لـ Clef-Flash، والمجموعة التي أنتجت درجاته منشورة من قِبل مورّد النموذج الذي يتفوّق عليه.

أين يتم تشغيل كل منها

كلاهما بموجب Apache-2.0، لذا يمكنك استضافتهما ذاتيًا، والبصمات ليست متقاربة. يبلغ Qwen3-8B بصيغة bf16 نحو 16 GB، بينما تعمل الإصدارات المُكمَّمة عند حجم أصغر بكثير — إذ يبلغ إصدار Q4 حجم 5.2 GB على مكتبة Ollama، حيث qwen3:8b يُدرج 38.7 مليون تنزيل ونافذة سياق 40K. يحتاج Clef-Flash إلى كامل العمود الفقري البالغ 18.8 GB بالإضافة إلى رأسه البالغ 243.5 MB، وقد ظهرت صفحته على مكتبة Ollama خلال أيام من الإصدار، مع وسم مُكمَّم بحجم 11 GB وعدد مشاركات لا يزال في المئات القليلة؛ ويقرأ جدول Ollama قيمة 256K الخاصة بالإعداد بدلًا من 65,536 الخاصة بنقطة النهاية. نسبة التنزيلات هذه ليست حكمًا على أي من النموذجين — فإحدى الصفحتين منشورة منذ ثمانية عشر شهرًا والأخرى منذ نحو يوم — لكنها صورة منصفة لمقدار التاريخ التشغيلي الكامن خلف كلٍّ منهما.

إذا كنت تريد النسخة المستضافة، فإن Cloudflare تشغّل Clef-Flash على Workers AI بالسعر المذكور أعلاه البالغ 0.09 دولار لكل مليون، مع إمكانية تنزيل الأوزان أيضًا من Hub. ويتحدث كلا الطرازين إلى نقطة نهاية Ollama /v1/systemone الخاصة بـ Clef-Flash (Ollama 0.35.1 أو أحدث) والمسار القياسي generate لـ Qwen3 — لذا فإن التبديل تغيير على مستوى العميل، وليس تغييرًا معماريًا.

لا يُعدّ أيٌّ من الطرازين حاليًا أحد مساراتنا: يعيد كتالوج OrcaRouter العام رمز 404 لكل من clef-flash وQwen3-8B على حد سواء، ولا ينبغي تفسير أي شيء هنا على أنه ادعاء توافر من جهتنا. ما تغيّره طبقة التوجيه فعلًا هو النصف الخاص بالتوليد في خط المعالجة. إذا انتهى الأمر بأن يصبح نموذج قرارٍ ما بوابةً تتحكم في وكيلك، فإن النموذج الذي ينفّذ القرار يظل بحاجة إلى أن يكون قابلًا للوصول، وهنا حيث واجهة API واحدة لأكثر من 200 نموذج خلف مفتاح API واحد تستحق مكانها — سعر قائمة المزوّد يمرّ كما هو دون أي هامش ربح بنسبة 0%، حتى إن أي تخفيض سعر من المورّد يصل إلى هنا في اليوم نفسه، والتبديل التلقائي عند الفشل حتى لا تؤدي أمسية سيئة لمزوّد واحد إلى إسقاط مسار أعدت بناءه للتو. كما تقدّم خط Qwen أيضًا: يمكن توجيه Qwen3.8-27B هنا بسعر $0.40 للإدخال و$4.21 للإخراج لكل مليون توكن مع نافذة 262,144 توكن، وهو نموذج مختلف عن Qwen3-8B وليس بديلًا عنه، لكنه من العائلة نفسها بجيل واحد أحدث.

ما الذي قد يغير هذه القراءة؟

ثلاثة أمور، بالترتيب.

تشغيل مستقل للخلايا خارج النطاق. الفجوة بين نتيجة Clef-Flash البالغة 97.7 في محاكاة الأجهزة ونتيجته البالغة 66.8 على CLINC150+OOS لا تصف مصنّفًا قادرًا بسلاسة؛ بل تصف نموذجًا قويًا داخل الأشكال التي دُرّب عليها، وضعيفًا عندما تكون الإجابة الصحيحة "لا شيء من هذه". وإذا ثبت ذلك ضمن إطار اختبار يملكه شخص آخر، فهي الحقيقة التشغيلية الأهم عن النموذج، وهي ليست موجودة في قائمة أبرز النقاط لدى أي جهة.

قيمة زمن وصول مقيسة من خارج حافة Cloudflare. الوسيط البالغ 38.8 ms مثير للإعجاب، وقد قاسه المورّد، على بنية تحتية يتحكم بها المورّد، لنموذج مستضاف عند الحافة. الترتيب مقابل Jev مرجّح أن يكون متينًا؛ أما الرقم المطلق فهو الرقم الذي يجب ألا تثق به.

ومعيار مرجعي مشترك. حتى يقيّم أحدهم Clef-Flash ونموذج LLM مفتوحًا صغيرًا في مهمة التصنيف نفسها وبالتسميات نفسها، فإن الاختيار بينهما يستند إلى عقد المخرجات، وبنية الأسعار، وأدلة مَن أنت مستعد للتصرف بناءً عليها. هذه الثلاثة كافية لاتخاذ قرار بشأن الكثير من خطوط المعالجة اليوم — لكنها ليست مقارنة دقة، ولن يتظاهر هذا المقال بأنها كذلك.