Clé : Ce qu’est réellement le modèle de décision 27B de Cloudflare

Clef est un modèle de décision multimodal de 27 milliards de paramètres publié par Cloudflare. Vous lui fournissez un état — une chaîne de caractères, un objet JSON, une image, un clip vidéo — ainsi qu'un schéma pouvant contenir jusqu'à 64 questions typées, et il renvoie une probabilité pour chaque option autorisée de chaque question en une seule passe avant. Il n'y a aucune génération de texte dans le pipeline, ni d'analyse de la sortie : le modèle émet un logit par option autorisée, vous appliquez un softmax par question, et c'est terminé. Les poids sont sous Apache-2.0 et résident dans le dépôt Cloudflare/clef sur Hugging Face ; Cloudflare sert également le modèle depuis sa propre plateforme Workers AI.

Deux dates comptent pour s’orienter, et aucune des deux n’est la raison d’être de cette page. Les poids ont été publiés le 30 septembre 2026 et l’article d’annonce de Cloudflare est daté du 1er octobre 2026, ce qui donne à Clef douze jours d’existence le jour où ces lignes ont été écrites — assez pour qu’il ne s’agisse pas d’une actualité, et cette page ne traite pas cela comme une actualité. Elle existe parce que « clef » est une requête que les gens tapent réellement, et jusqu’à présent rien sur ce blog n’y répondait. Le lancement sert à dater le modèle ; l’essentiel, c’est la documentation de référence ci-dessous.

La question de la taille, tranchée par l'éditeur

Deux nombres de paramètres circulent côte à côte et un seul d’entre eux appartient à ce modèle.

• Clef fait 27B. La page de modèle de Cloudflare elle-même le décrit comme « un modèle de décision multimodal de 27B », et la fiche de modèle Hugging Face dit la même chose dans sa première ligne : « Clef est un modèle multimodal de 27B qui transforme un état et un schéma de questions typées en décisions. »

• 9B est un modèle différent, pas une deuxième taille de celui-ci. Le checkpoint 9B est Clef Flash, un modèle frère distinct avec son propre dépôt et sa propre page de modèle. Toute personne qui cherchait un Clef 9B cherchait Clef Flash. Ils ne sont pas interchangeables et les chiffres ne s'échangent pas.

• Il y a aussi un troisième membre. Clef Omni, annoncé le 9 octobre 2026, est un modèle de mélange d’experts de 30B avec 3B de paramètres actifs, construit sur une architecture de base différente. Il lit aussi l’audio. Si vous avez vu « 30B » associé à Clef, il s’agit de Clef Omni, et non de Clef.

Donc la taille du modèle sur cette page est de 27B, point final, et le dépôt le fournit en safetensors BF16. L'ensemble des fichiers publiés représente environ 55 Go répartis sur vingt-cinq fichiers, et c'est le chiffre qui compte si vous comptez l'héberger vous-même plutôt que de l'appeler.

Comment Clef est lié à Clef Flash

Cloudflare a livré Clef en tant que famille, et la structure de cette famille est la partie utile plutôt qu’un simple détail. Clef et Clef Flash partagent une recette : geler un backbone Qwen3.8-27B pour le modèle le plus grand et un backbone Qwen3.5-9B pour le plus petit, conserver l’encodeur de vision, et entraîner par-dessus une petite tête de schéma conjointe, ainsi que des adaptateurs de rang faible. Même contrat de sortie, capacité différente et profil de latence très différent.

Ce contrat partagé est la raison pour laquelle il vaut la peine de comprendre les deux modèles ensemble : un schéma écrit pour l’un est un schéma pour l’autre, et changer celui qui répond relève de l’identifiant de modèle plutôt que d’une réécriture. Le compromis oppose vitesse et capacité, et le propre billet de Cloudflare du 9 octobre a rendu ce compromis plus tranchant en ramenant le prix hébergé de Clef Flash à 0,038 $ par million de jetons d’entrée, tout en laissant Clef à 0,24 $ par million de jetons d’entrée. Notez ce que ce billet a aussi fait : il a réduit la fenêtre de contexte hébergée de Clef Flash à 24 000 jetons, contre 64 000 qui avaient été annoncés auparavant pour ce modèle, tandis que Clef lui-même restait à 64 000.

Architecture : un backbone gelé plus une tête de scoring

Clef n'est pas un modèle de langage qui porte un chapeau de classifieur. La conception mérite d'être énoncée avec précision, car elle explique presque toutes les autres propriétés du modèle.

• Backbone — Qwen3.8-27B, y compris son encodeur de vision, repris et gelé, stocké sous forme de safetensors fragmentés ordinaires.

• Tête de schéma conjointe — une petite tête Transformer qui lit les états cachés finaux du backbone, achemine les preuves de l'état vers chaque question et évalue toutes les options de toutes les questions conjointement plutôt qu'une question à la fois.

• Entraînement — adaptateurs de bas rang de rang 256, entropie croisée lissée par étiquettes plus une perte de Brier pour la calibration, et la boucle « Reinforcement Learning for Calibrated Decisions » de Cloudflare.

• Sortie — un logit par option autorisée, par question. Le softmax par question vous donne des probabilités. Rien d'autre ne sort.

Le scoring conjoint est ce qui distingue Clef d’un empilement de classificateurs indépendants. Comme toutes les questions sont évaluées par rapport au même état caché en une seule passe, les questions peuvent s’informer mutuellement, et l’ensemble est non autorégressif — il n’y a pas de boucle de décodage, ce qui explique les chiffres de latence. Cloudflare décrit l’inférence comme une passe de préremplissage uniquement.

Contexte, limites et ce qui est inclus

Sur le contexte et la modalité, la documentation du fournisseur est précise, et là où elle est silencieuse, ce silence mérite d’être consigné plutôt que masqué.

• Fenêtre de contexte — 65 536 jetons sur le point de terminaison Workers AI hébergé par Cloudflare, selon la page du modèle. C'est le chiffre que l'article de lancement de Cloudflare oppose à la fenêtre de 32 000 jetons qu'il attribue à Jev de TypeSafe.

• Contexte auto-hébergé — L'article du 9 octobre de Cloudflare indique que les poids Hugging Face ont été entraînés pour prendre en charge une fenêtre de 256 000 tokens si vous les exécutez vous-même. L'encodeur fourni dans ce dépôt a pour valeur par défaut max_length=16,384, ce qui est une valeur par défaut plutôt qu'un plafond, mais c'est ce que vous obtenez si vous utilisez le chargeur tel qu'il est fourni.

• Sortie maximale — non publiée. Il n'y a pas de budget de tokens à publier : le modèle renvoie un vecteur de probabilités fixe par question, si bien que le plafond naturel est le schéma (1 à 64 questions, chacune avec 2 à 26 options) plutôt qu'une longueur en tokens.

• Modalités d'entrée — texte, JSON, images et vidéo. La page Workers AI indique que la vision est prise en charge et accepte les images PNG, JPEG ou WebP, jusqu'à quatre par requête. Clef Omni, de son côté, ajoute l'audio ; Clef lui-même ne le fait pas.

• Modalité de sortie — probabilités. Clef ne peut pas rédiger de réponse, résumer un fil ni produire une phrase, et n'inventera pas de catégorie que vous n'avez pas déclarée.

• Licence — Apache-2.0, à la suite du checkpoint de base Qwen3.8-27B. La page du modèle de Cloudflare renvoie au fichier de licence plutôt que de la nommer dans le texte de la page ; le fichier de licence lui-même est Apache-2.0.

Un détail d'implémentation est documenté comme un piège et il vaut la peine de le répéter : le champ de confiance indique à quel point les probabilités sont concentrées, et non la probabilité que la réponse soit correcte. Un modèle bien calibré peut renvoyer une réponse correcte à faible confiance et une réponse fausse à forte confiance.

Ce que Cloudflare affirme, et ce qui a réellement été mesuré

Voici la section à lire attentivement, car l’écart entre les deux moitiés du titre est important.

Chaque chiffre de performance associé à Clef provient de Cloudflare. La fiche modèle publie un tableau de plus de quarante lignes à partir de ce qu’elle décrit comme « notre exécution interne de la suite Decision Index 0.2.1 », et ce classement est hébergé par Cloudflare. Les évaluations de workflow en dessous sont tirées de l’ensemble d’évaluation public de TypeSafe, mais l’exécution reste celle de Cloudflare. À ce jour, je ne trouve aucune reproduction indépendante et tierce de l’un ou l’autre tableau — aucun laboratoire externe, aucun classement neutre, aucune réplication publiée. Considérez ces chiffres comme le meilleur scénario du fournisseur, et non comme des mesures.

Le motif à l'intérieur de ces chiffres est plus informatif que n'importe quelle cellule individuelle. Les résultats les plus solides de Clef concernent les tâches de type classification : lors de l'exécution de Cloudflare, il rapporte 94,2 de macro-F1 sur l'intention BANKING77 contre 79,7 pour Jev, et 97,4 de macro-F1 sur CLINC150 avec gestion des cas hors périmètre contre 89,3. Le chiffre hors périmètre est celui qui est intéressant sur le plan opérationnel, car refuser de classer est la moitié difficile du routage. Il rapporte également 98,5 en exactitude par cas sur BFCL et 86,7 sur CRUXEval.

Les pertes vont dans la même direction, de manière constante. Dans le même tableau, Clef rapporte GPQA Diamond à 48,0 contre 78,3 pour Jev, MMLU-Pro à 65,9 contre 82,7, et BBH à 73,7 contre 92,9. Ce sont les trois plus grands écarts du tableau, et ils décrivent tous la même faiblesse : le raisonnement en dehors des formes sur lesquelles le modèle a été entraîné. Sur les quatre évaluations de flux de travail de bout en bout, les deux modèles sont suffisamment proches pour que leur classement ne constitue pas un résultat.

La latence est le seul domaine où l’avantage est structurel plutôt que marginal, et donc celui qui a le plus de chances de survivre au contact de la production. Cloudflare rapporte une médiane de 209,3 ms et un p95 de 238,6 ms pour Clef, contre 524,1 ms et 536,0 ms pour Jev. Cet ordre découle de la conception non autorégressive plutôt que des particularités d’un benchmark — mais les millisecondes absolues ont été mesurées sur le propre matériel de Cloudflare et ne signifient pas grand-chose à elles seules.

À noter pour quiconque a déjà lu un tableau de benchmark Clef sur ce blog : les chiffres de service ont changé le 9 octobre. Cloudflare a fait passer Clef à SGLang pour le service et a contribué au travail en amont, rapportant des accélérations médianes de 1,7× à environ 800 jetons d'entrée et de 2,0× à environ 3 400 jetons. Il s'agit de changements au niveau de la couche de service, et non de nouveaux poids, et le modèle lui-même est inchangé. Si vous citez un chiffre de latence antérieur au 9 octobre, il est obsolète.

Appeler Clef, et établir correctement la relation avec Cloudflare

Il y a deux façons de l’exécuter, et aucune n’est mystérieuse.

Le premier est le point de terminaison de Cloudflare lui-même. Clef est servi depuis Workers AI, la plateforme d’inférence de Cloudflare, à 0,24 $ par million de jetons d’entrée, sans frais pour les jetons de sortie — ce qui découle du fait qu’il n’y a pas de jetons de sortie. Les entrées multimédias sont converties en jetons et facturées au même tarif d’entrée. C’est l’éditeur qui héberge son propre modèle, et toute la relation tient à cela : les recherches qui associent le nom de ce modèle à Cloudflare ne pointent pas vers un hébergeur tiers qui l’aurait ajouté par hasard. C’est Cloudflare qui l’a construit.

Le second est votre propre matériel. Les poids sont sur Hugging Face sous Apache-2.0, donc l’auto-hébergement est autorisé sans conversation commerciale. Les propres tests de Cloudflare ont utilisé torch 2.11 et transformers 5.10.2 sur un seul H200, avec pillow nécessaire pour l’entrée d’images et de vidéos. Si vous avez lu que Clef fonctionne aussi sur SGLang, c’est exact depuis le changement de serving du 9 octobre ; le travail en amont est prévu pour être publié dans SGLang 0.5.22.

La forme de l'API n'a délibérément rien de novateur. Les corps de requête et de réponse de Clef sont compatibles avec le format SystemOne de TypeSafe, si bien qu'un pipeline déjà raccordé à un modèle de décision de cette forme peut pointer vers Clef en changeant une URL et une chaîne de modèle. C'est un véritable argument de coût de bascule, et il joue dans les deux sens, ce qui est la façon honnête de le lire : l'interface étant identique, adopter Clef coûte peu, et l'abandonner coûte tout aussi peu. La posture raisonnable pour une équipe dont un endpoint de décision est déjà en production consiste à faire tourner les deux sur votre propre trafic plutôt qu'à migrer. Si vous passez par OrcaRouter, Jev 1.13 de TypeSafe figure parmi les modèles listés dans notre catalogue, de sorte qu'un A/B entre le titulaire et ce que vous auto-hébergez se fait derrière une seule clé plutôt que deux contrats — plus de 200 modèles, le prix catalogue des fournisseurs répercuté sans marge par token, et le basculement géré pour vous.

Une chose que cette page ne vous dira pas, c'est si Clef est disponible par notre intermédiaire. Cloudflare le publie sur Workers AI et sur Hugging Face, et je n'ai pas vérifié de voie d'accès via notre propre liste de modèles, donc il n'y a rien à affirmer.

Qu’est-ce qui n’est toujours pas résolu ?

La chose la plus utile qui pourrait arriver à Clef est une réplication externe du Decision Index. La suite est publique et Cloudflare décrit les évaluations comme reproductibles, de sorte qu’une exécution par un tiers fait toute la différence entre le tableau d’un fournisseur et un fait. Tant que cela n’existe pas, le résumé honnête du profil publié de Clef est qu’il s’agit d’un classifieur contraint très solide, avec une conception rapide et non autorégressive, et d’un raisonneur général nettement plus faible que le modèle auquel il a été comparé.

Trois éléments précis changeraient cette interprétation. Une reproduction neutre des chiffres hors périmètre de BANKING77 et CLINC150, car un écart de trente points par rapport à l’acteur en place est soit l’explication complète, soit un artefact. Un chiffre p95 en situation de concurrence réelle, car une médiane de 209 ms mesurée sur un seul H200 ne dit rien d’un chemin critique sous charge. Et un Clef affiné qui surpasse le modèle de base sur une tâche pour laquelle celui-ci n’a jamais été entraîné, ce que la plateforme de fine-tuning par RL de Cloudflare est conçue pour produire, mais n’a pas encore démontré par un résultat client.

D'ici là, ce sur quoi un lecteur peut s'appuyer, c'est la forme de la chose : 27 milliards de paramètres, un socle Qwen3.8-27B gelé avec son encodeur visuel, une tête de schéma conjointe, 65 536 jetons de contexte hébergé, du texte, du JSON, des images et de la vidéo en entrée, des probabilités en sortie, Apache-2.0. Cela suffit pour décider si l'architecture correspond à votre problème. La question à laquelle il ne peut pas encore répondre est de savoir si le tableau des scores du fournisseur dit vrai sur le modèle, et personne en dehors de Cloudflare ne l'a vérifié.