Clef-Flash : le modèle de décision 9B de Cloudflare, et ce que le Cloudflare du nom signifie réellement

Cloudflare/clef-flash est un modèle de 9 milliards de paramètres qui répond aux questions avec des probabilités plutôt qu'avec des phrases. Vous lui transmettez un état — du texte, du JSON, une image, une image vidéo — ainsi qu'un schéma pouvant aller jusqu'à 64 questions nommées, et il renvoie un score par option autorisée en une seule passe avant. Il n'y a aucun texte généré à analyser, ni aucune trace de raisonnement à lire, car il n'existe aucune voie de sortie textuelle. C'est la moitié la plus petite d'une paire : Cloudflare/clef est le frère de 27 milliards de paramètres publié en même temps que lui, et un troisième membre de la famille, Cloudflare/clef-omni, ajoute l'entrée audio sur une base de mélange d'experts de 30B. Tous les trois viennent de Cloudflare lui-même, et c'est le fait qu'il importe le plus de rapporter avec exactitude, car un lecteur qui arrive après avoir fait une recherche sur le nom de ce modèle arrive généralement avec l'une de deux hypothèses — à savoir que Cloudflare/clef-flash est un modèle hébergé par Cloudflare, ou que Cloudflare n'en est que l'hébergeur — et les deux sont fausses dans la même direction.

Ce qu'est Clef-Flash, et ce qu'il n'est pas

La description en une ligne du fournisseur lui-même, répétée à la fois sur la fiche de modèle Hugging Face et sur la page de modèle Workers AI, est qu’il « transforme un état et un schéma de questions typées en décisions ». C’est une affirmation plus restrictive qu’elle n’y paraît, et il vaut la peine de la décortiquer avant tout benchmark.

Chaque question de votre schéma déclare l’un des trois types :

• noul — un jugement oui/non qui renvoie la probabilité que la réponse soit vraie, avec des descriptions facultatives de ce que signifient un oui et un non dans le contexte de cette question.

• choix — un ensemble d'options nommé de 2 à 255 entrées, qui renvoie l'option gagnante, une probabilité par option et un niveau de confiance.

• score — une grille ordonnée de 2 à 10 niveaux, renvoyant un niveau pondéré par probabilité pouvant se situer entre les niveaux, une légende associant l'index à la description, les probabilités par niveau, et une confiance.

Une requête contient de 1 à 64 questions, et les réponses reviennent dans un answers objet indexé par vos identifiants de question. Chaque option de chaque question est évaluée en une seule passe, donc le coût d'un schéma à douze questions n'est pas de douze appels — c'est un seul. Ce que vous obtenez de l'autre côté est une distribution, pas une phrase, et c'est votre code qui y applique un seuil.

Deux choses en découlent qu'un lecteur comparant ceci à un modèle de conversation devrait assimiler. Premièrement, il n'existe aucun mode de défaillance dans lequel le modèle rédige une explication que vous devez ensuite analyser, car la prose n'est pas accessible. Deuxièmement, et c'est moins confortable : si la bonne réponse ne figure pas dans votre ensemble d'options, Clef-Flash n'a aucun mécanisme pour vous le signaler. Il note les options que vous avez écrites. Rien dans le schéma de requête publié n'ajoute de catégorie « aucune de ces réponses » à moins que vous n'en mettiez une vous-même.

Le Cloudflare dans le nom : trois rôles, une seule entreprise

Les gens recherchent ce modèle avec Cloudflare qui y est attaché — cloudflare/clef-flash, et cloudflare clef flash en termes simples. Le préfixe mérite d'être explicité, car il pointe vers trois couches distinctes et une seule d'entre elles est l'hébergement.

• L'organisation qui l'a entraîné. Clef-Flash est un modèle Cloudflare. Le billet d'annonce de Cloudflare, « Introducing Clef: our open-source decision models, and new RL fine-tuning platform », publié le 1er octobre 2026 et signé Michelle Chen, Alex Reneau et Kevin Flansburg, le présente comme une version entraînée par Cloudflare et indique que les modèles ont été « post-entraînés » en interne à partir d'une base open-weight amont. Il ne s'agit pas d'un checkpoint tiers que Cloudflare aurait récupéré.

• L’espace de noms Hugging Face. Les poids se trouvent à huggingface.co/Cloudflare/clef-flash. C’est pourquoi la chaîne cloudflare/clef-flash circule : il s’agit d’un chemin de dépôt, de la même forme que tout autre dépôt appartenant à une organisation. C’est la raison la plus courante pour laquelle les deux mots vont ensemble, et il ne s’agit pas d’une affirmation d’hébergement.

• L'hôte d'inférence, qui est également Cloudflare. L'identifiant du modèle servi est @cf/cloudflare/clef-flash, exécuté via Workers AI à l'adresse api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. L'arrangement d'hébergement à décrire n'est donc pas un « modèle hébergé par Cloudflare » au sens neutre d'une fiche de place de marché. C'est le fournisseur qui sert ses propres poids sur sa propre plateforme.

La conséquence pratique est la suivante : le modèle, l'octroi de licence, le point de terminaison d'API et la facture renvoient tous à une seule entreprise, et un lecteur qui supposait une couche d'hébergement indépendante entre eux n'a aucun second fournisseur vers qui se tourner pour ce point de contrôle. Les poids sous Apache-2.0 sont la seule échappatoire possible, et ils sont bien réels — nous y reviendrons plus bas. Ce qui n'est pas vrai, pour autant que les pages de fournisseurs que nous avons pu trouver l'indiquent, c'est que Clef-Flash soit proposé via un autre fournisseur d'inférence. La documentation de Cloudflare elle-même ne nomme aucune plateforme tierce, et nous n'en avons trouvé aucune qui le propose.

Taille, architecture et licence

Les chiffres, provenant du dépôt de modèles lui-même et de la documentation de Cloudflare, indiquent tous les deux aujourd’hui :

• Paramètres — 9 409 813 744 en BF16, donc « 9B » est un arrondi vers le bas, pas une exagération. La tour de vision est incluse dans ce total.

• Backbone — Qwen3.5-9B, gelé pendant le post-entraînement, y compris son encodeur visuel, stocké sous forme de safetensors fragmentés standard. Quatre fragments, environ 18,8 Go de poids au total.

• La partie entraînée — une « tête de schéma conjointe », une petite tête de transformer pesant 243,5 Mo qui lit les derniers états cachés du backbone, achemine les preuves de l'état vers chaque question et note conjointement chaque option de chaque question. Un logit par option autorisée ; le softmax par question vous donne la distribution.

• Méthode d'entraînement, telle que Cloudflare la décrit — la tête de routage optimisée conjointement avec des adaptateurs de faible rang de rang 256 sur un backbone gelé, avec une entropie croisée à lissage des étiquettes pour la validité du schéma, associée à une perte de Brier visant la calibration des probabilités, ainsi qu'un objectif secondaire que Cloudflare appelle Reinforcement Learning for Calibrated Decisions.

• Licence — Apache-2.0, « suivant le modèle de base », selon les propres termes de la fiche. L'utilisation commerciale n'est pas restreinte par la licence, et les poids ne sont pas soumis à autorisation : le dépôt se télécharge sans demande d'accès.

La forme de la chose — tout ce qui est entraîné tient dans une tête de 243 Mo boulonnée à un backbone gelé de 18,8 Go — est la raison de prendre au sérieux la description de l'architecture plutôt que de la traiter comme du marketing. Le modèle n'a pas pu acquérir de nouvelles connaissances sur le monde, car les poids porteurs de connaissances n'ont jamais bougé. Ce qu'il a appris, c'est comment acheminer les preuves vers une décision. C'est une capacité réelle et limitée, et cela explique mieux le schéma des benchmarks plus loin dans cette page que n'importe quelle revendication de précision.

Fenêtre de contexte et plafond de sortie

Voici le chiffre qui a changé, et si vous dimensionnez un prompt aujourd'hui, vous devriez vous fier au nombre actuel plutôt qu'à tout nombre en circulation depuis le lancement.

La page du modèle Workers AI de Cloudflare pour @cf/cloudflare/clef-flash, consultée le 12 octobre 2026, indique une fenêtre de contexte de 24 576 jetons. Le billet d’annonce du 1er octobre indique quelque chose de différent — « notre modèle a une fenêtre de contexte de 64 k (par rapport aux 32 k de Jev) » — et l’utilitaire propre à la fiche Hugging Face encode_record utilise par défaut max_length=16,384. À titre de comparaison, la page Workers AI du modèle clef 27B donne 65 536 jetons et celle de clef-omni en donne 64 000.

Lecture honnête : la documentation actuelle du fournisseur pour ce modèle précis indique 24 576, et l’article de lancement parlait de 64 k. Ce sont deux sources du fournisseur lui-même qui se contredisent, et une seule d’entre elles est la page sur laquelle un développeur s’appuie pour l’intégration. Si vous avez conçu un prompt avec un budget de 64 K en vous fondant sur l’annonce, le plafond documenté ne représente plus qu’environ un tiers de cela. Vérifiez avant d’envoyer.

Les entrées multimédias sont facturées et comptabilisées sur ce même budget, ce qui est le détail qui fait le plus mal. Les images sont converties en jetons par blocs de 32×32 pixels, avec trois jetons marqueurs, et chaque image est plafonnée à 1 024 jetons ; une image au-delà d'environ un mégapixel est réduite, une image en dessous d'environ 65 000 pixels est agrandie. Si les jetons multimédias, additionnés à ceux de votre question, dépassent la fenêtre, la requête échoue purement et simplement. Si ce n'est pas le cas, l'état du texte est tronqué pour tenir dans l'espace restant — silencieusement, à partir de la fin, sans qu'aucune erreur ne soit levée. Un schéma qui tient pendant une journée perdra silencieusement une partie de son état lors d'une journée chargée en documents.

Le maximum de sortie n'est pas publié.La page de modèle de Cloudflare indique seulement que « les modèles Clef ne facturent pas les tokens de sortie », et le schéma de réponse comporte un champ usage.output_tokens sans plafond documenté. Ce n'est pas une omission à masquer par une supposition : un scoreur non autorégressif n'a pas de budget de décodage au sens où un modèle autorégressif en a un, et le fournisseur ne documente aucune limite, donc il n'y a aucune limite à citer. Si vous en avez besoin, ce sur quoi il faut raisonner, ce sont votre nombre d'options et votre nombre de questions, pas les tokens en sortie.

Modalités d’entrée, et exactement ce qui est renvoyé

Les descriptions du fournisseur et le schéma de la requête concordent du côté des entrées et divergent légèrement sur un point ; voici donc la répartition.

• Entrées, d'après la fiche du modèle — texte, JSON ou données structurées de toute forme, images et tableaux de trames vidéo. Les enregistrements texte uniquement et multimodaux peuvent être mélangés dans un même lot, et les paramètres multimédias sont transmis au processeur via un media_kwargschamp

• Entrées, conformément au schéma de requête Workers AI — la liste documentée des paramètres expose un tableau images et aucun paramètre vidéo, avec un maximum de 4 images, 4 MiB et 16 mégapixels par image, 8 MiB décodés au total, et un plafond de 13 MiB sur l’ensemble du corps de la requête. Uniquement des octets intégrés : les URL distantes ne sont pas acceptées.

• Sortie — probabilités sur les options que vous avez définies, dans l'objet réponses, sous l'une de trois formes selon le type de question. Aucun texte libre, aucun markdown, aucun appel d'outil.

Interprétez cette différence comme une distinction de surface d’hébergement plutôt que comme une contradiction. Le checkpoint documente les images vidéo ; le point de terminaison Workers AI que vous appelez via HTTP documente les images. Si la vidéo fait partie de votre plan, la voie à vérifier est celle auto-hébergée.

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

Chaque chiffre de cette section provient de Cloudflare, et c’est Cloudflare qui a tout fait tourner. C’est la phrase la plus importante de cette page, il vaut donc la peine d’être précis sur la mécanique.

La suite de référence est le Decision Index 0.2.1. La fiche modèle décrit les résultats comme « notre exécution interne », et le classement public vers lequel elle renvoie est hébergé à une adresse gérée par Cloudflare. Le modèle de comparaison utilisé d'un bout à l'autre est Jev de TypeSafe, et les chiffres des flux de travail métier de bout en bout proviennent de Typesafe Evals. La comparaison consiste donc en un fournisseur qui mesure son propre modèle, sur un indice nommé d'après le concurrent par rapport auquel il est mesuré, et qui publie lui-même le résultat. Il n'existe aucune évaluation indépendante de Clef-Flash. Vérification à ce jour : Artificial Analysis n'a aucune page de modèle pour celui-ci, et le classement textuel de LMArena ne liste aucun modèle étiqueté Cloudflare. Lorsqu'un fournisseur ne publie aucun score tiers, le dire constitue le constat.

Avec cette étiquette attachée, les résultats de type décisionnel sont véritablement solides : BFCL cas exact 98,8, précision API-Bank 93,1, macro-F1 ContractNLI 84,3, RouterBench 79,9, FinEntity 97,1, et un cas exact de 97,7 pour un simulateur d'appareils électroménagers — ce dernier se situant quatorze points au-dessus du plus grand Clef 27B sur la même ligne. Les lignes de connaissances générales tiennent bon elles aussi : MMLU 91,8, ARC-Easy 99,5, ARC-Challenge 98,3, WinoGrande 97,5, HellaSwag 98,6, CLadder 97,7, et un Brier ForecastBench de 10,6, qui est le meilleur de sa colonne et le genre de chiffre de calibration sur lequel un modèle produisant des probabilités devrait être jugé.

Les pertes ont leur place dans le même paragraphe, et elles ont une forme. Sur CLINC150 avec gestion du hors-périmètre, Clef-Flash obtient un score macro-F1 de 66,8 contre 97,4 pour le Clef 27B et 89,3 pour Jev. Sur ANLI, il obtient 59,1 contre 74,8 pour Jev. When2Call : 65,6 contre 81,0. GPQA Diamond : 51,0 contre 78,3. RAGTruth : 35,6 contre 76,5. Et sur POP909-CL, un benchmark d’étiquetage d’accords, il renvoie 1,6.

Un 66,8 en détection d’intentions hors périmètre à côté d’un 97,7 en commande d’appareils n’est pas une courbe de capacités lisse. C’est le profil d’un système de notation qui est très bon sur les formes de classification sur lesquelles il a été post-entraîné et bien plus faible lorsqu’il s’agit de refuser de classer quand la bonne réponse est « aucune de ces options » — ce qui est, fâcheusement, exactement le jugement dont une couche de routage ou un pipeline de triage a le plus besoin. Le 1,6 en étiquetage d’accords est soit une inadéquation de format, soit un véritable échec, et la fiche ne permet pas de distinguer.

Les résultats de workflow, issus de Typesafe Evals, sont plus mitigés que les lignes principales : traitement des factures, actions exactes 57,1 contre 64,7 pour Clef et 61,8 pour Jev ; service client, actions exactes 77,0, devant les deux ; incidents de sécurité 61,7 ; observabilité des traces d’agents 69,8. Le modèle frère 27B remporte le tableau des workflows sur trois lignes sur cinq.

C'est sur la latence que le modèle mérite son nom, et la même réserve s'applique. Latence médiane des requêtes de 38,8 ms et p95 de 122,4 ms, mesurées par Cloudflare sur l'infrastructure Cloudflare, contre 209,3 / 238,6 pour le Clef 27B. Les millisecondes absolues issues du matériel propre d'un fournisseur ne constituent ni une borne supérieure ni une borne inférieure pour quoi que ce soit ; c'est l'ordre qui est l'affirmation, et cet ordre — environ cinq fois plus rapide que son propre grand frère — est l'architecture qui fait ce qu'elle dit.

Comment un lecteur l'appelle réellement

Deux voies existent, et ce sont des engagements véritablement différents.

La route hébergée. Appelez-la sur Workers AI en tant que @cf/cloudflare/clef-flash, depuis un Worker via la liaison env.AI.run(), ou via REST au point de terminaison de l'API Cloudflare avec un jeton bearer. Les champs obligatoires sont model, state et questions ; le sélecteur model doit correspondre au motif ^\s*(clef|clef-flash)\s*$, ce qui permet de distinguer les variantes 27B et 9B sur le même point de terminaison. La tarification indiquée sur la page du modèle Workers AI et sur la page de tarification Workers AI est de 0,038 $ par million de jetons d'entrée, les médias étant tokenisés en jetons d'entrée au même tarif et les jetons de sortie n'étant pas facturés.

La voie auto-hébergée. Les poids sont sous Apache-2.0 et sans accès restreint, vous pouvez donc les exécuter vous-même. La fiche documente un chemin de référence avec torch 2.11 et transformers 5.10.2 sur un seul H200, avec pillow pour les entrées image et vidéo, et renvoie à un cookbook SGLang pour les commandes de lancement sur H200, B200 et B300. Servi de cette manière, le modèle répond sur /v1/systemone.

Cette voie n'est pas fortuite, car c'est la raison pour laquelle ce modèle mérite d'être compris plutôt que simplement utilisé. Clef-Flash est « entièrement compatible avec Jev et SystemOne », selon les termes de la fiche : il accepte un corps de requête Jev/SystemOne et renvoie le même corps de réponse — modèle, réponses indexées par identifiant de question, utilisation. La compatibilité était suffisamment délibérée pour qu'un commit ultérieur dans le dépôt ajoute le point d'entrée systemone explicitement. Si votre pipeline pose déjà des questions à un modèle de décision sous cette forme, remplacer celui-ci se limite à une chaîne de modèle et à une URL, pas à une migration. C'est une véritable réduction du coût de changement, et c'est le seul fait architectural ici qui change ce qu'un lecteur peut faire.

Une note de routage, énoncée comme un fait plutôt que comme un argument de vente : OrcaRouter ne sert pas Cloudflare/clef-flash. Nous avons vérifié notre catalogue en direct aujourd'hui et il n'y figure pas, et rien sur cette page ne doit être interprété comme une affirmation qu'il y est. Ce que notre catalogue propose, c'est le modèle pour lequel Clef-Flash a été conçu comme remplacement direct — Jev 1.13 de TypeSafe figure dans notre catalogue à 0,042 $ par million de jetons d'entrée dans sa grille tarifaire (le badge de faits rapides de la page arrondit ce montant à 0,04 $), avec un contexte de 65 K jetons et le même POST /v1/systemone type de point de terminaison. Comme les deux parlent un même format de transmission, le passage de l'un à l'autre est un changement de configuration plutôt qu'une réécriture, ce qui est exactement la raison de garder les deux accessibles à partir d'une seule clé au lieu d'engager une architecture sur le modèle livré en premier. OrcaRouter fonctionne selon le prix catalogue du fournisseur, répercuté sans marge, de sorte qu'une variation de prix chez l'un ou l'autre fournisseur est effective de notre côté le jour même.

Qu'est-ce qui est encore ouvert ?

Trois choses, dans l’ordre où elles changeraient la donne.

Quelqu'un à l'extérieur de Cloudflare doit reproduire ensemble les cellules CLINC150 hors périmètre et appareils électroménagers, car elles pointent dans des directions opposées et l'exécution publiée ne donne de mécanisme pour ni l'une ni l'autre. Si le 66,8 tient lors de tests indépendants, c'est le fait le plus important sur le plan opérationnel concernant Clef-Flash, et il ne figure pas dans la liste des points forts de l'annonce.

La fenêtre de contexte a besoin d’un seul chiffre réconcilié de la part du fournisseur. À l’heure actuelle, la page de documentation du modèle lui-même indique 24 576 jetons, le billet de lancement indique 64k, et l’utilitaire d’encodage fourni utilise par défaut 16 384. Quiconque dimensionne une invite de production doit choisir laquelle de trois déclarations du fournisseur croire.

Et la catégorie doit être confrontée à des charges de travail réelles à l’échelle de la production. Selon la présentation de Cloudflare, les modèles de décision se trouvent sur le chemin critique — dans un exemple de classification de domaine tiré de leur article, Clef rend un verdict en 2,2 secondes, contre 4,7 secondes pour un modèle généraliste sur la même tâche. Il s’agit d’une affirmation précise et vérifiable concernant un flux de travail précis, et elle sera tranchée par les personnes qui l’exécutent, non par un tableau.