Clef-Flash: Model Keputusan 9B Cloudflare, dan Apa Arti Cloudflare dalam Nama Itu Sebenarnya

Cloudflare/clef-flash adalah model dengan 9 miliar parameter yang menjawab pertanyaan dengan probabilitas, bukan dengan kalimat. Anda memberinya sebuah state — teks, JSON, gambar, frame video — plus skema hingga 64 pertanyaan bernama, dan ia mengembalikan satu skor per opsi yang diizinkan dalam satu forward pass. Tidak ada teks yang dihasilkan untuk di-parse dan tidak ada jejak penalaran untuk dibaca, karena tidak ada jalur output teks sama sekali. Ini adalah bagian yang lebih kecil dari sebuah pasangan: Cloudflare/clef adalah saudara berparameter 27 miliar yang dirilis bersamanya, dan anggota keluarga ketiga, Cloudflare/clef-omni, menambahkan input audio pada backbone mixture-of-experts 30B. Ketiganya berasal dari Cloudflare sendiri, yang merupakan fakta yang paling perlu dipastikan dengan tepat, karena pembaca yang datang dari pencarian nama model ini biasanya datang dengan salah satu dari dua asumsi — bahwa Cloudflare/clef-flash adalah salinan model orang lain yang di-hosting oleh Cloudflare, atau bahwa Cloudflare hanya sebagai host — dan keduanya salah dalam arah yang sama.

Apa itu Clef-Flash, dan apa yang bukan

Deskripsi satu baris milik vendor sendiri, yang diulang baik di kartu model Hugging Face maupun halaman model Workers AI, adalah bahwa model ini "mengubah suatu state dan skema pertanyaan bertipe menjadi keputusan." Itu adalah klaim yang lebih sempit daripada kedengarannya, dan layak diuraikan sebelum melakukan benchmark apa pun.

Setiap pertanyaan dalam skema Anda mendeklarasikan salah satu dari tiga jenis:

• noul — penilaian ya/tidak yang mengembalikan probabilitas bahwa jawabannya benar, dengan deskripsi opsional tentang apa yang dimaksud ya dan tidak dalam konteks pertanyaan ini.

• pilihan — kumpulan opsi bernama yang terdiri dari 2 hingga 255 entri, mengembalikan opsi pemenang, probabilitas per opsi, dan tingkat keyakinan.

• score — rubrik terurut yang terdiri dari 2 hingga 10 tingkat, yang mengembalikan tingkat terbobot probabilitas yang dapat berada di antara tingkat-tingkat, legenda yang memetakan indeks ke deskripsi, probabilitas per tingkat, dan nilai keyakinan.

Sebuah permintaan membawa 1 hingga 64 pertanyaan, dan jawabannya kembali dalam answers objek yang dikunci berdasarkan id pertanyaan Anda. Setiap opsi di setiap pertanyaan dinilai dalam satu proses yang sama, jadi biaya untuk skema dua belas pertanyaan bukanlah dua belas panggilan — melainkan satu. Yang Anda peroleh di sisi lain adalah sebuah distribusi, bukan kalimat, dan kode Anda yang menetapkan ambangnya.

Ada dua hal yang perlu diinternalisasi oleh pembaca yang membandingkan ini dengan model chat. Pertama, tidak ada mode kegagalan ketika model menulis penjelasan yang kemudian harus Anda urai, karena prosa tidak dapat dijangkau. Kedua, dan ini kurang nyaman: jika jawaban yang benar tidak ada dalam kumpulan opsi Anda, Clef-Flash tidak punya mekanisme untuk memberi tahu Anda. Clef-Flash menilai opsi yang Anda tulis. Tidak ada apa pun dalam skema permintaan yang dipublikasikan yang menambahkan kategori "tidak satu pun dari ini" kecuali Anda sendiri yang menambahkannya.

Cloudflare dalam nama: tiga peran, satu perusahaan

Orang mencari model ini dengan Cloudflare yang dilekatkan padanya — cloudflare/clef-flash, dan cloudflare clef flash dengan kata sederhana. Prefiksnya layak diuraikan, karena ini menunjuk ke tiga lapisan terpisah dan hanya salah satunya yang melakukan hosting.

• Organisasi yang melatihnya. Clef-Flash adalah model Cloudflare. Pos pengumuman Cloudflare, "Memperkenalkan Clef: model keputusan sumber terbuka kami, dan platform fine-tuning RL baru," yang diterbitkan pada 1 Oktober 2026 dan ditulis oleh Michelle Chen, Alex Reneau, dan Kevin Flansburg, menggambarkannya sebagai rilis yang dilatih Cloudflare dan menyatakan bahwa model-model tersebut "dilatih lanjut" secara internal dari basis open-weight hulu. Ini bukan checkpoint pihak ketiga yang diambil Cloudflare.

• Namespace Hugging Face. Bobotnya berada di huggingface.co/Cloudflare/clef-flash. Itulah sebabnya string cloudflare/clef-flash beredar: itu adalah jalur repositori, dalam bentuk yang sama seperti repositori milik organisasi lain pada umumnya. Itu alasan paling umum kedua kata tersebut muncul bersamaan, dan itu bukan klaim hosting.

• Host inferensi, yang juga Cloudflare. ID model yang disajikan adalah @cf/cloudflare/clef-flash, dijalankan melalui Workers AI di api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. Jadi pengaturan hosting yang akan dijelaskan bukanlah "model yang dihosting Cloudflare" dalam arti netral dari sebuah listing marketplace. Ini adalah vendor yang menyajikan bobotnya sendiri di platformnya sendiri.

Konsekuensi praktisnya adalah ini: model, pemberian lisensi, endpoint API, dan tagihannya semuanya bermuara pada satu perusahaan, dan pembaca yang mengasumsikan adanya lapisan hosting independen di antara semuanya tidak memiliki pemasok kedua yang bisa diandalkan untuk checkpoint ini. Bobot Apache-2.0 adalah satu-satunya jalan keluar dari itu, dan itu nyata — lebih lanjut tentang itu di bawah. Yang tidak benar, sejauh yang dinyatakan halaman vendor mana pun yang dapat kami temukan, adalah bahwa Clef-Flash ditawarkan melalui penyedia inferensi lain mana pun. Materi Cloudflare sendiri tidak menyebut platform pihak ketiga mana pun, dan kami tidak menemukan satu pun yang menyediakannya.

Ukuran, arsitektur, dan lisensi

Angka-angkanya, dari repositori model itu sendiri dan dari dokumentasi Cloudflare, keduanya terbaca hari ini:

• Parameter — 9.409.813.744 dalam BF16, jadi "9B" adalah pembulatan ke bawah, bukan dibesar-besarkan. Menara visi turut dihitung dalam total tersebut.

• Backbone — Qwen3.5-9B, dibekukan selama pasca-pelatihan, termasuk encoder visinya, disimpan sebagai safetensors ter-shard standar. Empat shard, total bobotnya sekitar 18,8 GB.

• Bagian yang dilatih — sebuah "joint schema head", sebuah head transformer kecil dengan bobot 243,5 MB yang membaca hidden state akhir dari backbone, mengarahkan bukti dari state tersebut ke setiap pertanyaan, dan memberi skor pada setiap opsi dari setiap pertanyaan secara bersama. Satu logit per opsi yang diizinkan; softmax per pertanyaan memberi Anda distribusinya.

• Metode pelatihan, sebagaimana dijelaskan Cloudflare — head routing dioptimalkan bersama adaptor low-rank rank-256 di atas backbone yang dibekukan, dengan cross-entropy berpenghalusan label untuk validitas skema, dipasangkan dengan Brier loss yang ditujukan untuk kalibrasi probabilitas, ditambah tujuan sekunder yang disebut Cloudflare sebagai Reinforcement Learning for Calibrated Decisions.

• Lisensi — Apache-2.0, "mengikuti model dasar," dalam kata-kata kartu itu sendiri. Penggunaan komersial tidak dibatasi oleh lisensi, dan bobotnya tidak dibatasi aksesnya: repositori dapat diunduh tanpa permintaan akses.

Bentuk dari hal ini — semua yang dilatih berada dalam kepala 243 MB yang ditempelkan pada backbone beku 18,8 GB — adalah alasan untuk menanggapi deskripsi arsitektur ini dengan serius alih-alih menganggapnya sebagai pemasaran. Model tidak mungkin telah mempelajari pengetahuan dunia baru, karena bobot yang membawa pengetahuan tidak pernah bergerak. Yang dipelajarinya adalah cara mengarahkan bukti menjadi keputusan. Itu adalah kemampuan nyata dan terbatas, dan itu menjelaskan pola benchmark di bagian selanjutnya halaman ini lebih baik daripada klaim akurasi mana pun.

Jendela konteks dan batas maksimum keluaran

Inilah angka yang telah berubah, dan jika Anda menentukan ukuran prompt hari ini, Anda sebaiknya membaca angka terkini alih-alih angka apa pun yang beredar sejak peluncuran.

Halaman model Workers AI Cloudflare untuk @cf/cloudflare/clef-flash, yang dibaca pada 12 Oktober 2026, menyatakan jendela konteks sebesar 24.576 token. Pos pengumuman 1 Oktober menyatakan hal yang berbeda — "model kami memiliki jendela konteks 64k (dibandingkan dengan 32k milik Jev)" — dan helper encode_record milik kartu Hugging Face itu sendiri secara default menggunakan max_length=16,384. Sebagai perbandingan, halaman Workers AI untuk 27B clef memberikan 65.536 token dan halaman untuk clef-omni memberikan 64.000.

Pembacaan yang jujur: dokumentasi vendor saat ini untuk model spesifik ini menyebut 24.576, sedangkan postingan peluncurannya menyebut 64k. Itu adalah dua sumber milik vendor sendiri yang saling bertentangan, dan hanya salah satunya yang merupakan halaman yang digunakan pengembang sebagai acuan integrasi. Jika Anda menyusun prompt untuk anggaran 64K berdasarkan pengumuman itu, batas maksimum yang didokumentasikan kini kira-kira sepertiga dari itu. Periksa sebelum Anda mengirim.

Input media ditagih dan dihitung terhadap anggaran yang sama, dan itulah detail yang paling terasa dampaknya. Gambar ditokenisasi berdasarkan patch 32×32 piksel, dengan tiga token penanda, dan setiap gambar dibatasi maksimal 1.024 token; gambar yang lebih dari sekitar satu megapiksel akan diperkecil, sedangkan yang kurang dari sekitar 65.000 piksel akan diperbesar. Jika token media ditambah token pertanyaan Anda melebihi jendela, permintaan gagal total. Jika tidak, teks status dipotong agar sesuai dengan sisanya — secara diam-diam, dari akhir, tanpa error yang dimunculkan. Skema yang muat untuk satu hari akan diam-diam kehilangan sebagian statusnya pada hari yang padat dokumen.

Output maksimum tidak dipublikasikan.Halaman model Cloudflare hanya menyatakan bahwa "Model Clef tidak mengenakan biaya untuk token keluaran," dan skema respons memuatusage.output_tokens sebagai bidang tanpa batas maksimum yang didokumentasikan. Itu bukan kelalaian yang bisa ditutupi dengan tebakan: pemberi skor non-autoregresif tidak memiliki anggaran dekode dalam pengertian yang dimiliki model autoregresif, dan vendor tidak mendokumentasikan batas apa pun, sehingga tidak ada batas yang bisa dikutip. Jika Anda memerlukannya, hal yang perlu dipertimbangkan adalah jumlah opsi dan jumlah pertanyaan Anda, bukan token keluaran.

Modalitas masuk, dan persisnya apa yang kembali

Deskripsi vendor dan skema permintaan sepakat pada sisi masukan dan sedikit berbeda pada satu titik, jadi inilah pembagiannya.

• Input, sesuai kartu model — teks, JSON, atau data terstruktur dalam bentuk apa pun, gambar, dan array bingkai video. Catatan khusus teks dan multimodal dapat dicampur dalam satu batch, dan parameter media diteruskan ke pemroses melalui bidang media_kwargs opsional.

• Input, sesuai skema permintaan Workers AI — daftar parameter yang didokumentasikan mengekspos array images dan tidak ada parameter video, dengan maksimum 4 gambar, 4 MiB dan 16 megapiksel per gambar, total 8 MiB setelah didekode, serta batas 13 MiB pada keseluruhan badan permintaan. Hanya byte tersemat: URL jarak jauh tidak diterima.

• Keluaran — probabilitas atas opsi yang Anda tentukan, di dalam objek jawaban, dalam salah satu dari tiga bentuk bergantung pada jenis pertanyaan. Tanpa teks bebas, tanpa markdown, tanpa pemanggilan alat.

Bacalah perbedaan itu sebagai perbedaan permukaan hosting, bukan sebagai kontradiksi. Checkpoint mendokumentasikan frame video; endpoint Workers AI yang Anda panggil melalui HTTP mendokumentasikan gambar. Jika video adalah bagian dari rencana Anda, jalur yang perlu diperiksa adalah jalur self-hosted.

Apa yang diklaim Cloudflare, dan apa yang sebenarnya telah diukur

Setiap angka di bagian ini berasal dari Cloudflare, dan Cloudflare-lah yang menjalankan semuanya. Itu adalah kalimat paling penting di halaman ini, jadi ada baiknya kita bersikap spesifik tentang mesin yang menjalankannya.

Benchmark suite-nya adalah Decision Index 0.2.1. Kartu model tersebut menggambarkan hasilnya sebagai "uji coba internal kami," dan papan peringkat publik yang ditautkannya dihosting di alamat yang dijalankan Cloudflare. Model pembanding di seluruh teks adalah Jev milik TypeSafe, dan angka alur kerja bisnis end-to-end berasal dari Typesafe Evals. Jadi perbandingannya adalah vendor yang mengukur modelnya sendiri, pada indeks yang dinamai menurut pesaing yang menjadi acuan pengukurannya, dan menerbitkan hasilnya sendiri. Tidak ada evaluasi independen terhadap Clef-Flash. Saat dicek hari ini: Artificial Analysis tidak memiliki halaman model untuknya, dan papan peringkat teks LMArena tidak mencantumkan satu pun model berlabel Cloudflare. Ketika seorang vendor tidak menerbitkan skor pihak ketiga, menyatakan hal itu sudah menjadi temuan.

Dengan label itu terpasang, hasil yang berbentuk keputusan benar-benar kuat: BFCL case-exact 98,8, akurasi API-Bank 93,1, macro-F1 ContractNLI 84,3, RouterBench 79,9, FinEntity 97,1, dan case-exact simulator peralatan rumah tangga 97,7 — yang terakhir berada empat belas poin di atas Clef 27B yang lebih besar pada baris yang sama. Baris pengetahuan umum juga bertahan: MMLU 91,8, ARC-Easy 99,5, ARC-Challenge 98,3, WinoGrande 97,5, HellaSwag 98,6, CLadder 97,7, dan Brier ForecastBench 10,6, yang merupakan yang terbaik di kolomnya dan jenis angka kalibrasi yang seharusnya menjadi dasar penilaian model penghasil probabilitas.

Kerugian-kerugian itu termasuk dalam paragraf yang sama, dan bentuknya jelas. Pada CLINC150 dengan penanganan di luar cakupan, Clef-Flash mencetak 66,8 macro-F1 dibandingkan 97,4 milik Clef 27B dan 89,3 milik Jev. Pada ANLI, ia mendapat 59,1 dibandingkan 74,8 milik Jev. When2Call 65,6 dibandingkan 81,0. GPQA Diamond 51,0 dibandingkan 78,3. RAGTruth 35,6 dibandingkan 76,5. Dan pada POP909-CL, tolok ukur pelabelan akor, ia menghasilkan 1,6.

Skor 66,8 pada deteksi intent di luar cakupan yang berdampingan dengan 97,7 pada kontrol peralatan bukanlah kurva kemampuan yang mulus. Ini adalah profil seorang penilai yang sangat baik pada bentuk-bentuk klasifikasi yang menjadi sasaran pelatihan lanjutnya dan jauh lebih lemah dalam menolak mengklasifikasi ketika jawaban yang benar adalah "tidak satu pun dari ini" — yang, secara janggal, justru merupakan penilaian yang paling dibutuhkan oleh lapisan perutean atau pipeline triase. Skor 1,6 pada pelabelan akor mungkin merupakan ketidakcocokan format atau kegagalan yang sesungguhnya, dan kartu tersebut tidak membedakan keduanya.

Hasil alur kerja, dari Typesafe Evals, lebih bercampur daripada baris utama: exact actions pemrosesan faktur 57,1 versus 64,7 milik Clef dan 61,8 milik Jev; exact actions layanan pelanggan 77,0, di depan keduanya; insiden keamanan 61,7; observabilitas jejak agen 69,8. Varian 27B memenangkan tabel alur kerja pada tiga dari lima baris.

Latensi adalah tempat model ini membuktikan namanya, dan catatan yang sama juga berlaku. Latensi permintaan median 38,8 ms dan p95 122,4 ms, diukur oleh Cloudflare pada infrastruktur Cloudflare, dibandingkan dengan 209,3 / 238,6 untuk 27B Clef. Milidetik absolut dari perangkat keras milik vendor tidak menjadi batas atas untuk apa pun dan tidak menjadi batas bawah untuk apa pun; yang menjadi klaim adalah urutannya, dan urutan itu — sekitar lima kali lebih cepat daripada saudara besarnya sendiri — adalah arsitektur yang melakukan apa yang dikatakannya.

Bagaimana pembaca sebenarnya menyebutnya

Ada dua rute, dan keduanya merupakan komitmen yang benar-benar berbeda.

Rute yang dihosting. Panggil di Workers AI sebagai @cf/cloudflare/clef-flash, dari dalam Worker melalui binding env.AI.run(), atau melalui REST di endpoint Cloudflare API dengan token bearer. Kolom yang wajib diisi adalah model, state dan questions; pemilih model harus cocok dengan pola ^\s*(clef|clef-flash)\s*$, yang merupakan cara varian 27B dan 9B dibedakan pada endpoint yang sama. Harga di halaman model Workers AI dan halaman harga Workers AI adalah $0,038 per juta token masukan, dengan media ditokenisasi menjadi token masukan pada tarif yang sama dan tanpa biaya untuk token keluaran.

Rute self-hosted. Bobotnya berlisensi Apache-2.0 dan tidak dibatasi, jadi Anda dapat menjalankannya sendiri. Kartu model ini mendokumentasikan jalur referensi torch 2.11 dan transformers 5.10.2 pada satu H200, dengan pillow untuk input gambar dan video, dan mengarah ke cookbook SGLang untuk perintah peluncuran pada H200, B200 dan B300. Dengan penyajian seperti itu, model menjawab di /v1/systemone.

Jalur itu bukan kebetulan, karena itulah alasan model ini layak dipahami, bukan sekadar digunakan. Clef-Flash "sepenuhnya kompatibel dengan Jev dan SystemOne," dalam kata-kata kartunya: ia menerima body permintaan Jev/SystemOne dan mengembalikan body respons yang sama — model, answers yang dikunci berdasarkan id pertanyaan, usage. Kompatibilitas itu cukup disengaja sehingga commit berikutnya ke repositori menambahkan titik masuk systemone secara eksplisit. Jika pipeline Anda sudah mengajukan pertanyaan kepada model keputusan dalam bentuk itu, menggantinya dengan model ini hanyalah string model dan URL, bukan migrasi. Itu pengurangan nyata dalam biaya peralihan, dan inilah satu fakta arsitektural di sini yang mengubah apa yang dapat seorang pembaca lakukan.

Satu catatan perutean, disampaikan sebagai fakta, bukan sebagai promosi: OrcaRouter tidak menyediakan Cloudflare/clef-flash. Kami memeriksa katalog langsung kami hari ini dan model itu tidak ada di sana, dan tidak ada apa pun di halaman ini yang boleh dibaca sebagai klaim bahwa model itu tersedia. Yang memang ada di katalog kami adalah model yang menjadi target drop-in bagi Clef-Flash — Jev 1.13 dari TypeSafe ada di katalog kami dengan harga $0.042 per juta token input pada tabel harganya (lencana quick-facts di halaman ini membulatkannya menjadi $0.04), dengan konteks 65K token dan jenis endpoint POST /v1/systemone yang sama. Karena keduanya berbicara dalam satu format wire, pergantian di antara keduanya hanyalah perubahan konfigurasi, bukan penulisan ulang, dan itulah tepatnya alasan untuk menjaga keduanya tetap dapat dijangkau dari satu kunci alih-alih mengunci arsitektur pada model mana pun yang rilis lebih dulu. OrcaRouter berjalan pada harga daftar provider yang diteruskan tanpa markup, sehingga perubahan harga di vendor mana pun langsung berlaku di sisi kami pada hari yang sama.

Apa yang masih buka?

Tiga hal, dalam urutan yang akan mengubah keadaan.

Seseorang di luar Cloudflare perlu mereproduksi sel di luar cakupan dan sel peralatan rumah CLINC150 secara bersamaan, karena keduanya mengarah ke arah yang berlawanan dan run yang diterbitkan tidak memberi mekanisme untuk salah satu pun. Jika angka 66,8 bertahan dalam pengujian independen, itu adalah fakta yang paling penting secara operasional tentang Clef-Flash dan tidak ada dalam daftar keunggulan pengumuman tersebut.

Jendela konteks membutuhkan satu angka yang direkonsiliasi dari vendor. Saat ini, halaman dokumentasi model itu sendiri menyebut 24.576 token, postingan peluncurannya menyebut 64k, dan helper encoding bawaan secara default bernilai 16.384. Siapa pun yang menentukan ukuran prompt produksi harus memilih mana dari tiga pernyataan vendor yang harus dipercaya.

Dan kategori ini perlu bersentuhan dengan beban kerja nyata pada volume produksi. Cara Cloudflare membingkainya adalah bahwa model keputusan berada di hot path — contoh klasifikasi domain dalam tulisan mereka menunjukkan Clef mengembalikan putusan dalam 2,2 detik dibandingkan 4,7 detik untuk model serbaguna pada pekerjaan yang sama. Itu adalah klaim yang spesifik dan dapat diuji tentang alur kerja tertentu, dan hal itu akan diputuskan oleh orang-orang yang menjalankannya, bukan oleh sebuah tabel.