Clef-Flash adalah model 9B yang tidak pernah menulis token — dan blog Cloudflare muncul hampir sehari setelah bobotnya

Cloudflare/clef-flash adalah model multimodal 9 miliar parameter yang menerima sebuah state dan skema pertanyaan bertipe lalu mengembalikan probabilitas untuk setiap jawaban yang diizinkan. Model ini tidak menghasilkan teks. Bukan "ia menghasilkan teks dengan buruk" — ia sama sekali tidak memiliki jalur keluaran teks. Repo untuknya muncul di Hugging Face pada 21:15 UTC tanggal 30 September 2026 di bawah Apache-2.0; pos pengumuman Cloudflare yang memperkenalkannya, bersama dengan 27B yang lebih besar Cloudflare/clef, diterbitkan pada 15:34 UTC keesokan harinya. Selama kurang lebih delapan belas jam, bobot terbuka dan endpoint Workers AI yang dihosting sudah ada di publik sebelum vendor mengatakan sepatah kata pun tentangnya, dan urutan itu adalah fakta paling menarik dalam rilis ini — lebih menarik, bagi siapa pun yang memutuskan apakah akan menyambungkannya ke dalam pipeline, daripada baris benchmark mana pun.

Masalah kecil kedua yang lebih ringan muncul dua hari kemudian. Halaman pustaka runtime pihak ketiga untuk clef-flash, yang merupakan tempat radar artikel ini pertama kali melihat model tersebut, mencantumkannya dengan "jendela konteks 256K" di tabel modelnya sementara menampilkan teks readme milik Cloudflare sendiri — "jendela konteks 64K: Dua kali lipat state yang dimiliki jendela 32K milik Jev" — beberapa baris di atasnya. Kedua angka itu tidak mungkin sama-sama benar, dan dokumentasi vendor menyelesaikannya dengan memilih angka yang lebih kecil. Penyimpangan semacam itu layak ditandai sejak awal, karena semua hal lain dalam artikel ini merupakan turunan dari pertanyaan yang sama: angka mana yang milik vendor, mana yang milik mirror, dan mana yang telah diperiksa oleh siapa pun yang bukan vendor.

Apa yang sebenarnya sudah dirilis, dan dalam urutan apa

Catatan, secara berurutan:

• 30 September 2026, 21:15:35 UTC — Cloudflare/clef, model 27B, dibuat di Hugging Face.

• 30 September 2026, 21:15:36 UTC — Cloudflare/clef-flash dibuat, satu detik kemudian. Keduanya merupakan fine-tune dari basis Qwen: Clef dari Qwen3.8-27B, Clef-Flash dari Qwen3.5-9B.

• 1 Oktober 2026, 15:23 UTC — repositori clef-flash terakhir dimodifikasi, yang kira-kira pada saat teks kartu model yang kami kutip ditulis.

• 1 Oktober 2026, 15.34 UTC — "Memperkenalkan Clef: model keputusan sumber terbuka kami, dan platform fine-tuning RL baru" terbit di blog Cloudflare, menghosting kedua model tersebut di Workers AI sekaligus meluncurkan layanan fine-tuning di sekitarnya.

• 2–3 Oktober 2026 — runtime pihak ketiga mulai mengambil bobot tersebut; halaman pustaka runtime pihak ketiga dan build komunitas terkuantisasi muncul.

Jadi ini bukan kebocoran, bukan peluncuran senyap, dan bukan checkpoint tanpa pengumuman yang harus dianggap pembaca sebagai rumor. Ini adalah rilis GA dengan postingan blog, API terkelola di GPU edge milik Cloudflare sendiri, lisensi Apache-2.0 untuk bobotnya, dan platform fine-tuning komersial yang menyertainya. Satu-satunya hal yang benar-benar aneh adalah keunggulan delapan belas jam yang dimiliki repositori atas pengumuman itu — cukup lama bagi model untuk menjadi publik sementara halaman pemasaran vendor sendiri masih belum ada, cukup singkat sehingga tidak ada orang di luar Cloudflare yang benar-benar menjalankannya secara berarti.

Model keputusan bukanlah model bahasa kecil.

Kerangka dalam tulisan Cloudflare adalah bahwa model keputusan merupakan kategori tersendiri, dan arsitekturnya mendukung klaim itu, bukan sekadar menghiasinya. Clef-Flash mempertahankan backbone Qwen3.5-9B, termasuk encoder visinya, dalam keadaan beku. Di atasnya terdapat head transformer kecil — 243,5 MB bobot dalam rilis ini, dibandingkan dengan sekitar empat berkas backbone terpecah yang totalnya mencapai 18,8 GB — yang mengarahkan bukti dari state ke setiap pertanyaan dan menilai setiap opsi dari setiap pertanyaan dalam satu lintasan. Cloudflare menyebutnya "non-autoregresif": tidak ada generasi token demi token, tidak ada teks penalaran perantara, tidak ada penguraian keluaran. Anda mendapatkan satu logit per opsi yang diizinkan, menerapkan softmax per pertanyaan, dan Anda punya sebuah distribusi.

Bentuk permintaan mengikuti dari itu. Anda menyediakan state — string, atau objek atau array JSON — daftar opsional gambar atau frame video, dan satu hingga enam puluh empat pertanyaan bernama. Setiap pertanyaan mendeklarasikan tipe: noul untuk penilaian benar/salah yang mengembalikan probabilitas benar, choice untuk kumpulan opsi bernama yang mengembalikan opsi terpilih plus probabilitas per opsi dan keyakinan, atau score untuk skala berurutan yang mengembalikan level berbobot probabilitas. Kriteria bersifat opsional untuk noul dan hampir wajib untuk yang lain, dan dokumentasinya sangat blak-blakan tentang satu jebakan: keyakinan "menunjukkan seberapa terkonsentrasi probabilitasnya. Itu bukanlah peluang bahwa jawabannya benar." Model yang menjawab dengan yakin tidak selalu menjawab dengan benar, dan ukuran kalibrasi adalah satu-satunya hal yang membedakan keduanya.

Perbedaan itulah alasan utama untuk tertarik. Jika Anda pernah meminta model serbaguna untuk mengklasifikasikan tiket dukungan lalu mencoba mengurai jawabannya, Anda sudah membayar biaya yang dihilangkan oleh desain ini. Clef-Flash tidak dapat menghasilkan kalimat "Ini sepertinya masalah penagihan, mungkin?" karena ia tidak dapat menghasilkan kalimat. Ia mengembalikan {"choice": "billing", "probabilities": {"billing": 0.981, ...}, "confidence": 0.924} — contoh ini langsung dari dokumentasi Cloudflare sendiri — dan kode Anda menetapkan ambang batasnya.

Angka-angkanya, dan siapa yang menjalankannya

Setiap angka di bawah ini berasal dari kartu model Cloudflare atau tulisan blog, dan Cloudflare yang menjalankan semuanya. Rangkaian uji ini adalah Jev Decision Index — papan peringkat yang diterbitkan oleh TypeSafe, vendor Jev, model yang dijadikan tolok ukur bagi Clef-Flash — jadi perbandingan ini adalah produk milik pemasok sendiri yang diukur pada indeks pesaing, yang dijalankan oleh pemasok itu. Belum ada evaluasi independen atas Clef-Flash, dan artikel ini tidak berpura-pura sebaliknya.

Pada benchmark yang khusus untuk pengambilan keputusan, Clef-Flash benar-benar kuat dengan cara yang patut dibedakan dari pemasaran: BFCL case-exact 98,8, API-Bank 93,1, simulasi peralatan rumah tangga 97,7, ContractNLI macro-F1 84,3, RouterBench 79,9. Model ini mengalahkan Clef 27B yang lebih besar pada BFCL (98,8 versus 98,5), API-Bank (93,1 versus 91,9), dan suite peralatan rumah tangga (97,7 versus 83,0) — yang terakhir dengan selisih empat belas poin, yang merupakan sel paling mengejutkan di tabel dan satu-satunya yang belum diperiksa oleh siapa pun di luar Cloudflare.

Kerugiannya sama nyata dan pantas berada di paragraf yang sama. Pada CLINC150 dengan penanganan di luar cakupan, clef-flash mencetak 66,8 makro-F1 dibandingkan dengan 97,4 milik 27B dan 89,3 milik Jev — jurang tiga puluh poin pada deteksi intent dengan keranjang "other", yang justru merupakan bentuk permintaan yang paling sering dilihat oleh lapisan routing. Pada ANLI ia mendapat 59,1 dibandingkan dengan 74,8 milik Jev; pada When2Call 65,6 dibandingkan dengan 81,0 milik Jev; pada GPQA Diamond 51,0 dibandingkan dengan 78,3 milik Jev. Dan pada POP909-CL, tolok ukur pelabelan akor, ia mendapat skor 1,6 — angka yang entah merupakan ketidakcocokan format data atau kegagalan nyata, dan kartu tersebut tidak menyebutkan yang mana.

Tabel latensi adalah tempat model ini membuktikan namanya. Latensi permintaan median 38,8 ms, p95 122,4 ms, dibandingkan dengan 27B Clef pada 209,3 / 238,6 dan Jev pada 524,1 / 536,0. Cloudflare mengukurnya di infrastrukturnya sendiri, jadi anggap milidetik absolut itu sebagai batas atas dari apa yang akan Anda lihat di tempat lain, tetapi urutannya — varian flash sekitar lima setengah kali lebih cepat daripada saudara besarnya sendiri dan tiga belas kali lebih cepat daripada Jev pada median — adalah desain yang bekerja sesuai yang diiklankan.

Satu-satunya angka yang tidak disepakati oleh daftar-daftar itu

Jendela konteks adalah angka yang akan merugikan banyak orang, karena itulah yang salah disalin. Dokumentasi Workers AI milik Cloudflare untuk @cf/cloudflare/clef-flash menyatakan jendela konteks 65.536 token. Postingan blog itu mengatakan "model kami memiliki jendela konteks 64k (dibandingkan dengan 32k milik Jev)". Helper encoding milik model card itu sendiri secara default disetel ke max_length=16,384 token. Sementara itu, daftar library milik salah satu runtime pihak ketiga mengiklankan 256K di tabelnya.

Tiga sumber vendor sepakat pada sekitar 64K dan satu listing pihak ketiga mengatakan empat kali lipat dari itu. Jika Anda menakar prompt terhadap anggaran 256K berdasarkan halaman pustaka, Anda akan mengetahuinya saat permintaan. Pembacaan yang jujur adalah 65.536 token sebagai plafon yang didokumentasikan, dengan catatan bahwa catatan rilis Cloudflare sendiri tidak pernah menyelaraskan default 16.384 token pada kartu itu dengannya — sebuah default, bukan batas, tetapi default yang akan secara diam-diam membentuk seberapa banyak state yang Anda kirim jika Anda menggunakan loader bawaan apa adanya.

Di mana Anda bisa menggunakannya, dan di mana Anda tidak bisa

Clef-Flash belum menjadi salah satu rute di OrcaRouter. Katalog kami mengembalikan 404 untuknya, dan tidak ada apa pun dalam tulisan ini yang boleh ditafsirkan sebagai klaim ketersediaan dari kami — jika Anda menginginkannya hari ini, Cloudflare menghostingnya di Workers AI dengan biaya $0,09 per juta token input, dan bobot Apache-2.0 tersedia bagi Anda untuk dijalankan secara lokal.

Apa artinya bagi keputusan yang sebenarnya menjadi inti artikel ini adalah bahwa sebuah penilai yang hanya dapat Anda jangkau melalui platform satu vendor adalah penilai yang latensi dan ketersediaannya Anda warisi bersama akurasinya. Alternatif hosted dengan rute adalah Jev 1.13 milik TypeSafe, yang ada di OrcaRouter dengan harga $0,042 per juta token input dengan konteks 65.536 token, dan yang merupakan model yang dipilih Cloudflare sebagai padanan benchmarknya — secara sengaja, karena keduanya kompatibel API. Clef-Flash menggunakan /v1/systemone bentuk permintaan yang sama, sehingga keduanya dapat dipertukarkan di balik adaptor tipis. Kemampuan menjangkau keduanya melalui satu kunci, dengan harga daftar penyedia diteruskan tanpa markup, adalah alasan untuk menjaga perbandingan itu tetap hidup alih-alih mengikat arsitektur pada model mana pun yang kebetulan dirilis lebih dulu.

Apa yang akan mengubah pembacaan ini?

Tiga hal, diurutkan berdasarkan seberapa besar dampaknya terhadap gambaran keseluruhan.

Seseorang di luar Cloudflare perlu mereproduksi sel CLINC150+OOS dan sel peralatan rumah tangga, karena keduanya menunjuk ke arah yang berlawanan dan kartu itu tidak memberikan mekanisme untuk keduanya. Nilai 66,8 pada deteksi intent di luar cakupan di samping 97,7 pada kontrol peralatan bukanlah kurva kemampuan yang mulus; itu menunjukkan model yang sangat baik pada bentuk klasifikasi dalam distribusi pelatihannya dan jauh lebih lemah dalam menolak mengklasifikasikan ketika jawaban yang benar adalah "tidak ada dari ini". Jika itu bertahan dalam pengujian independen, itu adalah fakta operasional terpenting tentang clef-flash dan hal itu tidak ada di bagian sorotan.

Perbedaan daftar 64K versus 256K memerlukan sumber untuk mengoreksinya, karena saat ini perbedaan itu menyebar keluar dari sebuah mirror ke tempat-tempat yang benar-benar dibaca orang. Dokumentasi vendor biasanya bukan hal yang harus dikutip untuk memenangkan argumen melawan kartu milik sebuah runtime, dan ini adalah kasus kecil yang memang demikian.

Dan kategori itu perlu bertahan saat bersentuhan dengan beban kerja nyata. Kerangka Cloudflare sendiri adalah bahwa model keputusan berada di jalur kritis bagi agen — dua detik untuk mengambil, merender, dan mengklasifikasikan situs web versus 4,7 detik untuk LLM umum tercepat mereka pada tugas yang sama, dalam contoh Threat Intelligence mereka. Itu adalah klaim yang nyata dan spesifik tentang alur kerja yang nyata dan spesifik, dan itu adalah jenis klaim yang diputuskan oleh orang-orang yang menjalankannya, bukan oleh tabel.