Clef-Flash: il modello decisionale 9B di Cloudflare, e cosa significa davvero il Cloudflare nel nome

Cloudflare/clef-flash è un modello da 9 miliardi di parametri che risponde alle domande con probabilità invece che con frasi. Gli si fornisce uno stato — testo, JSON, un'immagine, un fotogramma video — più uno schema di fino a 64 domande denominate, e restituisce un punteggio per ogni opzione consentita in un singolo passaggio in avanti. Non c'è testo generato da analizzare né traccia di ragionamento da leggere, perché non esiste affatto un percorso di output testuale. È la metà più piccola di una coppia: Cloudflare/clef è il fratello da 27 miliardi di parametri pubblicato insieme ad esso, e un terzo membro della famiglia, Cloudflare/clef-omni, aggiunge l'input audio su una backbone mixture-of-experts da 30B. Tutti e tre provengono da Cloudflare stessa, ed è il fatto che più vale la pena cogliere esattamente, perché un lettore che arriva da una ricerca del nome di questo modello di solito arriva con una di due supposizioni — che Cloudflare/clef-flash sia una copia ospitata su Cloudflare del modello di qualcun altro, oppure che Cloudflare sia semplicemente l'host — ed entrambe sono sbagliate nella stessa direzione.

Che cos'è Clef e cosa non è

La descrizione in una riga fornita dal venditore stesso, ripetuta sia sulla model card di Hugging Face sia sulla pagina del modello di Workers AI, è che «trasforma uno stato e uno schema di domande tipizzate in decisioni». È un'affermazione più ristretta di quanto non sembri, e vale la pena analizzarla nel dettaglio prima di qualunque benchmark.

Ogni domanda nel tuo schema dichiara uno dei tre tipi:

• noul — un giudizio sì/no che restituisce la probabilità che la risposta sia vera, con descrizioni opzionali di cosa significano un sì e un no nel contesto di questa domanda.

• scelta — un insieme di opzioni denominato da 2 a 255 voci, che restituisce l'opzione vincente, una probabilità per opzione e una confidenza.

• score — una rubrica ordinata da 2 a 10 livelli, che restituisce un livello ponderato per probabilità che può collocarsi tra i livelli, una legenda che mappa l'indice alla descrizione, le probabilità per livello e una confidenza.

Una richiesta contiene da 1 a 64 domande e le risposte tornano in un oggetto answers indicizzato dagli id delle vostre domande. Ogni opzione di ogni domanda viene valutata nello stesso passaggio, quindi il costo di uno schema di dodici domande non è di dodici chiamate — è di una sola. Quello che ottenete dall'altra parte è una distribuzione, non una frase, e il vostro codice vi applica una soglia.

Da ciò seguono due cose che un lettore che confronta questo con un modello di chat dovrebbe interiorizzare. Primo: non esiste una modalità di errore in cui il modello scrive una spiegazione che poi devi analizzare, perché la prosa non è raggiungibile. Secondo, e in modo meno confortevole: se la risposta giusta non è nel tuo insieme di opzioni, Clef-Flash non ha alcun meccanismo per dirtelo. Assegna un punteggio alle opzioni che hai scritto. Nulla nello schema di richiesta pubblicato aggiunge una categoria "nessuna di queste", a meno che non ce la metta tu stesso.

Il Cloudflare nel nome: tre ruoli, una sola azienda

Le persone cercano questo modello con Cloudflare collegato — cloudflare/clef-flash, e cloudflare clef flash in parole semplici. Vale la pena esplicitare il prefisso, perché rimanda a tre livelli separati e solo uno di essi ospita.

• L'organizzazione che lo ha addestrato. Clef-Flash è un modello Cloudflare. Il post di annuncio di Cloudflare, "Introducing Clef: our open-source decision models, and new RL fine-tuning platform", pubblicato il 1° ottobre 2026 e firmato da Michelle Chen, Alex Reneau e Kevin Flansburg, lo descrive come una release addestrata da Cloudflare e afferma che i modelli sono stati "post-addestrati" internamente a partire da una base open-weight upstream. Non si tratta di un checkpoint di terze parti che Cloudflare ha recuperato.

• Il namespace di Hugging Face. I pesi si trovano su huggingface.co/Cloudflare/clef-flash. Ecco perché la stringa cloudflare/clef-flash circola: è un percorso di repository, nella stessa forma di qualsiasi altro repo di proprietà di un'organizzazione. È il motivo più comune per cui le due parole viaggiano insieme, e non è un'affermazione di hosting.

• L'host di inferenza, che è anche Cloudflare. L'id del modello servito è @cf/cloudflare/clef-flash, eseguito tramite Workers AI su api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. Quindi la configurazione di hosting da descrivere non è "un modello ospitato su Cloudflare" nel senso neutro di un'inserzione di marketplace. È il fornitore che serve i propri pesi sulla propria piattaforma.

La conseguenza pratica è questa: il modello, la concessione della licenza, l'endpoint API e la fattura fanno tutti capo a un'unica azienda, e un lettore che aveva dato per scontata la presenza di uno strato di hosting indipendente tra di essi non ha un secondo fornitore su cui ripiegare per questo checkpoint. I pesi Apache-2.0 sono l'unica via di fuga da questa situazione, e sono reali: ne parliamo più avanti. Ciò che non è vero, per quanto possa affermare qualsiasi pagina di fornitore che siamo riusciti a trovare, è che Clef-Flash venga offerto tramite qualsiasi altro fornitore di inferenza. Il materiale di Cloudflare stesso non nomina alcuna piattaforma di terze parti, e non ne abbiamo trovata nessuna che lo offra.

Dimensione, architettura e licenza

I numeri, dal repository del modello stesso e dalla documentazione di Cloudflare, oggi recitano entrambi:

• Parametri — 9.409.813.744 in BF16, quindi "9B" è un arrotondamento per difetto, non un'esagerazione. La torre di visione contribuisce a quel totale.

• Backbone — Qwen3.5-9B, congelato durante il post-training, incluso il suo encoder visivo, memorizzato come safetensors sharded standard. Quattro shard, circa 18,8 GB di pesi in totale.

• La parte addestrata — una "testa di schema congiunta", una piccola testa transformer da 243,5 MB che legge gli stati nascosti finali del backbone, indirizza le evidenze dallo stato a ciascuna domanda e valuta congiuntamente ogni opzione di ogni domanda. Un logit per opzione; il softmax per domanda fornisce la distribuzione

• Metodo di addestramento, come lo descrive Cloudflare — la testa di routing ottimizzata insieme ad adattatori low-rank di rango 256 su un backbone congelato, con cross-entropy con label smoothing per la validità dello schema abbinata a una Brier loss mirata alla calibrazione delle probabilità, più un obiettivo secondario che Cloudflare chiama Reinforcement Learning for Calibrated Decisions.

• Licenza — Apache-2.0, "seguendo il modello base", secondo le parole della scheda stessa. L'uso commerciale non è limitato dalla licenza e i pesi non sono soggetti a restrizioni: il repository si scarica senza richiesta di accesso.

La forma della cosa — tutto ciò che è addestrato risiede in una testa da 243 MB avvitata a una backbone congelata da 18,8 GB — è il motivo per prendere sul serio la descrizione dell'architettura invece di trattarla come marketing. Il modello non può aver appreso nuova conoscenza del mondo, perché i pesi che portano la conoscenza non si sono mai mossi. Ciò che ha imparato è come instradare le prove verso una decisione. È una capacità reale e circoscritta, e spiega il pattern dei benchmark più avanti in questa pagina meglio di qualsiasi dichiarazione di accuratezza.

Finestra di contesto e limite massimo di output

Questo è il dato che è cambiato, e se oggi stai dimensionando un prompt dovresti leggere il numero attuale anziché qualsiasi numero in circolazione dal lancio.

La pagina del modello Workers AI di Cloudflare per @cf/cloudflare/clef-flash, consultata il 12 ottobre 2026, indica una finestra di contesto di 24.576 token. Il post di annuncio del 1° ottobre afferma qualcosa di diverso — "il nostro modello ha una finestra di contesto di 64k (rispetto ai 32k di Jev)" — e la scheda di Hugging Face stessa, il cui encode_record helper ha come valore predefinito max_length=16,384. Per confronto, la pagina Workers AI per il modello 27B clef indica 65.536 token, mentre la pagina per clef-omni ne indica 64.000.

La lettura onesta: la documentazione attuale del fornitore per questo modello specifico indica 24.576, mentre il post di lancio parlava di 64K. Sono due fonti dello stesso fornitore che si contraddicono tra loro, e solo una è la pagina su cui uno sviluppatore integra. Se hai costruito un prompt con un budget di 64K sulla base dell'annuncio, il limite documentato ora è circa un terzo di quello. Controlla prima di inviare.

Gli input multimediali vengono fatturati e conteggiati su quello stesso budget, ed è il dettaglio che fa più male. Le immagini vengono tokenizzate in patch di 32×32 pixel, con tre token marcatore, e ogni immagine è limitata a 1,024 token; un'immagine superiore a circa un megapixel viene ridotta, una inferiore a circa 65.000 pixel viene ingrandita. Se i token dei contenuti multimediali più i token della tua domanda superano la finestra, la richiesta fallisce del tutto. In caso contrario, lo stato del testo viene troncato per adattarsi a ciò che rimane — silenziosamente, dalla fine, senza che venga segnalato alcun errore. Uno schema che un giorno rientra nei limiti perderà silenziosamente parte del suo stato in una giornata densa di documenti.

L'output massimo non è pubblicato. La pagina del modello di Cloudflare afferma soltanto che "i modelli Clef non addebitano nulla per i token di output", e lo schema di risposta contiene un campo usage.output_tokens senza alcun tetto documentato. Non è un'omissione da mascherare con una supposizione: uno scorer non autoregressivo non ha un budget di decodifica nel senso in cui ce l'ha un modello autoregressivo, e il fornitore non documenta alcun limite, quindi non c'è alcun limite da citare. Se te ne serve uno, la cosa su cui ragionare è il numero di opzioni e il numero di domande, non i token in uscita.

Modalità in ingresso e esattamente ciò che viene restituito

Le descrizioni del fornitore e lo schema della richiesta concordano per quanto riguarda l'input e divergono leggermente su un punto, quindi ecco la divergenza.

• Input, come indicato nella scheda del modello — testo, JSON o dati strutturati di qualsiasi forma, immagini e array di fotogrammi video. I record solo testo e multimodali possono essere mescolati in un unico batch, e i parametri media vengono passati al processore tramite un media_kwargs campo opzionale.

• Input, secondo lo schema di richiesta di Workers AI — l'elenco documentato dei parametri espone un array imagese nessun parametro video, con un massimo di 4 immagini, 4 MiB e 16 megapixel per immagine, 8 MiB totali decodificati e un limite di 13 MiB sull'intero corpo della richiesta. Solo byte incorporati: gli URL remoti non sono accettati.

• Output — probabilità sulle opzioni che hai definito, nell'oggetto answers, in una delle tre forme a seconda del tipo di domanda. Nessun testo libero, nessun markdown, nessuna chiamata agli strumenti.

Interpreta quella differenza come una distinzione di superficie di hosting anziché come una contraddizione. Il checkpoint documenta fotogrammi video; l'endpoint Workers AI che chiami via HTTP documenta immagini. Se il video fa parte del tuo piano, il percorso da verificare è quello self-hosted.

Ciò che Cloudflare sostiene e ciò che è stato effettivamente misurato

Ogni numero in questa sezione proviene da Cloudflare, e Cloudflare ha eseguito tutto quanto. Questa è la frase più importante in assoluto di questa pagina, quindi vale la pena scendere nei dettagli del meccanismo.

La suite di benchmark è il Decision Index 0.2.1. La scheda del modello descrive i risultati come "nostra esecuzione interna", e la classifica pubblica a cui rimanda è ospitata a un indirizzo gestito da Cloudflare. Il modello di confronto in tutta la valutazione è Jev di TypeSafe, e i numeri end-to-end dei flussi di lavoro aziendali provengono da Typesafe Evals. Quindi il confronto è un fornitore che misura il proprio modello, su un indice intitolato al concorrente rispetto al quale viene misurato, e che pubblica esso stesso il risultato. Non esiste alcuna valutazione indipendente di Clef-Flash. Verificando oggi: Artificial Analysis non ha alcuna pagina del modello per esso, e la classifica testuale di LMArena non elenca alcun modello etichettato Cloudflare. Quando un fornitore non pubblica alcun punteggio di terze parti, dirlo è il risultato.

Con quell'etichetta attribuita, i risultati di tipo decisionale sono davvero solidi: BFCL case-exact 98,8, accuratezza API-Bank 93,1, macro-F1 ContractNLI 84,3, RouterBench 79,9, FinEntity 97,1 e un case-exact del simulatore di elettrodomestici di 97,7 — l'ultimo dei quali è quattordici punti sopra il più grande Clef 27B sulla stessa riga. Anche le righe di conoscenza generale tengono bene: MMLU 91,8, ARC-Easy 99,5, ARC-Challenge 98,3, WinoGrande 97,5, HellaSwag 98,6, CLadder 97,7 e un Brier ForecastBench di 10,6, che è il migliore nella sua colonna e il tipo di valore di calibrazione sul quale un modello che produce probabilità dovrebbe essere giudicato.

Le perdite vanno nello stesso paragrafo, e hanno una forma. Su CLINC150 con gestione fuori ambito, Clef-Flash ottiene 66,8 di macro-F1 contro i 97,4 del Clef 27B e gli 89,3 di Jev. Su ANLI ottiene 59,1 contro il 74,8 di Jev. When2Call 65,6 contro 81,0. GPQA Diamond 51,0 contro 78,3. RAGTruth 35,6 contro 76,5. E su POP909-CL, un benchmark di etichettatura degli accordi, restituisce 1,6.

Un 66,8 sul rilevamento di intenti fuori ambito che sta accanto a un 97,7 sul controllo degli elettrodomestici non è una curva di capacità fluida. È il profilo di uno scorer che è molto bravo nelle forme di classificazione su cui è stato post-addestrato e molto più debole nel rifiutarsi di classificare quando la risposta corretta è "nessuna di queste" — che, goffamente, è esattamente il giudizio di cui un livello di routing o una pipeline di triage ha più bisogno. Il 1,6 sull'etichettatura degli accordi è o un disallineamento di formato o un vero fallimento, e la scheda non li distingue.

I risultati del workflow, da Typesafe Evals, sono più misti rispetto alle righe principali: azioni esatte di elaborazione fatture 57,1 contro 64,7 di Clef e 61,8 di Jev; azioni esatte del servizio clienti 77,0, davanti a entrambi; incidenti di sicurezza 61,7; osservabilità delle tracce degli agenti 69,8. Il modello gemello 27B vince la tabella dei workflow in tre righe su cinque.

La latenza è il campo in cui il modello si guadagna il suo nome, e vale la stessa avvertenza. Latenza mediana delle richieste 38,8 ms e p95 122,4 ms, misurate da Cloudflare su infrastruttura Cloudflare, contro 209,3 / 238,6 per il Clef 27B. I millisecondi assoluti ricavati dall'hardware di un fornitore non sono un limite superiore di nulla né un limite inferiore di nulla; l'ordinamento è la tesi, e l'ordinamento — circa cinque volte più veloce del suo stesso fratello maggiore — è l'architettura che fa ciò che promette.

Come lo chiama effettivamente un lettore

Esistono due percorsi, e sono impegni genuinamente diversi.

La rotta ospitata. Chiamala su Workers AI come @cf/cloudflare/clef-flash, dall'interno di un Worker tramite env.AI.run() come binding, oppure via REST all'endpoint dell'API Cloudflare con un bearer token. I campi obbligatori sono model, state e questions; il selettore model deve corrispondere al pattern ^\s*(clef|clef-flash)\s*$, che è il modo in cui le varianti 27B e 9B vengono disambiguate sullo stesso endpoint. I prezzi nella pagina del modello di Workers AI e nella pagina dei prezzi di Workers AI sono 0,038 $ per milione di token di input, con i contenuti multimediali tokenizzati in token di input allo stesso costo e nessun addebito per i token di output.

La via self-hosted. I pesi sono Apache-2.0 e non soggetti a gating, quindi puoi eseguirli in autonomia. La scheda documenta un percorso di riferimento con torch 2.11 e transformers 5.10.2 su una singola H200, con pillow per gli input di immagini e video, e rimanda a un cookbook SGLang per i comandi di avvio su H200, B200 e B300. Servito in questo modo, il modello risponde su /v1/systemone.

Quel percorso non è casuale, perché è la ragione per cui vale la pena comprendere questo modello anziché limitarsi a usarlo. Clef-Flash è "pienamente compatibile con Jev e SystemOne", per usare le parole della scheda: accetta un corpo di richiesta Jev/SystemOne e restituisce lo stesso corpo di risposta — modello, risposte indicizzate per ID della domanda, utilizzo. La compatibilità è stata voluta al punto che un commit successivo al repository aggiunge il systemone come punto di ingresso esplicitamente. Se la tua pipeline già pone domande a un modello decisionale in quella forma, sostituirlo con questo consiste in una stringa di modello e un URL, non in una migrazione. Questa è una reale riduzione del costo di passaggio, ed è l'unico fatto architetturale qui che cambia ciò che un lettore può fare.

Una nota di instradamento, dichiarata come un fatto anziché come un messaggio promozionale: OrcaRouter non serve Cloudflare/clef-flash. Abbiamo verificato oggi il nostro catalogo attivo e non c'è, e nulla in questa pagina va letto come un'affermazione che ci sia. Ciò che il nostro catalogo offre è il modello di cui Clef-Flash doveva essere un sostituto diretto — Jev 1.13 di TypeSafe è nel nostro catalogo a 0,042 $ per milione di token in input secondo la sua tabella dei prezzi (il badge dei dati essenziali della pagina lo arrotonda a 0,04 $), con una finestra di contesto di 65K token e lo stesso POST /v1/systemone tipo di endpoint. Poiché i due parlano lo stesso formato di comunicazione, il passaggio dall'uno all'altro è un cambio di configurazione anziché una riscrittura, ed è esattamente il motivo per tenere entrambi raggiungibili con un'unica chiave invece di vincolare un'architettura al modello arrivato per primo. OrcaRouter si basa sul prezzo di listino del fornitore trasferito senza alcun ricarico, quindi una variazione di prezzo presso uno dei due fornitori è attiva dalla nostra parte lo stesso giorno.

Cosa è ancora aperto?

Tre cose, nell'ordine in cui cambierebbero il quadro.

Qualcuno al di fuori di Cloudflare deve riprodurre insieme le celle out-of-scope e home-appliance di CLINC150, perché puntano in direzioni opposte e la run pubblicata non fornisce alcun meccanismo per nessuna delle due. Se il 66,8 regge sotto test indipendenti, questo è il fatto più importante a livello operativo su Clef-Flash e non è nell'elenco dei punti di forza dell'annuncio.

La finestra di contesto ha bisogno di un unico numero riconciliato da parte del fornitore. Al momento, la pagina di documentazione del modello stesso dice 24.576 token, il post di lancio dice 64k, e l'helper di codifica incluso ha come valore predefinito 16.384. Chiunque stia dimensionando un prompt di produzione sta scegliendo a quale di tre dichiarazioni del fornitore credere.

E la categoria ha bisogno di contatto con carichi di lavoro reali a volume di produzione. L'impostazione di Cloudflare è che i modelli decisionali si trovano nel hot path — un esempio di classificazione di dominio nel loro post vede Clef restituire un verdetto in 2,2 secondi contro i 4,7 secondi di un modello generalista sullo stesso compito. Questa è un'affermazione specifica e verificabile su un flusso di lavoro specifico, e sarà risolta dalle persone che lo eseguono, non da una tabella.