Clef：Cloudflareの27B決定モデルとは実際に何なのか

Clefは、Cloudflareが公開した270億パラメータのマルチモーダル意思決定モデルです。文字列、JSONオブジェクト、画像、動画クリップといった状態と、最大64個の型付き質問からなるスキーマを渡すと、1回のフォワードパスで、各質問の許可されたすべての選択肢に対する確率を返します。パイプラインのどこにもテキスト生成はなく、出力のパースも不要です。モデルは許可された選択肢ごとに1つのロジットを出力し、質問ごとにソフトマックスを適用すれば完了です。重みはApache-2.0で、Hugging FaceのCloudflare/clefリポジトリにあります。Cloudflareは自社のWorkers AIプラットフォームからもこのモデルを提供しています。

位置づけのために重要な日付が2つあり、どちらもこのページが存在する理由ではない。重みが公開されたのは2026年9月30日で、Cloudflareの発表記事は2026年10月1日付であり、これにより、これを書いた日時点でClefは12日目になる——ニュースではないと言えるほど古く、このページもそれをニュースとしては扱わない。このページが存在するのは、「clef」が実際に人々が入力するクエリだからであり、これまでこのブログにはそれに答えるものが何もなかったからだ。ローンチはモデルの日付が決まる根拠であり、要点は以下の参考資料にある。

サイズに関する疑問、出版社からの結論

2つのパラメータ数が隣り合って出回っており、そのうちこのモデルに属するのは1つだけです。

• Clefは27Bです。Cloudflare自身のモデルページでは、これを「27Bのマルチモーダル意思決定モデル」と説明しており、Hugging Faceのモデルカードも冒頭の一文で同じことを述べています。「Clefは、状態と型付き質問のスキーマを意思決定に変換する27Bのマルチモーダルモデルです。」

• 9Bは別のモデルであり、このモデルの2つ目のサイズではありません。 9BチェックポイントはClef Flashで、独自のリポジトリと独自のモデルページを持つ別個の兄弟モデルです。9BのClefを探していた人は、Clef Flashを探していたのです。両者に互換性はなく、数値が入れ替わることもありません。

• 三人目のメンバーもいます。 2026年10月9日に発表されたClef Omniは、別のバックボーン上に構築された、アクティブパラメータ3Bの30BのMixture-of-Expertsモデルです。音声も読み取ります。「30B」がClefに付いているのを見かけたなら、それはClefではなくClef Omniです。

このページに載っているモデルのサイズは 27B、以上です。そしてリポジトリはそれを BF16 safetensors で配布しています。公開されているファイル一式は、25 個のファイルにまたがっておよそ 55 GB になり、API 経由で呼び出すのではなく自分でホストするつもりなら、この数字が重要です。

ClefとClef Flashの関係

CloudflareはClefをファミリーとしてリリースした。そして、そのファミリー構造こそが付け足しではなく有用な部分である。ClefとClef Flashは同じレシピを共有している。すなわち、大きい方のモデルではQwen3.8-27Bバックボーンを凍結し、小さい方のモデルではQwen3.5-9Bバックボーンを凍結し、ビジョンエンコーダは維持したまま、その上に小さなジョイントスキーマヘッドと低ランクアダプタを学習させる。出力契約は同じで、容量が異なり、レイテンシ特性は大きく異なる。

その共有された契約こそ、両方のモデルを一緒に理解する価値がある理由です。一方のために書かれたスキーマはもう一方のためのスキーマであり、どちらが応答するかを切り替えるのは、書き直しではなくモデル識別子です。このトレードオフは速度と能力の比較であり、Cloudflare自身の10月9日の投稿は、Clef Flashのホステッド価格を100万入力トークンあたり$0.038に引き下げ、Clefは100万入力トークンあたり$0.24のままにすることで、そのトレードオフをより鮮明にしました。その投稿がまた何をしたかに注目してください。それはClef Flashのホステッドコンテキストウィンドウを、以前に宣伝されていた64,000トークンから24,000トークンに減らしましたが、Clef自体は64,000のままでした。

アーキテクチャ：凍結されたバックボーンとスコアリングヘッド

Clefは分類器の帽子をかぶった言語モデルではない。この設計は、モデルの他のほぼすべての特性を説明するからこそ、正確に述べておく価値がある。

• バックボーン — ビジョンエンコーダを含む Qwen3.8-27B をそのまま引き継いで凍結し、通常のシャード分割された safetensors として保存。

• ジョイントスキーマヘッド — バックボーンの最終的な隠れ状態を読み取り、その状態から各質問へ証拠をルーティングし、一度に1つの質問ではなく、すべての質問のすべての選択肢をまとめてスコアリングする小型のTransformerヘッド。

• トレーニング — ランク256の低ランクアダプタ、ラベルスムージング付き交差エントロピーに加えてキャリブレーション用のBrier損失、そしてCloudflareの「Reinforcement Learning for Calibrated Decisions」ループ。

• 出力 — 許可された選択肢ごとに1つのロジット、質問ごとに。質問ごとにソフトマックスを適用すると確率が得られます。それ以外は何も出てきません。

ジョイントスコアリングは、Clef を独立した分類器の積み重ねとは分かつ部分だ。すべての質問が1回のパスで同じ隠れ状態に対してスコアリングされるため、質問同士が互いに情報を与え合うことができ、全体が非自己回帰的である——デコードループが存在せず、レイテンシの数値はそこから生まれている。Cloudflare はこの推論を、プリフィルのみのパスと説明している。

コンテキスト、制限、そして含まれるもの

コンテキストとモダリティについて、ベンダーの資料は具体的であり、それが沈黙している箇所では、その沈黙は覆い隠すのではなく記録に値する。

• コンテキストウィンドウ — モデルページによると、Cloudflareのホスト型Workers AIエンドポイントでは65,536トークン。これは、Cloudflareの発表記事がTypeSafeのJevに帰属させている32,000トークンのウィンドウと対比させている数字だ。

• セルフホスト時のコンテキスト — Cloudflareの10月9日の投稿によると、Hugging Faceの重みは、自分で実行する場合、256,000トークンのウィンドウをサポートするようにトレーニングされています。そのリポジトリに同梱されているエンコーダーはデフォルトでmax_length=16,384になっており、これは上限ではなくデフォルトですが、ローダーを同梱のまま使うとこうなります。

• 最大出力 — 公開されていません。公開すべきトークン予算はありません。モデルは質問ごとに固定の確率ベクトルを返すため、自然な上限はトークン単位の長さではなくスキーマ（1〜64問、各2〜26個の選択肢）です。

• 入力モダリティ — テキスト、JSON、画像、動画。Workers AI のページではビジョンがサポート対象と記載されており、PNG、JPEG、WebP の画像を1リクエストにつき最大4枚まで受け付ける。Clef Omni は別途オーディオを追加するが、Clef 自体は対応していない。

• 出力モダリティ — 確率。Clefは返信の下書き、スレッドの要約、文章の生成を行うことはできず、あなたが宣言していないカテゴリを勝手に作成することもありません。

• ライセンス — Apache-2.0。Qwen3.8-27B ベースチェックポイントに準拠しています。Cloudflare のモデルページでは、ライセンス名をページ本文に記載せず、ライセンスファイルへのリンクを掲載しています。ライセンスファイル自体は Apache-2.0 です。

実装上の詳細のひとつが罠として文書化されており、繰り返す価値がある。confidenceフィールドが報告するのは、確率がどれだけ集中しているかであって、答えが正しい確率ではない。適切に校正されたモデルは、低信頼度の正解を返すこともあれば、高信頼度の誤答を返すこともある。

{{1}}Cloudflareが主張していること、そして実際に測定されたこと{{/1}}

ここは注意深く読むべき箇所です。というのも、見出しの前半と後半の間の隔たりが大きいからです。

Clefに付随するすべての性能数値はCloudflareに由来する。モデルカードは、「当社によるDecision Index 0.2.1スイートの内部実行」と説明されるものに基づく40行超の表を公開しており、そのリーダーボードはCloudflareがホストしている。その下にあるワークフロー評価はTypeSafeの公開評価セットから取られているが、実行主体は依然としてCloudflareである。今日時点で、どちらの表についても独立した第三者による再現は見つからない — 外部ラボも、中立的なリーダーボードも、公表された複製もない。数値は測定値ではなく、供給元のベストケースとして扱え。

それらの数字の中にあるパターンは、どの単一セルよりも情報量が多い。Clefの最も強い結果は分類型タスクで出ている。Cloudflareの実行では、BANKING77インテントに対して94.2のmacro-F1を報告し、Jevは79.7だった。また、スコープ外処理を含むCLINC150では97.4のmacro-F1で、Jevは89.3だった。スコープ外の数値が運用上興味深いのは、分類を拒否することがルーティングの難しい半分だからだ。さらにBFCLでは98.5のcase-exact、CRUXEvalでは86.7を報告している。

負けている項目は、一貫して同じ方向を指している。同じ表で、Clef は GPQA Diamond を 48.0 と報告しており、Jev の 78.3 と対照的だ。MMLU-Pro は 65.9 対 82.7、BBH は 73.7 対 92.9。これらは表の中で最大の 3 つの差であり、いずれも同じ弱点を表している。モデルが訓練された型の外側にある推論である。4 つのエンドツーエンドのワークフロー評価では、両モデルは順位付けが知見とはならないほど近い。

レイテンシは、優位性がわずかなものではなく構造的なものとなる唯一の領域であり、それゆえに本番環境との接触を最も生き残りやすい領域だ。Cloudflareは、Clefについて中央値209.3 ms、p95 238.6 ms、Jevについて524.1 msと536.0 msを報告している。この順序は、ベンチマークの気まぐれからではなく、非自己回帰型設計から自然に導かれる。ただし、絶対的なミリ秒値はCloudflare自身のハードウェア上で測定されたもので、それだけではほとんど意味を持たない。

このブログですでに Clef のベンチマーク表を見たことがある人に注意しておきたいのは、サービングの数値が10月9日に更新されたことです。Cloudflare は Clef のサービングを SGLang に移行し、その作業をアップストリームにコントリビュートしました。中央値で、約800入力トークン時に1.7倍、約3,400トークン時に2.0倍の高速化を報告しています。これらはサービング層の変更であり、新しい重みではありません。モデル自体は変わっていません。10月9日より前のレイテンシ数値を引用しているなら、それは古いものです。

Clef を呼び出し、Cloudflare との関係を正しくする

実行する方法は2つあり、どちらも謎めいたものではありません。

最初のものはCloudflare自身のエンドポイントです。Clefは、Cloudflare自身の推論プラットフォームであるWorkers AIから提供され、入力トークン100万あたり0.24ドルで、出力トークンには課金されません。これは出力トークンが存在しないことから当然の帰結です。メディア入力はトークンに変換され、同じ入力レートで課金されます。これはパブリッシャーが自社モデルをホストしているということであり、関係はそれだけです。このモデル名とCloudflareを組み合わせた検索は、たまたまそれを追加したサードパーティのホストを指しているのではありません。Cloudflareがそれを構築しました。

2つ目は自前のハードウェアです。重みは Apache-2.0 の下で Hugging Face 上にあり、商用の話し合いなしにセルフホスティングが許可されています。Cloudflare 自身のテストでは、単一の H200 上で torch 2.11 と transformers 5.10.2 を使用し、画像および動画入力には pillow が必要でした。Clef が SGLang でも動作するという記述を読んだなら、それは 10月9日のサービング変更時点で正確です。上流での作業は SGLang 0.5.22 でのリリースが予定されています。

APIの形状は意図的に目新しさを排している。ClefのリクエストボディとレスポンスボディはTypeSafeのSystemOneフォーマットと互換性があるため、その形状の意思決定モデルにすでに接続済みのパイプラインなら、URLとモデル文字列を変えるだけでClefを指し先にできる。これは現実のスイッチングコストに関する論拠であり、両方向に作用する。それが正直な読み方だ。インターフェースが同一だからこそ、Clefの採用は安価であり、放棄も同じく安価である。意思決定エンドポイントをすでに本番運用しているチームにとって妥当な姿勢は、移行するのではなく、自社のトラフィックに対して両方を走らせることだ。OrcaRouter経由でルーティングするなら、TypeSafeのJev 1.13は当社カタログに掲載されているモデルなので、既存のものと自社ホストのどちらかを突き合わせるA/Bは、2つの契約ではなく1つのキーの背後に収まる——200以上のモデル、プロバイダー定価をトークン単位の上乗せなしでそのまま適用、そしてフェイルオーバーは当社が処理。

このページで分からないことの1つは、Clef が当社を通じて利用できるかどうかです。Cloudflare はそれを Workers AI と Hugging Face で公開していますが、当社独自のモデルリストを通じた経路は確認していないため、断言できることは何もありません。

まだ何が未解決ですか？

Clefにとって起こり得る最も有用なことは、Decision Indexの外部による再現だ。このスイートは公開されており、Cloudflareは評価を再現可能と説明している。したがって、第三者による実行は、ベンダーの表と事実との違いを生む。それが存在するまでは、Clefの公開プロファイルについて正直に要約すれば、高速な非自己回帰設計を備えた非常に強力な制約付き分類器であり、ベンチマークで比較されたモデルよりもかなり弱い汎用推論器である。

3つの具体的な点があれば、その見方は変わるでしょう。BANKING77 と CLINC150 のスコープ外の数値の中立的な再現です。なぜなら、既存のものに対する30ポイントの差は、それだけで全体を説明するものか、単なるアーティファクトかのどちらかだからです。実際の同時実行下での p95 値です。なぜなら、1台の H200 で測定された 209 ms の中央値は、負荷時のホットパスについて何も語らないからです。そして、ベースモデルが決して訓練されたことのないタスクでベースモデルを上回る、ファインチューニング済みの Clef です。これは Cloudflare の RL ファインチューニングプラットフォームが生み出すように設計されているものの、まだ顧客の結果によって実証されてはいません。

それまでは、読者が頼りにできるのはそのものの形だ。27Bパラメータ、凍結されたQwen3.8-27Bバックボーンとそのビジョンエンコーダ、統合スキーマヘッド、65,536トークンのホスト型コンテキスト、入力はテキストとJSONと画像と動画、出力は確率、Apache-2.0。これだけあれば、そのアーキテクチャが自分の問題に合うかどうかを判断するには十分だ。それがまだ答えられない問いは、ベンダー自身のスコアボードがこのモデルについて正しいのかどうかであり、Cloudflareの外でそれを確認した者はいない。