Clef-Flashはトークンを一切出力しない9Bモデル――そしてCloudflareのブログは、重みが公開されてからほぼ1日後に登場した

Cloudflare/clef-flashは、状態と型付き質問のスキーマを受け取り、許可されたすべての回答に対して確率を返す90億パラメータのマルチモーダルモデルだ。テキストは生成しない。「テキスト生成が下手」なのではない——テキスト出力の経路がそもそも一切存在しない。このモデルのリポジトリは、2026年9月30日21:15 UTCにApache-2.0の下でHugging Faceに登場した。これを紹介するCloudflareの発表記事は、より大規模な27BのCloudflare/clefとともに、翌日15:34 UTCに公開された。およそ18時間のあいだ、公開ウェイトとホスト型のWorkers AIエンドポイントは、ベンダーが一言も発する前に公の場に存在していた。そしてこの順序こそが、このリリースで最も興味深い事実である——パイプラインにこれを組み込むかどうかを判断しようとしている人にとっては、どの単一のベンチマークの行よりも興味深い。

2つ目の、より小さな問題が2日後に浮上した。サードパーティ製ランタイムの clef-flash 用ライブラリページは、この記事のレーダーが最初にこのモデルを捉えた場所だが、そのモデル表では「256K コンテキストウィンドウ」と記載している一方、数行上では Cloudflare 自身の readme テキスト「64K コンテキストウィンドウ：Jev の 32K ウィンドウが保持する状態の2倍」を表示している。両方の数字が正しいはずはなく、ベンダーのドキュメントが小さい方に軍配を上げて決着させている。この種のずれは冒頭で指摘しておく価値がある。というのも、この記事の他のすべては同じ問いの下流にあるからだ。どの数字がベンダーのもので、どれがミラーのもので、どれがベンダー以外の誰かによって検証されているのか、という問いだ。

実際に出荷されたのは何で、どのような順序だったのか

記録、順を追って：

• 2026年9月30日 21:15:35 UTC — Cloudflare/clefは、Hugging Faceで作成された27Bモデルです。

• 2026年9月30日 21:15:36 UTC — Cloudflare/clef-flashが、その1秒後に作成されます。どちらもQwenベースモデルのファインチューニングです。ClefはQwen3.8-27Bから、Clef-FlashはQwen3.5-9Bから派生しています。

• 2026年10月1日 15:23 UTC — clef-flash のリポジトリが最後に更新された日時であり、これは私たちが引用しているモデルカードのテキストが書かれたおおよその時期にあたります。

• 2026年10月1日 15:34 UTC —「Introducing Clef: our open-source decision models, and new RL fine-tuning platform」がCloudflareブログに掲載され、両モデルをWorkers AIでホストし、それらを中心としたファインチューニングサービスを開始する。

• 2026年10月2–3日 — サードパーティ製ランタイムが重みを取り込み、とあるサードパーティ製ランタイムのライブラリページと量子化されたコミュニティビルドが登場する。

つまりこれはリークでも、ひっそりとしたリリースでも、読者が噂として扱わざるを得ない未発表のチェックポイントでもない。ブログ記事を伴うGAリリースであり、Cloudflare自身のエッジGPU上でホストされるAPIがあり、重みにはApache-2.0ライセンスが付き、商用ファインチューニングプラットフォームも付属している。唯一本当に奇妙なのは、リポジトリが発表より18時間先行していたことだ。モデルが公開されているのにベンダー自身のマーケティングページがまだ存在しないほどの長さであり、Cloudflare以外の誰も実質的に実行していなかったほどの短さでもある。

意思決定モデルは小規模言語モデルではありません。

Cloudflareの投稿における枠組みは、意思決定モデルが独自のカテゴリーであるというものであり、アーキテクチャはその主張を飾り立てるのではなく裏付けている。Clef-Flashは、Qwen3.5-9Bバックボーンを、その視覚エンコーダーも含めて凍結したままにしている。その上に小さなTransformerヘッドが載る——リリースでは243.5 MBの重みで、約4つのシャード化されたバックボーンファイルが合計18.8 GBに達するのに対して——これは状態からの証拠を各質問へとルーティングし、すべての質問のすべての選択肢を単一パスで採点する。Cloudflareはこれを「非自己回帰」と呼ぶ。トークンごとの生成も、中間推論テキストも、出力解析もない。許可された選択肢ごとにロジットが得られ、それを質問ごとにsoftmaxにかければ、分布が得られる。

リクエストの形式はそこから導かれる。あなたが渡すのはstate — 文字列、あるいは JSON オブジェクトか配列 — に加え、任意で画像または動画フレームのリスト、そして1〜64個の名前付き質問だ。各質問はtypeを宣言する：noulは真偽の判定用で、真である確率を返す。choiceは名前付きの選択肢セット用で、選ばれた選択肢に加えて選択肢ごとの確率と confidence を返す。またはscoreは順序尺度用で、確率で重み付けされたレベルを返す。Criteria はnoulでは任意、それ以外ではほぼ必須であり、ドキュメントはある落とし穴について異例なほど率直に述べている。confidence は「確率がどれだけ集中しているかを示す。答えが正しい確率ではない」。自信をもって答えるモデルが必ずしも正しく答えているとは限らず、この両者を分けるのはキャリブレーション指標だけだ。

その違いこそが、関心を持つ理由そのものだ。汎用モデルにサポートチケットを分類させ、その回答を解析しようとしたことがあるなら、この設計が取り除くコストをすでに払っていることになる。Clef-Flash は「これはたぶん請求の問題っぽい？」という文を生成できない。文を生成できないからだ。返すのは {"choice": "billing", "probabilities": {"billing": 0.981, ...}, "confidence": 0.924} だ — この例は Cloudflare 自身のドキュメントからそのまま取ったもので — あなたのコードがそれにしきい値を適用する。

数字、そしてそれを出したのは誰か

以下の数値はすべて、Cloudflareのモデルカードまたはブログ記事のいずれかに由来しており、それらはすべてCloudflareが実行したものです。このスイートはJev Decision Indexです。これは、Clef-Flashがベンチマーク比較されているモデルJevのベンダーであるTypeSafeが公開しているリーダーボードです。つまりこの比較は、供給元自身が、競合のインデックス上で自社製品を測定し、しかもそれを供給元が実行したものです。Clef-Flashの独立した評価はまだ存在せず、本記事はそうでないふりをするものではありません。

意思決定に特化したベンチマークでは、Clef-Flash はマーケティングから切り離して評価する価値のある真の強さを見せている。BFCL case-exact 98.8、API-Bank 93.1、家電シミュレーション 97.7、ContractNLI macro-F1 84.3、RouterBench 79.9。BFCL（98.8 対 98.5）、API-Bank（93.1 対 91.9）、家電スイート（97.7 対 83.0）で、より大規模な 27B Clef を上回っている。最後の項目は14ポイント差で、表の中で最も驚くべきセルであり、Cloudflare の外部で誰も検証していない唯一のセルでもある。

損失も同じくらい現実であり、同じ段落に含めるべきだ。スコープ外処理を備えたCLINC150では、clef-flashはマクロF1で66.8を記録し、27Bの97.4とJevの89.3と対比される — 「その他」バケットを含む意図検出における30ポイントの崖であり、これはまさにルーティング層が最も頻繁に目にするリクエストの形である。ANLIではJevの74.8に対して59.1、When2CallではJevの81.0に対して65.6、GPQA DiamondではJevの78.3に対して51.0を記録する。そしてPOP909-CL、コードラベリングのベンチマークでは、1.6を記録する — この数字はデータ形式の不一致か実際の失敗のどちらかであり、カードにはどちらであるかが記載されていない。

レイテンシ表こそ、このモデルがその名にふさわしいことを証明する場所だ。リクエストレイテンシの中央値は38.8 ms、p95は122.4 msで、27B Clefの209.3 / 238.6、Jevの524.1 / 536.0と対比される。Cloudflareが自社インフラ上で測定したものなので、絶対値のミリ秒は他環境で目にする値の上限と考えるべきだが、順序関係——flash版は同じファミリーのより大きなモデルより約5.5倍速く、中央値ではJevより13倍速い——は、設計が宣伝どおりに機能している証拠だ。

掲載情報が食い違う唯一の数字

コンテキストウィンドウは人々を悩ませる数字になる。なぜなら、それは誤ってコピーされたものだからだ。CloudflareのWorkers AIドキュメントは、@cf/cloudflare/clef-flashについて、コンテキストウィンドウが65,536トークンだと述べている。ブログ記事には「私たちのモデルは64kのコンテキストウィンドウを持つ（Jevの32kと比較して）」と書かれている。モデルカード自体のエンコーディングヘルパーはデフォルトでmax_length=16,384トークンになっている。一方、あるサードパーティランタイムのライブラリ一覧では、表の中で256Kを宣伝している。

3つのベンダー情報源は約64Kで一致しており、1つのサードパーティ掲載情報はその4倍と述べている。ライブラリのページを根拠に、256Kの予算に対してプロンプトのサイズを見積もっているなら、リクエスト時にそれが判明することになる。正直な解釈では、文書化された上限として65,536トークンであり、ただしCloudflare自身のリリースノートは、カードの16,384トークンのデフォルトをそれと突き合わせて整合させていないという但し書きが付く——上限ではなくデフォルトだが、同梱のローダーをそのまま使うなら、送信する状態の量を静かに左右するものだ。

どこでそれを呼び出せるか、どこでは呼び出せないか

Clef-Flash はまだ OrcaRouter 上のルートの一つではありません。当社のカタログではそれに対して 404 が返されます。本記事のいかなる内容も、当社による利用可能性の主張として受け取らないでください — 今日すぐに使いたい場合は、Cloudflare が Workers AI 上で入力トークン100万あたり $0.09 でホストしており、Apache-2.0 の重みはあなたのもので、ローカルで実行できます。

この記事が本当に扱っている意思決定にとって、それが意味するのは、特定のベンダーのプラットフォームを通してしかアクセスできないスコアラーは、その精度とともにレイテンシと可用性も引き継ぐスコアラーだということだ。ルート付きのホスト型の代替は TypeSafe の Jev 1.13 で、これは OrcaRouter 上にあり、100万入力トークンあたり $0.042、コンテキストは 65,536 トークン、そして Cloudflare がベンチマークの相手として選んだモデルだ——両者が API 互換だから、意図的にそうしたのだ。Clef-Flash は同じ /v1/systemoneリクエスト形式を話すので、両者は薄いアダプターの背後で交換可能だ。両方に1つのキーで到達でき、プロバイダーの表示価格がマークアップなしでそのまま渡されることが、アーキテクチャをたまたま先に出荷された方のモデルに固定するのではなく、その比較を生かし続ける理由だ。

何がこの読みを変えるだろうか

3つのこと、どれだけ状況を大きく動かすかの順に。

Cloudflare外の誰かがCLINC150+OOSと家電セルを再現する必要がある。なぜならそれらは逆方向を指しており、カードはどちらについてもメカニズムを何も示していないからだ。スコープ外意図検出の66.8が家電制御の97.7の隣にあるのは、滑らかな能力曲線ではない。それは、訓練分布にある分類の形は非常に得意だが、正解が「どれでもない」であるときに分類を拒否することははるかに苦手なモデルを示唆している。もしそれが独立したテストでも成り立つなら、それはclef-flashに関する最も重要な運用上の事実であり、ハイライトセクションには載っていない。

64K対256Kの表記の食い違いは、訂正するには出典が要る。というのも今やそれが、ミラーから外へと、人々が実際に目にする場所へ広がりつつあるからだ。ランタイムのカードに異を唱えて論を制するために引用しなければならないものといえば、通常はベンダーのドキュメントではない。だがこれは、まさにそれが当てはまる小さな事例なのだ。

そして、そのカテゴリは実際のワークロードとの接触に耐えなければならない。Cloudflare自身の説明では、意思決定モデルはエージェントのホットパスに位置する——彼らのThreat Intelligenceの例では、ウェブサイトを取得、レンダリング、分類するのに2秒かかるのに対し、同じ作業を彼らの最速の汎用LLMで行うと4.7秒かかる。これは現実の具体的なワークフローに関する、現実的で具体的な主張であり、実際にそれを動かす人々によって決着がつく類の主張であって、表によって決着がつくものではない。