Clef-Flash: Cloudflares 9B-beslissingsmodel, en wat de Cloudflare in de naam eigenlijk betekent

Cloudflare/clef-flash is een model met 9 miljard parameters dat vragen beantwoordt met waarschijnlijkheden in plaats van zinnen. Je geeft het een toestand — tekst, JSON, een afbeelding, een videoframe — plus een schema van maximaal 64 benoemde vragen, en het retourneert één score per toegestane optie in één forward pass. Er is geen gegenereerde tekst om te parseren en geen redeneerspoor om te lezen, want er is helemaal geen tekstuitvoerpad. Het is de kleinere helft van een paar: Cloudflare/clef is het zustermodel met 27 miljard parameters dat er samen mee is uitgebracht, en een derde familielid, Cloudflare/clef-omni, voegt audio-invoer toe op een 30B mixture-of-experts-backbone. Alle drie komen van Cloudflare zelf, wat het feit is dat het meest de moeite waard is om precies goed te krijgen, want een lezer die via een zoekopdracht naar de naam van dit model binnenkomt, komt meestal met een van twee aannames — dat Cloudflare/clef-flash een door Cloudflare gehoste kopie van het model van iemand anders is, of dat Cloudflare slechts de host is — en beide zijn in dezelfde richting fout.

Wat Clef-Flash is, en wat het niet is

De eigen beschrijving van de leverancier in één regel, die zowel op de Hugging Face-modelkaart als op de Workers AI-modelpagina wordt herhaald, is dat het "een toestand en een schema van getypeerde vragen omzet in beslissingen." Dat is een engere bewering dan het klinkt, en het is de moeite waard om die uit te pakken voordat je aan welke benchmark dan ook begint.

Elke vraag in je schema declareert een van drie typen:

• noul — een ja/nee-beoordeling die de kans teruggeeft dat het antwoord waar is, met optionele beschrijvingen van wat een ja en een nee betekenen in de context van deze vraag.

• choice — een benoemde optieset van 2 tot 255 items, die de winnende optie retourneert, een waarschijnlijkheid per optie en een betrouwbaarheid.

• score — een geordende rubric van 2 tot 10 niveaus, die een waarschijnlijkheidsgewogen niveau retourneert dat tussen niveaus kan vallen, een legenda die index aan beschrijving koppelt, waarschijnlijkheden per niveau, en een betrouwbaarheid.

Een verzoek bevat 1 tot en met 64 vragen, en de antwoorden komen terug in een antwoorden-object met uw vraag-ID's als sleutels. Elke optie in elke vraag wordt in dezelfde ronde gescoord, dus de kosten van een schema met twaalf vragen zijn niet twaalf aanroepen — het is er één. Wat u aan de andere kant krijgt, is een verdeling, geen zin, en uw code past er drempelwaarden op toe.

Hieruit volgen twee dingen die een lezer die dit met een chatmodel vergelijkt, zich eigen moet maken. Ten eerste is er geen faalmodus waarin het model een uitleg schrijft die je vervolgens moet ontleden, omdat proza niet bereikbaar is. Ten tweede, en minder comfortabel: als het juiste antwoord niet in je optieset zit, heeft Clef-Flash geen mechanisme om het je te zeggen. Het scoort de opties die je hebt geschreven. Niets in het gepubliceerde request-schema voegt een "geen van deze"-bucket toe, tenzij je er zelf een toevoegt.

De Cloudflare in de naam: drie rollen, één bedrijf

Mensen zoeken naar dit model met Cloudflare eraan gekoppeld — cloudflare/clef-flash, en cloudflare clef flash in gewone bewoordingen. Het loont om het voorvoegsel expliciet te benoemen, want het verwijst naar drie afzonderlijke lagen en slechts één daarvan is de hostinglaag.

• De organisatie die het heeft getraind. Clef-Flash is een Cloudflare-model. Het aankondigingsbericht van Cloudflare, "Introductie van Clef: onze open-source beslissingsmodellen, en nieuw RL-finetuningplatform," gepubliceerd op 1 oktober 2026 en met Michelle Chen, Alex Reneau en Kevin Flansburg als auteurs, beschrijft het als een door Cloudflare getrainde release en stelt dat de modellen intern "post-trained" zijn op basis van een upstream open-weight-basis. Dit is geen checkpoint van een derde partij die Cloudflare heeft opgepikt.

• De Hugging Face-naamruimte. De gewichten staan op huggingface.co/Cloudflare/clef-flash. Dat is waarom de string cloudflare/clef-flash circuleert: het is een repositorypad, in dezelfde vorm als elke andere repo van een organisatie. Het is de meest voorkomende reden dat de twee woorden samen voorkomen, en het is geen hostingclaim.

• De inferentiehost, die tevens Cloudflare is. Het geserveerde model-id is @cf/cloudflare/clef-flash, dat via Workers AI draait op api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. Dus de hostingopzet die beschreven moet worden is niet "een door Cloudflare gehost model" in de neutrale betekenis van een marktplaatsvermelding. Het is de leverancier die zijn eigen gewichten op zijn eigen platform draait.

De praktische consequentie hiervan is: het model, de licentieverlening, het API-eindpunt en de factuur zijn allemaal terug te voeren op één bedrijf, en een lezer die aannam dat er een onafhankelijke hostinglaag ertussen zat, heeft voor dit checkpoint geen tweede leverancier om op terug te vallen. De Apache-2.0-gewichten zijn de enige uitweg daaraan, en ze zijn reëel — meer daarover hieronder. Wat is niet waar, voor zover enige leverancierspagina die we kunnen vinden vermeldt, is dat Clef-Flash via enige andere inferentieprovider wordt aangeboden. Het eigen materiaal van Cloudflare noemt geen enkel platform van derden, en we vonden er geen die het aanbiedt.

Grootte, architectuur en licentie

De cijfers, zowel uit de modelrepository zelf als uit de documentatie van Cloudflare, luiden vandaag:

• Parameters — 9,409,813,744 in BF16, dus "9B" is een afronding naar beneden, geen overdrijving. De vision-toren telt mee in dat totaal.

• Backbone — Qwen3.5-9B, bevroren tijdens post-training, inclusief zijn vision-encoder, opgeslagen als standaard gesharde safetensors. Vier shards, in totaal ongeveer 18,8 GB aan gewichten.

• Het getrainde deel — een "joint schema head", een kleine transformerkop van 243,5 MB die de laatste verborgen toestanden van de backbone leest, bewijs vanuit de toestand naar elke vraag routeert en elke optie van elke vraag gezamenlijk scoort. Eén logit per toegestane optie; softmax per vraag geeft je de distributie.

• Trainingsmethode, zoals Cloudflare die beschrijft — de routeringshead die samen met low-rank adapters van rang 256 werd geoptimaliseerd bovenop een bevroren backbone, met label-afgevlakte cross-entropie voor schemageldigheid, gecombineerd met een Brier-verlies gericht op waarschijnlijkheidskalibratie, plus een secundaire doelstelling die Cloudflare Reinforcement Learning for Calibrated Decisions noemt.

•Licentie — Apache-2.0, "in navolging van het basismodel," in de woorden van de kaart. Commercieel gebruik wordt niet beperkt door de licentie, en de gewichten zijn te downloaden uit de repository zonder een toegangsverzoek.

De vorm van het geheel — alles wat getraind is, zit in een 243 MB grote head die vastgeschroefd zit aan een bevroren backbone van 18,8 GB — is de reden om de architectuurbeschrijving serieus te nemen in plaats van haar als marketing te behandelen. Het model kan onmogelijk nieuwe wereldkennis hebben geleerd, omdat de kennisdragende gewichten nooit zijn veranderd. Wat het heeft geleerd, is hoe het bewijs naar een beslissing te routeren. Dat is een echte capaciteit, en een begrensde, en het verklaart het benchmarkpatroon verderop op deze pagina beter dan welke nauwkeurigheidsclaim dan ook.

Contextvenster en het uitvoerplafond

Dit is het cijfer dat is gewijzigd, en als je vandaag de grootte van een prompt bepaalt, moet je het huidige getal raadplegen in plaats van een getal dat sinds de lancering circuleert.

De Workers AI-modelpagina van Cloudflare voor @cf/cloudflare/clef-flash, gelezen op 12 oktober 2026, vermeldt een contextvenster van 24.576 tokens. De aankondigingspost van 1 oktober zegt iets anders — "ons model heeft een contextvenster van 64k (vergeleken met de 32k van Jev)" — en de eigen encode_record-helper van de Hugging Face-kaart gebruikt standaard max_length=16,384. Ter vergelijking: de Workers AI-pagina voor de 27B clef geeft 65.536 tokens en de pagina voor clef-omni geeft 64.000.

Eerlijk gelezen: de huidige leveranciersdocumentatie voor dit specifieke model zegt 24.576, en het lanceringsbericht zei 64k. Dat zijn twee bronnen van de leverancier zelf die elkaar tegenspreken, en slechts één daarvan is de pagina waartegen een ontwikkelaar integreert. Als je op basis van de aankondiging een prompt op een 64K-budget hebt gebouwd, is het gedocumenteerde plafond nu ongeveer een derde daarvan. Controleer voordat je verstuurt.

Media-invoer wordt gefactureerd en meegeteld binnen datzelfde budget, en dat is het detail dat er het hardst inhakt. Afbeeldingen worden getokeniseerd per patch van 32×32 pixels, met drie markertokens, en elke afbeelding is beperkt tot 1.024 tokens; een afbeelding van meer dan ongeveer één megapixel wordt verkleind, een van minder dan ongeveer 65.000 pixels wordt vergroot. Als mediatokens plus je vraagtokens het venster overschrijden, mislukt het verzoek volledig. Als dat niet gebeurt, wordt de tekst status afgekapt om in het restant te passen — stilzwijgend, vanaf het einde, zonder dat er een fout wordt gemeld. Een schema dat op de ene dag past, verliest op een dag met veel documenten stilletjes een deel van zijn status.

Maximale output wordt niet gepubliceerd.De modelpagina van Cloudflare vermeldt alleen dat "Clef-modellen geen kosten voor outputtokens in rekening brengen", en het responseschema bevat een usage.output_tokens veld zonder gedocumenteerd maximum. Dat is geen omissie om met een gok te verdoezelen: een niet-autoregressieve scorer heeft geen decodeerbudget in de zin waarin een autoregressief model dat heeft, en de leverancier documenteert geen limiet, dus er is geen limiet om te citeren. Als je er een nodig hebt, is waarover je moet nadenken je aantal opties en je aantal vragen, niet de outputtokens.

Modaliteiten erin, en precies wat er terugkomt.

De beschrijvingen van de leverancier en het aanvraagschema komen overeen aan de invoerzijde en wijken licht af op één punt, dus hier is de splitsing.

• Invoer, volgens de modelkaart — tekst, JSON of gestructureerde data in welke vorm dan ook, afbeeldingen en arrays met videoframes. Alleen-tekst- en multimodale records kunnen in één batch worden gemengd, en mediaparameters worden via een optioneel media_kwargs-veld aan de processor doorgegeven.

• Invoer, volgens het Workers AI-aanvraagschema — de gedocumenteerde parameterlijst bevat een images-array en geen videoparameter, met een maximum van 4 afbeeldingen, 4 MiB en 16 megapixels per afbeelding, 8 MiB in totaal gedecodeerd, en een limiet van 13 MiB op de volledige aanvraagbody. Alleen ingesloten bytes: externe URL's worden niet geaccepteerd.

• Uitvoer — waarschijnlijkheden over de opties die je hebt gedefinieerd, in het answers-object, in een van drie vormen afhankelijk van het vraagtype. Geen vrije tekst, geen markdown, geen toolaanroepen.

Interpreteer dat verschil als een onderscheid in hosting-oppervlak in plaats van een tegenstrijdigheid. De checkpoint documenteert videoframes; het Workers AI-endpoint dat je via HTTP aanroept, documenteert afbeeldingen. Als video deel uitmaakt van je plan, is het pad dat je moet controleren het zelfgehoste.

Wat Cloudflare beweert, en wat daadwerkelijk is gemeten

Elk cijfer in deze sectie komt van Cloudflare, en Cloudflare heeft het allemaal uitgevoerd. Dat is de allerbelangrijkste zin op deze pagina, dus het loont de moeite om specifiek te zijn over de machinerie.

De benchmarksuite is de Decision Index 0.2.1. De modelkaart beschrijft de resultaten als 'onze interne run', en het openbare leaderboard waarnaar hij linkt, wordt gehost op een door Cloudflare beheerd adres. Het tegenmodel door de hele tekst heen is Jev van TypeSafe, en de end-to-endgetallen voor bedrijfsworkflows komen van Typesafe Evals. De vergelijking is dus een leverancier die zijn eigen model meet, op een index die genoemd is naar de concurrent waartegen het wordt afgezet, en die het resultaat zelf publiceert. Er is geen onafhankelijke evaluatie van Clef-Flash. Bij controle vandaag: Artificial Analysis heeft er geen modelpagina voor, en het tekstleaderboard van LMArena vermeldt helemaal geen model met een Cloudflare-label. Wanneer een leverancier geen score van derden publiceert, is dat vermelden op zich de bevinding.

Met dat label eraan zijn de beslissingsgerichte resultaten werkelijk sterk: BFCL case-exact 98,8, API-Bank-nauwkeurigheid 93,1, ContractNLI macro-F1 84,3, RouterBench 79,9, FinEntity 97,1, en een case-exact van 97,7 voor een simulator voor huishoudelijke apparaten — de laatste daarvan ligt veertien punten boven de grotere 27B Clef in dezelfde rij. Ook de rijen voor algemene kennis houden stand: MMLU 91,8, ARC-Easy 99,5, ARC-Challenge 98,3, WinoGrande 97,5, HellaSwag 98,6, CLadder 97,7, en een ForecastBench Brier van 10,6, die het beste in zijn kolom is en het soort kalibratiegetal waarop een model dat waarschijnlijkheden produceert, beoordeeld zou moeten worden.

De verliezen horen in dezelfde alinea, en ze hebben een patroon. Op CLINC150 met afhandeling van buiten bereik scoort Clef-Flash 66,8 macro-F1 tegen de 97,4 van de 27B Clef en de 89,3 van Jev. Op ANLI haalt het 59,1 tegen de 74,8 van Jev. When2Call 65,6 tegen 81,0. GPQA Diamond 51,0 tegen 78,3. RAGTruth 35,6 tegen 76,5. En op POP909-CL, een benchmark voor akkoordlabeling, scoort het 1,6.

Een 66,6 op intentie buiten scope naast een 97,7 op apparaatbesturing is een soepel capaciteitsprofiel. Het is het profiel van een model dat heel goed is in de classificatie waarvoor het na-getraind is en veel slechter in het weigeren te classificeren wanneer het juiste antwoord 'geen van deze' is — wat, ongemakkelijk genoeg, precies het oordeel is dat een routeringslaag of een triagepijplijn het meest nodig heeft. De 1,6 op akkoordlabeling is ofwel een formaatmismatch of een echte fout, en de kaart maakt geen onderscheid.

Workflowresultaten van Typesafe Evals zijn gemengder dan de kopregels: factuurverwerking exacte acties 57,1 tegen Clef's 64,7 en Jev's 61,8; klantenservice exacte acties 77,0, voor op beide; beveiligingsincidenten 61,7; agent-trace-observeerbaarheid 69,8. Het 27B-zustermodel wint de workflowtabel in drie van de vijf rijen.

Latentie is waar het model zijn naam eer aandoet, en hetzelfde voorbehoud geldt. Mediane aanvraaglatentie 38,8 ms en p95 122,4 ms, gemeten door Cloudflare op Cloudflare-infrastructuur, tegenover 209,3 / 238,6 voor de 27B Clef. Absolute milliseconden van de eigen hardware van een leverancier zijn geen bovengrens voor wat dan ook en geen ondergrens voor wat dan ook; de ordening is de claim, en de ordening — ruwweg vijf keer sneller dan zijn eigen grotere broer — is de architectuur die doet wat ze belooft.

Hoe een lezer het daadwerkelijk noemt

Er bestaan twee routes, en het zijn werkelijk verschillende toezeggingen.

De gehoste route. Roep het aan op Workers AI als @cf/cloudflare/clef-flash, vanuit een Worker via de env.AI.run()-binding, of via REST op het Cloudflare API-eindpunt met een bearer-token. Verplichte velden zijn model, state en questions; de modelselector moet overeenkomen met het patroon ^\s*(clef|clef-flash)\s*$, waarmee de 27B- en 9B-varianten op hetzelfde eindpunt van elkaar worden onderscheiden. De prijsstelling op de Workers AI-modelpagina en de Workers AI-prijzenpagina is $0,038 per miljoen invoertokens, waarbij media tegen hetzelfde tarief in invoertokens worden getokeniseerd en er geen kosten voor uitvoertokens in rekening worden gebracht.

De zelf-gehoste route. De gewichten zijn Apache-2.0 en niet achter een toegangspoort, dus je kunt ze zelf draaien. De kaart documenteert een referentiepad van torch 2.11 en transformers 5.10.2 op één enkele H200, met pillow voor beeld- en video-invoer, en verwijst naar een SGLang-cookbook voor opdrachten om te starten op H200, B200 en B300. Zo geserveerd antwoordt het model op /v1/systemone.

Die weg is niet toevallig, want het is de reden dat dit model het waard is om te begrijpen in plaats van alleen te gebruiken. Clef-Flash is 'volledig compatibel met Jev en SystemOne', in de bewoordingen van de kaart: het accepteert een Jev/SystemOne-verzoekbody en retourneert dezelfde responsbody — model, antwoorden met vraag-id als sleutel, gebruik. De compatibiliteit was doelbewust genoeg dat een latere commit aan de repository de systemone entrypoint expliciet toevoegt. Als je pipeline al op die manier vragen aan een beslissingsmodel stelt, is het vervangen van dit model een modelstring en een URL, geen migratie. Dat is een echte verlaging van de overstapkosten, en het is het enige architectuurfeit hier dat verandert wat een lezer kan doen.

Eén routingopmerking, als feit gesteld in plaats van als verkooppraatje: OrcaRouter serveert Cloudflare/clef-flash niet. We hebben vandaag onze live catalogus gecontroleerd en het staat er niet in, en niets op deze pagina mag worden gelezen als een bewering dat dat wel zo is. Wat onze catalogus wél bevat, is het model waarvoor Clef-Flash als drop-invervanging is gebouwd — TypeSafe's Jev 1.13 staat in onze catalogus voor $0,042 per miljoen inputtokens volgens de prijstabel (de quick-facts-badge van de pagina rondt dat af naar $0,04), met een context van 65K tokens en hetzelfde POST /v1/systemone endpointtype. Omdat de twee één wire-formaat spreken, is het wisselen tussen hen een configuratiewijziging in plaats van een herschrijving, wat precies de reden is om beide bereikbaar te houden met één sleutel in plaats van een architectuur vast te leggen op welk model dan ook dat als eerste is uitgeleverd. OrcaRouter draait op de lijstprijs van de provider die zonder markup wordt doorgegeven, dus een prijswijziging bij een van beide leveranciers is dezelfde dag live aan onze kant.

Wat is er nog open?

Drie dingen, in de volgorde waarin ze het beeld zouden veranderen.

Iemand buiten Cloudflare moet de CLINC150 out-of-scope- en home-appliance-cellen samen reproduceren, omdat ze in tegengestelde richtingen wijzen en de gepubliceerde run voor geen van beide een mechanisme biedt. Als de 66,8 standhoudt bij onafhankelijke tests, is dat het operationeel belangrijkste feit over Clef-Flash, en het staat niet in de lijst met sterke punten van de aankondiging.

Het contextvenster heeft één enkel op elkaar afgestemd getal van de leverancier nodig. Op dit moment zegt de documentatiepagina van het model zelf 24.576 tokens, het lanceringsbericht zegt 64k, en de meegeleverde encoding-helper staat standaard op 16.384. Iedereen die een productieprompt qua omvang bepaalt, moet kiezen welke van de drie uitspraken van de leverancier hij moet geloven.

En de categorie moet contact hebben met echte workloads op productievolume. Cloudflares framing is dat beslissingsmodellen in het hot path zitten — een voorbeeld van domeinclassificatie in hun bericht laat Clef in 2,2 seconden een oordeel geven, tegenover 4,7 seconden voor een model voor algemeen gebruik bij dezelfde taak. Dat is een specifieke en testbare bewering over een specifieke workflow, en die zal worden beslecht door mensen die het draaien, niet door een tabel.