Clef-Flash is een 9B-model dat nooit een token schrijft — en de blog van Cloudflare verscheen bijna een dag na de gewichten

Cloudflare/clef-flash is een multimodaal model met 9 miljard parameters dat een toestand en een schema van getypeerde vragen aanneemt en voor elk toegestaan antwoord een waarschijnlijkheid retourneert. Het genereert geen tekst. Niet "het genereert tekst slecht" — het heeft helemaal geen tekstuitvoerpad. De repo ervan verscheen op Hugging Face om 21:15 UTC op 30 september 2026 onder Apache-2.0; Cloudflare's aankondigingspost die het introduceerde, naast het grotere 27B Cloudflare/clef, werd gepubliceerd om 15:34 UTC de volgende dag. Ongeveer achttien uur lang bestonden de open gewichten en het gehoste Workers AI-eindpunt publiekelijk voordat de leverancier er een woord over zei, en die volgorde is het meest interessante feit in de release — interessanter, voor iedereen die besluit of dit aan een pipeline moet worden gekoppeld, dan welke enkele benchmarkrij dan ook.

Een tweede, kleinere complicatie diende zich twee dagen later aan. De bibliotheekpagina van een runtime van een derde partij voor clef-flash, waar de radar van dit artikel het model voor het eerst zag, vermeldt het met een "256K-contextvenster" in zijn modeltabel, terwijl een paar regels daarboven Cloudflares eigen readme-tekst wordt weergegeven — "64K-contextvenster: tweemaal de state die Jevs 32K-venster bevat". De twee getallen kunnen niet allebei juist zijn, en de documentatie van de leverancier beslecht het in het voordeel van het kleinere getal. Dat soort afwijking is het waard om vooraf te signaleren, want al het andere in dit stuk volgt uit dezelfde vraag: welke getallen zijn van de leverancier, welke zijn van een mirror, en welke zijn gecontroleerd door iemand die niet de leverancier is.

Wat er daadwerkelijk is verzonden, en in welke volgorde

Het record, in volgorde:

• 30 september 2026, 21:15:35 UTC — Cloudflare/clef, het 27B-model, wordt aangemaakt op Hugging Face.

• 30 september 2026, 21:15:36 UTC — Cloudflare/clef-flashwordt aangemaakt, één seconde later. Beide zijn fine-tunes van Qwen-bases: Clef van Qwen3.8-27B, Clef-Flash van Qwen3.5-9B.

• 1 oktober 2026, 15:23 UTC — de repository van clef-flash is voor het laatst gewijzigd, wat ongeveer het moment is waarop de model card-tekst die we citeren werd geschreven.

• 1 oktober 2026, 15:34 UTC — "Introducing Clef: our open-source decision models, and new RL fine-tuning platform" verschijnt op de Cloudflare-blog, waarbij beide modellen op Workers AI worden gehost en er een fine-tuningdienst rondom hen wordt gelanceerd.

• 2–3 oktober 2026 — runtimes van derden pikken de gewichten op; de bibliotheekpagina van een runtime van een derde partij en gekwantiseerde communitybuilds verschijnen.

Dit is dus geen lek, geen stille release en geen onaangekondigde checkpoint die een lezer als gerucht moet behandelen. Het is een GA-release met een blogpost, een gehoste API op Cloudflares eigen edge-gpu's, een Apache-2.0-licentie op de gewichten en een commercieel fine-tuningplatform eraan verbonden. Het enige echt vreemde is de voorsprong van achttien uur die de repository op de aankondiging had — lang genoeg voor het model om openbaar te zijn terwijl de eigen marketingpagina van de leverancier nog niet bestond, kort genoeg dat niemand buiten Cloudflare het op enige betekenisvolle manier had gedraaid.

Een beslissingsmodel is geen klein taalmodel.

De framing in de post van Cloudflare is dat beslissingsmodellen een aparte categorie vormen, en de architectuur onderbouwt die bewering in plaats van haar op te smukken. Clef-Flash houdt de Qwen3.5-9B-backbone, inclusief de vision-encoder, bevroren. Daarbovenop zit een kleine transformer-head — 243,5 MB aan gewichten in de release, tegenover ongeveer vier gesharde backbone-bestanden die oplopen tot 18,8 GB — die bewijs uit de state naar elke vraag routeert en in één enkele pass elke optie van elke vraag scoort. Cloudflare noemt dit 'niet-autoregressief': er is geen token-voor-token-generatie, geen tussentijdse redeneertekst, geen output-parsing. Je krijgt één logit per toegestane optie, neemt er per vraag de softmax van, en je hebt een verdeling.

De vorm van het verzoek volgt daaruit. Je levert state — een string, of een JSON-object of -array — een optionele lijst met afbeeldingen of videoframes, en één tot vierenzestig benoemde vragen. Elke vraag declareert een type: noul voor een waar/onwaar-beoordeling die de kans op waar retourneert, choice voor een benoemde set opties die de gekozen optie plus kansen per optie en een confidence retourneert, of score voor een geordende schaal die een kansgewogen niveau retourneert. Criteria zijn optioneel voor noul en min of meer verplicht voor de andere, en de documentatie is ongewoon direct over één valkuil: confidence "laat zien hoe geconcentreerd de kansen zijn. Het is niet de kans dat het antwoord juist is." Een model dat zelfverzekerd antwoordt, antwoordt niet noodzakelijkerwijs correct, en een kalibratiemaatstaf is het enige dat de twee onderscheidt.

Dat onderscheid is de hele reden om geïnteresseerd te zijn. Als je ooit een model voor algemeen gebruik hebt gevraagd een supportticket te classificeren en daarna hebt geprobeerd het antwoord te parseren, dan heb je al de tol betaald die dit ontwerp wegneemt. Clef-Flash kan de zin "Dit lijkt een facturatieprobleem, waarschijnlijk?" niet genereren, omdat het geen zin kan genereren. Het retourneert {"choice": "billing", "probabilities": {"billing": 0.981, ...}, "confidence": 0.924} — het voorbeeld komt rechtstreeks uit de eigen documentatie van Cloudflare — en je code past er een drempelwaarde op toe.

De cijfers, en wie ze runde

Elk cijfer hieronder is afkomstig van de modelkaart van Cloudflare of van het blogbericht, en Cloudflare heeft ze allemaal uitgevoerd. De suite is de Jev Decision Index — een ranglijst die wordt gepubliceerd door TypeSafe, de leverancier van Jev, het model waartegen Clef-Flash wordt gebenchmarkt — dus de vergelijking betreft het eigen product van de leverancier, gemeten op de index van een concurrent, uitgevoerd door de leverancier. Er is nog geen onafhankelijke evaluatie van Clef-Flash, en dit artikel doet niet alsof dat wel zo is.

Op de beslissingsspecifieke benchmarks is Clef-Flash oprecht sterk op een manier die het waard is om los te zien van marketing: BFCL case-exact 98,8, API-Bank 93,1, simulatie van huishoudelijke apparaten 97,7, ContractNLI macro-F1 84,3, RouterBench 79,9. Het verslaat de grotere 27B Clef op BFCL (98,8 tegen 98,5), API-Bank (93,1 tegen 91,9) en de suite voor huishoudelijke apparaten (97,7 tegen 83,0) — de laatste met veertien punten, wat de meest verrassende cel in de tabel is en degene die niemand buiten Cloudflare heeft gecontroleerd.

De verliezen zijn even reëel en horen in dezelfde alinea. Op CLINC150 met out-of-scope-afhandeling scoort clef-flash 66,8 macro-F1 tegenover 97,4 van de 27B en 89,3 van Jev — een kloof van dertig punten bij intentieherkenning met een "other"-bucket, wat precies de vorm is van het verzoek dat een routeringslaag het vaakst ziet. Op ANLI haalt het 59,1 tegenover 74,8 van Jev; op When2Call 65,6 tegenover 81,0 van Jev; op GPQA Diamond 51,0 tegenover 78,3 van Jev. En op POP909-CL, een benchmark voor akkoordenlabeling, scoort het 1,6 — een getal dat ofwel een mismatch in het dataformaat is, ofwel een echte fout, en de kaart zegt niet welke.

De latentietabel is waar het model zijn naam waarmaakt. Mediane aanvraaglatentie 38,8 ms, p95 122,4 ms, tegenover 209,3 / 238,6 voor de 27B Clef en 524,1 / 536,0 voor Jev. Cloudflare heeft op zijn eigen infrastructuur gemeten, dus beschouw de absolute milliseconden als een bovengrens voor wat je elders zou zien, maar de ordening — de flash-variant is ongeveer vijfeneenhalf keer sneller dan zijn eigen grotere broer en dertien keer sneller dan Jev qua mediaan — laat zien dat het ontwerp werkt zoals geadverteerd.

Het enige getal waarover de vermeldingen het oneens zijn

Het contextvenster is het getal dat mensen zal bijten, want dat is juist het getal dat verkeerd is overgenomen. De Workers AI-documentatie van Cloudflare voor @cf/cloudflare/clef-flash vermeldt een contextvenster van 65.536 tokens. De blogpost zegt: "ons model heeft een contextvenster van 64k (vergeleken met Jevs 32k)". De coderingshelper van de modelkaart zelf gebruikt standaard max_length=16,384 tokens. Een bibliotheekvermelding van een runtime van derden adverteert ondertussen met 256K in de tabel.

Drie leveranciersbronnen zijn het eens over ongeveer 64K en één externe vermelding zegt vier keer zoveel. Als je een prompt afstemt op een budget van 256K op basis van een bibliotheekpagina, kom je er op het moment van het verzoek achter. De eerlijke lezing is 65.536 tokens als het gedocumenteerde plafond, met de kanttekening dat Cloudflare's eigen release notes de standaardwaarde van 16.384 tokens op de kaart nooit daarmee in overeenstemming brengen — een standaardwaarde, geen limiet, maar wel een die stilzwijgend bepaalt hoeveel state je verzendt als je de meegeleverde loader ongewijzigd gebruikt.

Waar je ermee kunt bellen en waar niet

Clef-Flash is nog geen van de routes op OrcaRouter. Onze catalogus geeft er een 404 voor terug, en niets in dit stuk mag worden opgevat als een claim van ons dat het beschikbaar is — als je het vandaag wilt, host Cloudflare het op Workers AI voor $0,09 per miljoen invoertokens, en de Apache-2.0-gewichten zijn van jou om lokaal te draaien.

Wat dat betekent voor de beslissing waar dit artikel echt over gaat, is dat een scorer die je alleen via het platform van één leverancier kunt bereiken, een scorer is waarvan je de latentie en beschikbaarheid erft, samen met de nauwkeurigheid. Het gehoste alternatief met een route is TypeSafe's Jev 1.13, dat op OrcaRouter staat voor $0,042 per miljoen inputtokens met een context van 65.536 tokens, en dat het model is dat Cloudflare als benchmark-tegenhanger koos — bewust, omdat de twee API-compatibel zijn. Clef-Flash spreekt dezelfde /v1/systemone requestvorm, dus de twee zijn verwisselbaar achter een dunne adapter. Dat beide bereikbaar zijn via één sleutel, met listprijs van de provider doorgegeven zonder markup, is de reden om die vergelijking actief te houden in plaats van de architectuur vast te leggen op welk model dan ook dat toevallig het eerst uitkwam.

Wat zou deze aflezing veranderen?

Drie dingen, in volgorde van hoeveel ze het beeld zouden veranderen.

Iemand buiten Cloudflare moet de CLINC150+OOS-cellen en de cellen voor huishoudelijke apparaten reproduceren, omdat ze in tegengestelde richtingen wijzen en de kaart voor geen van beide een mechanisme biedt. Een 66,8 voor detectie van intenties buiten scope naast een 97,7 voor apparatenbesturing is geen vloeiende capaciteitscurve; het suggereert een model dat heel goed is in de classificatievormen in zijn trainingsdistributie en veel zwakker in het weigeren te classificeren wanneer het juiste antwoord 'geen van deze' is. Als dat standhoudt bij onafhankelijke tests, is het het belangrijkste operationele feit over clef-flash en het staat niet in de sectie met hoogtepunten.

De discrepantie in de vermelding 64K versus 256K heeft een bron nodig om die te corrigeren, want die verspreidt zich momenteel vanuit een mirror naar buiten toe, naar de plekken die mensen daadwerkelijk lezen. Leveranciersdocumentatie is meestal niet iets dat je hoeft te citeren om een argument tegen de kaart van een runtime te winnen, en dit is een klein geval waarin dat wel zo is.

En de categorie moet contact met echte workloads kunnen doorstaan. Cloudflares eigen framing is dat beslissingsmodellen in het hot path voor agents zitten — twee seconden om een website op te halen, te renderen en te classificeren versus 4,7 seconden voor hun snelste algemene LLM voor dezelfde taak, in hun Threat Intelligence-voorbeeld. Dat is een reële en specifieke claim over een reële en specifieke workflow, en het is het soort claim dat wordt beslecht door mensen die het runnen, niet door een tabel.