Clef-Flash: 9B model decyzyjny Cloudflare i co właściwie oznacza Cloudflare w nazwie

Cloudflare/clef-flash to model o 9 miliardach parametrów, który odpowiada na pytania prawdopodobieństwami zamiast zdaniami. Przekazujesz mu stan — tekst, JSON, obraz, klatkę wideo — oraz schemat zawierający do 64 nazwanych pytań, a on zwraca po jednym wyniku dla każdej dozwolonej opcji w jednym przebiegu w przód. Nie ma generowanego tekstu do parsowania ani śladu rozumowania do czytania, ponieważ nie istnieje żadna ścieżka wyjścia tekstowego. To mniejsza połowa pary: Cloudflare/clef to bliźniaczy model o 27 miliardach parametrów wydany razem z nim, a trzeci członek rodziny, Cloudflare/clef-omni, dodaje wejście audio na 30-miliardowym szkielecie mixture-of-experts. Wszystkie trzy pochodzą od samego Cloudflare, co jest faktem, który najbardziej warto podać dokładnie, ponieważ czytelnik trafiający tu z wyszukiwania nazwy tego modelu zwykle przychodzi z jednym z dwóch założeń — że Cloudflare/clef-flash jest hostowaną przez Cloudflare kopią cudzego modelu albo że Cloudflare jest jedynie hostem — i oba są błędne w tym samym kierunku.

Czym jest Clef-Flash, a czym nie jest

Własny jednowierszowy opis dostawcy, powtórzony zarówno na karcie modelu Hugging Face, jak i na stronie modelu Workers AI, mówi, że „zamienia stan i schemat typowanych pytań w decyzje”. To węższe twierdzenie, niż brzmi, i warto je rozłożyć na części przed jakimkolwiek benchmarkiem.

Każde pytanie w Twoim schemacie deklaruje jeden z trzech typów:

• nowy — ocena tak/nie, która zwraca prawdopodobieństwo, że odpowiedź jest prawdziwa, wraz z opcjonalnymi opisami tego, co oznaczają „tak” i „nie” w kontekście tego pytania.

• wybór — nazwany zestaw opcji od 2 do 255 pozycji, zwracający zwycięską opcję, prawdopodobieństwo dla każdej opcji oraz poziom pewności.

• wynik — uporządkowana skala ocen od 2 do 10 poziomów, zwracająca ważony prawdopodobieństwem poziom, który może wypaść między poziomami, legendę mapującą indeks na opis, prawdopodobieństwa dla poszczególnych poziomów oraz poziom ufności.

Żądanie zawiera od 1 do 64 pytań, a odpowiedzi są zwracane w obiekcie odpowiedzi indeksowanym przez identyfikatory Twoich pytań. Każda opcja w każdym pytaniu jest oceniana w tym samym przebiegu, więc koszt schematu z dwunastoma pytaniami to nie dwanaście wywołań — to jedno. To, co otrzymujesz po drugiej stronie, to rozkład, a nie zdanie, a Twój kod ustala dla niego próg.

Dwie rzeczy z tego wynikają, które czytelnik porównujący to z modelem czatu powinien przyswoić. Po pierwsze, nie istnieje tryb awarii, w którym model pisze wyjaśnienie, które następnie musisz przeanalizować, ponieważ proza jest nieosiągalna. Po drugie, i mniej komfortowo: jeśli właściwej odpowiedzi nie ma w twoim zestawie opcji, Clef-Flash nie ma mechanizmu, by ci to powiedzieć. Ocenia opcje, które napisałeś. Nic w opublikowanym schemacie żądań nie dodaje kubełka „żadna z tych”, chyba że sam go tam umieścisz.

Cloudflare w nazwie: trzy role, jedna firma

Ludzie szukają tego modelu z dopisanym Cloudflare — cloudflare/clef-flash, a także cloudflare clef flash mówiąc wprost. Warto rozpisać ten prefiks, bo wskazuje on na trzy odrębne warstwy, a tylko jedna z nich jest hostingiem.

• Organizacja, która go wytrenowała.Clef-Flash to model Cloudflare. Post ogłoszeniowy Cloudflare „Przedstawiamy Clef: nasze modele decyzyjne open source i nową platformę do fine-tuningu RL”, opublikowany 1 października 2026 r. i podpisany przez Michelle Chen, Alex Reneau i Kevin Flansburg, opisuje go jako wydanie wytrenowane przez Cloudflare i podaje, że modele zostały „dotrenowane” wewnętrznie na podstawie bazowego modelu o otwartych wagach pochodzącego z upstreamu. Nie jest to checkpoint podmiotu trzeciego, który Cloudflare przejął.

• Przestrzeń nazw Hugging Face. Wagi znajdują się pod adresem huggingface.co/Cloudflare/clef-flash. Dlatego właśnie krąży ciąg cloudflare/clef-flash: to ścieżka repozytorium, w takiej samej formie jak każde inne repozytorium należące do organizacji. To najczęstszy powód, dla którego te dwa słowa występują razem, i nie jest to twierdzenie o hostowaniu.

• Host wnioskowania, którym jest również Cloudflare. Identyfikator udostępnianego modelu to @cf/cloudflare/clef-flash, uruchamiany przez Workers AI pod adresem api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. Opisywany układ hostingowy nie jest więc „modelem hostowanym przez Cloudflare” w neutralnym sensie oferty z marketplace'u. To dostawca udostępniający własne wagi na własnej platformie.

Praktyczna konsekwencja jest następująca: model, udzielona licencja, punkt końcowy API i rachunek — wszystko to sprowadza się do jednej firmy, a czytelnik, który zakładał istnienie niezależnej warstwy hostingowej pomiędzy nimi, nie ma drugiego dostawcy, do którego mógłby się zwrócić w przypadku tego checkpointu. Wagi Apache-2.0 to jedyna droga ucieczki od tego — i są one realne, więcej na ten temat poniżej. To, co nie jest prawdą — o ile wynika to z jakiejkolwiek strony dostawcy, jaką udało nam się znaleźć — to to, że Clef-Flash jest oferowany przez jakiegokolwiek innego dostawcę usług wnioskowania. Materiały samego Cloudflare nie wymieniają żadnej platformy zewnętrznej, a my nie znaleźliśmy żadnej, która by go udostępniała.

Rozmiar, architektura i licencja

Liczby — zarówno z samego repozytorium danych, jak i z dokumentacji Cloudflare — odczytane dziś:

• Parametry — 9,409,813,744 w BF16, więc „9B” to zaokrąglenie w dół, a nie naciąganie. Wieża wizyjna wlicza się do tej sumy.

• Backbone — Qwen3.5-9B, zamrożony podczas post-trainingu, wraz z jego enkoderem wizyjnym, przechowywany jako standardowe, podzielone na shardy pliki safetensors. Cztery shardy, łącznie około 18,8 GB wag.

• Wytrenowana część — „wspólna głowica schematu”, mała głowica transformera ważąca 243,5 MB, która odczytuje końcowe stany ukryte sieci bazowej, kieruje dowody ze stanu do każdego pytania i ocenia łącznie każdą opcję każdego pytania. Jeden logit na każdą dozwoloną opcję; softmax na pytanie daje rozkład.

• Metoda treningu, jak opisuje ją Cloudflare — głowica routingu optymalizowana wraz z adapterami niskorangowymi rangi 256 na zamrożonym szkielecie, z entropią krzyżową z wygładzaniem etykiet dla poprawności schematu w parze ze stratą Brier-a służącą kalibracji prawdopodobieństw, a także drugorzędny cel, który Cloudflare nazywa Reinforcement Learning for Calibrated Decisions.

• Licencja — Apache-2.0, „zgodnie z modelem bazowym”, jak ujmuje to sama karta modelu. Licencja nie ogranicza użytku komercyjnego, a wagi nie są objęte kontrolą dostępu: repozytorium można pobrać bez wniosku o dostęp.

Kształt tego rozwiązania — wszystko, co podlega trenowaniu, mieści się w 243 MB głowy przykręconej do zamrożonego szkieletu o rozmiarze 18,8 GB — to powód, by opis architektury traktować poważnie, a nie jak marketing. Model nie mógł nauczyć się nowej wiedzy o świecie, ponieważ wagi niosące wiedzę nigdy się nie zmieniły. Nauczył się tego, jak kierować dowody do decyzji. To realna, ale ograniczona umiejętność i lepiej wyjaśnia wzorzec wyników benchmarków w dalszej części tej strony niż jakiekolwiek twierdzenie o dokładności.

Okno kontekstowe i górny limit wyjścia

To jest liczba, która uległa zmianie, a jeśli obecnie określasz rozmiar promptu, powinieneś odczytać aktualną liczbę, a nie jakąkolwiek liczbę krążącą od czasu premiery.

Strona modelu Workers AI w Cloudflare dla @cf/cloudflare/clef-flash, odczytana 12 października 2026 r., podaje okno kontekstu wynoszące 24,576 tokenów. W poście ogłaszającym z 1 października podano coś innego — „nasz model ma okno kontekstu 64k (w porównaniu do 32k Jev'a)” — a własny pomocnik encode_record na karcie Hugging Face domyślnie przyjmuje max_length=16,384. Dla porównania strona Workers AI dla 27B clef podaje 65,536 tokenów, a strona dla clef-omni podaje 64,000.

Uczciwa interpretacja: obecna dokumentacja dostawcy dla tego konkretnego modelu podaje 24 576, a wpis o premierze mówił o 64k. To dwa własne źródła dostawcy, które są ze sobą sprzeczne, i tylko jedno z nich jest stroną, względem której programista integruje. Jeśli zbudowałeś prompt z budżetem 64K w oparciu o ogłoszenie, udokumentowany limit wynosi teraz około jednej trzeciej tego. Sprawdź, zanim wyślesz.

Wejścia multimedialne są rozliczane i wliczane do tego samego budżetu — i to jest szczegół, który boli najbardziej. Obrazy są tokenizowane w blokach 32×32 pikseli, z trzema tokenami znacznikowymi, a każdy obraz jest ograniczony do 1 024 tokenów; obraz powyżej około jednego megapiksela jest skalowany w dół, a obraz poniżej około 65 000 pikseli — w górę. Jeśli tokeny mediów plus tokeny twojego pytania przekraczają okno, żądanie kończy się niepowodzeniem. Jeśli nie przekraczają, tekst state jest obcinany, aby zmieścić się w reszcie — po cichu, od końca, bez zgłaszania błędu. Schemat, który pewnego dnia się mieści, w dniu pełnym dokumentów po cichu straci część swojego stanu.

Maksymalna liczba tokenów wyjściowych nie jest publikowana. Strona modelu Cloudflare podaje tylko, że „modele Clef nie pobierają opłat za tokeny wyjściowe”, a schemat odpowiedzi zawiera usage.output_tokens jako pole bez udokumentowanego limitu. Nie jest to przeoczenie, które można zatuszować domysłem: skorer nieautoregresyjny nie ma budżetu dekodowania w takim sensie, w jakim ma go model autoregresyjny, a dostawca nie dokumentuje żadnego limitu, więc nie ma limitu, który można by podać. Jeśli go potrzebujesz, rzeczą, o której należy pomyśleć, jest liczba opcji i liczba pytań, a nie tokeny wyjściowe.

Modalności wejściowe i dokładnie to, co wraca

Opisy dostawcy i schemat żądania są zgodne po stronie wejściowej, a w jednym punkcie nieznacznie się różnią, więc oto rozbieżność.

• Dane wejściowe, zgodnie z kartą modelu — tekst, JSON lub dane strukturalne o dowolnym kształcie, obrazy oraz tablice klatek wideo. Rekordy zawierające wyłącznie tekst i rekordy multimodalne można mieszać w jednej partii, a parametry multimediów są przekazywane do procesora za pośrednictwem opcjonalnego pola media_kwargs.

• Dane wejściowe, zgodnie ze schematem żądań Workers AI — udokumentowana lista parametrów udostępnia tablicę images i nie zawiera parametru wideo, przy maksymalnie 4 obrazach, 4 MiB i 16 megapikselach na obraz, 8 MiB łącznie po zdekodowaniu oraz limicie 13 MiB na całe ciało żądania. Tylko osadzone bajty: zdalne adresy URL nie są akceptowane.

• Dane wyjściowe — prawdopodobieństwa dla opcji, które zdefiniowano, w obiekcie answers, w jednym z trzech formatów w zależności od typu pytania. Bez tekstu swobodnego, bez markdownu, bez wywołań narzędzi.

Odczytaj tę różnicę jako rozróżnienie na poziomie hostingu, a nie sprzeczność. Checkpoint dokumentuje klatki wideo; punkt końcowy Workers AI, który wywołujesz przez HTTP, dokumentuje obrazy. Jeśli wideo jest częścią twojego planu, ścieżką do sprawdzenia jest ta hostowana samodzielnie.

Co twierdzi Cloudflare, a co faktycznie zostało zmierzone

Każda liczba w tej sekcji pochodzi od Cloudflare i to Cloudflare przeprowadził to wszystko. To najważniejsze zdanie na tej stronie, więc warto być precyzyjnym, jeśli chodzi o mechanizmy.

Zestaw benchmarków to Decision Index 0.2.1. Karta modelu opisuje wyniki jako „nasz wewnętrzny przebieg”, a publiczny ranking, do którego prowadzi link, jest hostowany pod adresem obsługiwanym przez Cloudflare. Modelem porównywanym w całym tekście jest Jev firmy TypeSafe, a kompleksowe wyniki dla przepływów pracy w biznesie pochodzą z Typesafe Evals. To porównanie polega więc na tym, że dostawca mierzy własny model na indeksie nazwanym na cześć konkurenta, z którym go porównuje, i sam publikuje wynik. Nie ma niezależnej oceny Clef-Flash. Sprawdzając dziś: Artificial Analysis nie ma dla niego strony modelu, a tekstowy ranking LMArena nie wymienia żadnego modelu oznaczonego jako Cloudflare. Gdy dostawca nie publikuje żadnego wyniku od strony trzeciej, wskazanie tego stanowi ustalenie.

Z tą etykietą wyniki w zadaniach decyzyjnych są naprawdę mocne: BFCL case-exact 98,8, dokładność API-Bank 93,1, macro-F1 ContractNLI 84,3, RouterBench 79,9, FinEntity 97,1 oraz case-exact symulatora AGD wynoszący 97,7 — ten ostatni jest o czternaście punktów powyżej większego 27B Clef w tym samym wierszu. Wiersze dotyczące wiedzy ogólnej również się trzymają: MMLU 91,8, ARC-Easy 99,5, ARC-Challenge 98,3, WinoGrande 97,5, HellaSwag 98,6, CLadder 97,7 oraz Brier ForecastBench 10,6, który jest najlepszy w swojej kolumnie i stanowi właśnie ten rodzaj wskaźnika kalibracji, według którego powinno się oceniać model generujący prawdopodobieństwa.

Straty należą do tego samego akapitu i mają kształt. W CLINC150 z obsługą przypadków spoza zakresu Clef-Flash uzyskuje 66,8 macro-F1 wobec 97,4 modelu 27B Clef i 89,3 Jev. W ANLI uzyskuje 59,1 wobec 74,8 Jev. When2Call 65,6 wobec 81,0. GPQA Diamond 51,0 wobec 78,3. RAGTruth 35,6 wobec 76,5. A na POP909-CL, benchmarku do etykietowania akordów, zwraca 1,6.

Wynik 66,8 w wykrywaniu intencji spoza zakresu obok 97,7 w sterowaniu urządzeniami nie jest gładką krzywą możliwości. To profil skorera, który jest bardzo dobry w kształtach klasyfikacji, na których był dostrajany po treningu, a znacznie słabszy w odmawianiu klasyfikowania, gdy poprawna odpowiedź brzmi „żadna z tych” — co, niezręcznie, jest dokładnie tym osądem, którego najbardziej potrzebuje warstwa routingu lub potok segregacji. Wynik 1,6 w etykietowaniu akordów to albo niezgodność formatu, albo rzeczywiste niepowodzenie, a karta tego nie rozróżnia.

Wyniki workflow, z Typesafe Evals, są bardziej mieszane niż wiersze nagłówkowe: przetwarzanie faktur dokładne akcje 57,1 w porównaniu do 64,7 Clef i 61,8 Jev; obsługa klienta dokładne akcje 77,0, powyżej obu; incydenty bezpieczeństwa 61,7; obserwowalność śladów agenta 69,8. Model 27B wygrywa w tabeli workflow w trzech z pięciu wierszy.

Opóźnienie to miejsce, w którym model zasługuje na swoją nazwę, i obowiązuje tu to samo zastrzeżenie. Mediana opóźnienia żądań 38,8 ms i p95 122,4 ms, mierzone przez Cloudflare na infrastrukturze Cloudflare, w porównaniu z 209,3 / 238,6 dla 27B Clef. Bezwzględne milisekundy z własnego sprzętu dostawcy nie są górną granicą niczego ani dolną granicą niczego; to kolejność jest tezą, a ta kolejność — około pięć razy szybsza niż jego własne większe rodzeństwo — to architektura robiąca to, co mówi.

Jak czytelnik właściwie to nazywa

Istnieją dwie drogi i są to naprawdę odmienne zobowiązania.

Hostowana trasa. Wywołaj ją w Workers AI jako @cf/cloudflare/clef-flash, z wnętrza Workera przez powiązanie env.AI.run(), albo przez REST w punkcie końcowym Cloudflare API z tokenem typu bearer. Wymagane pola to model, state i questions; selektor model musi pasować do wzorca ^\s*(clef|clef-flash)\s*$, dzięki czemu rozróżnia się warianty 27B i 9B na tym samym punkcie końcowym. Ceny na stronie modelu Workers AI i na stronie cennika Workers AI wynoszą 0,038 USD za milion tokenów wejściowych, przy czym multimedia są tokenizowane do tokenów wejściowych według tej samej stawki, a za tokeny wyjściowe nie pobiera się opłat.

Ścieżka samodzielnego hostowania. Wagi są na licencji Apache-2.0 i nie są ograniczone, więc możesz uruchomić je samodzielnie. Karta dokumentuje referencyjną ścieżkę torch 2.11 i transformers 5.10.2 na pojedynczym H200, z pillow do wejść obrazu i wideo, oraz wskazuje na cookbook SGLang z poleceniami uruchamiania na H200, B200 i B300. Uruchomiony w ten sposób model odpowiada pod /v1/systemone.

Ta ścieżka nie jest przypadkowa, ponieważ to właśnie ona sprawia, że ten model warto rozumieć, a nie tylko używać. Clef-Flash jest „w pełni zgodny z Jev i SystemOne”, jak ujmuje to karta: przyjmuje treść żądania Jev/SystemOne i zwraca tę samą treść odpowiedzi — model, answers indeksowane według identyfikatora pytania, usage. Zgodność była na tyle celowa, że późniejszy commit do repozytorium dodaje systemone jako jawny punkt wejścia. Jeśli Twój potok już zadaje modelowi decyzyjnemu pytania w takim kształcie, zastąpienie go tym modelem to ciąg znaków modelu i adres URL, a nie migracja. To realne zmniejszenie kosztu przełączenia i jedyny fakt architektoniczny tutaj, który zmienia to, co czytelnik może zrobić.

Jedna uwaga dotycząca routingu, podana jako fakt, a nie zachęta: OrcaRouter nie obsługuje Cloudflare/clef-flash. Sprawdziliśmy dziś nasz aktualny katalog i nie ma go tam, a nic na tej stronie nie powinno być odczytywane jako twierdzenie, że jest. Nasz katalog faktycznie zawiera model, dla którego Clef-Flash miał być zamiennikiem typu drop-in — Jev 1.13 firmy TypeSafe jest w naszym katalogu w cenie $0.042 za milion tokenów wejściowych w swojej tabeli cen (plakietka szybkich faktów na tej stronie zaokrągla to do $0.04), z kontekstem 65K tokenów i tym samym POST /v1/systemone typem punktu końcowego. Ponieważ oba mówią jednym formatem transmisji, zamiana między nimi to zmiana konfiguracji, a nie przepisanie, i właśnie dlatego warto utrzymywać oba dostępne z jednego klucza, zamiast wiązać architekturę z tym modelem, który został wydany jako pierwszy. OrcaRouter działa na cenie katalogowej dostawcy przekazywanej bez marży, więc zmiana ceny u któregokolwiek dostawcy jest widoczna po naszej stronie tego samego dnia.

Co jest jeszcze otwarte?

Trzy rzeczy, w kolejności, w jakiej zmieniłyby obraz.

Ktoś spoza Cloudflare musi razem odtworzyć komórki CLINC150 out-of-scope i home-appliance, ponieważ wskazują one w przeciwnych kierunkach, a opublikowany przebieg nie podaje mechanizmu dla żadnej z nich. Jeśli 66,8 utrzyma się w niezależnym testowaniu, to jest to najważniejszy operacyjnie fakt dotyczący Clef-Flash i nie ma go na liście mocnych stron w ogłoszeniu.

Okno kontekstowe wymaga jednej uzgodnionej liczby od dostawcy. Obecnie strona dokumentacji samego modelu podaje 24 576 tokenów, wpis o premierze mówi o 64k, a dołączony pomocnik do kodowania domyślnie ustawia 16 384. Każdy, kto dobiera rozmiar promptu produkcyjnego, wybiera, któremu z trzech oświadczeń dostawcy ma wierzyć.

A ta kategoria potrzebuje kontaktu z rzeczywistymi obciążeniami w skali produkcyjnej. Cloudflare ujmuje to tak, że modele decyzyjne znajdują się na ścieżce krytycznej — przykład klasyfikacji domen w ich poście pokazuje, że Clef zwraca werdykt w 2,2 sekundy w porównaniu z 4,7 sekundy dla modelu ogólnego przeznaczenia przy tym samym zadaniu. To konkretne i testowalne twierdzenie o konkretnym przepływie pracy i zostanie rozstrzygnięte przez ludzi, którzy go uruchamiają, a nie przez tabelę.