Clef-Flash to model 9B, który nigdy nie zapisuje tokenu — a blog Cloudflare pojawił się niemal dobę po wagach

Cloudflare/clef-flash to multimodalny model o 9 miliardach parametrów, który przyjmuje stan oraz schemat typowanych pytań i zwraca prawdopodobieństwo dla każdej dozwolonej odpowiedzi. Nie generuje tekstu. Nie „słabo generuje tekst” — on w ogóle nie ma żadnej ścieżki wyjściowej dla tekstu. Repozytorium z nim pojawiło się na Hugging Face 30 września 2026 o 21:15 UTC na licencji Apache-2.0; wpis ogłaszający Cloudflare, wprowadzający go wraz z większym 27B Cloudflare/clef, został opublikowany o 15:34 UTC następnego dnia. Przez około osiemnaście godzin otwarte wagi i hostowany endpoint Workers AI istniały publicznie, zanim dostawca powiedział o nich choć słowo, a ta kolejność jest najciekawszym faktem w tym wydaniu — ciekawszym dla każdego, kto decyduje, czy wpiąć to do pipeline’u, niż jakikolwiek pojedynczy wiersz benchmarku.

Drugi, mniejszy problem pojawił się dwa dni później. Strona biblioteki podmiotu trzeciego dla clef-flash, gdzie radar tego artykułu po raz pierwszy zobaczył ten model, wymienia go z „oknem kontekstu 256K” w swojej tabeli modeli, jednocześnie renderując własny tekst README Cloudflare — „okno kontekstu 64K: dwa razy więcej stanu, niż mieści okno 32K Jeva” — kilka linijek dalej. Obie liczby nie mogą być jednocześnie poprawne, a dokumentacja dostawcy rozstrzyga to na korzyść mniejszej. Tego rodzaju rozbieżność warto zasygnalizować na wstępie, ponieważ wszystko inne w tym tekście wynika z tego samego pytania: które liczby pochodzą od dostawcy, które od mirrora, a które zostały sprawdzone przez kogoś, kto nie jest dostawcą.

Co faktycznie zostało wydane i w jakiej kolejności

Zapis, po kolei:

• 30 września 2026, 21:15:35 UTC — Cloudflare/clef, model 27B, zostaje utworzony na Hugging Face.

• 30 września 2026, 21:15:36 UTC — Cloudflare/clef-flash zostaje utworzony sekundę później. Oba są dostrojone na bazach Qwen: Clef z Qwen3.8-27B, Clef-Flash z Qwen3.5-9B.

• 1 października 2026, 15:23 UTC — repozytorium clef-flash zostało ostatnio zmodyfikowane, co odpowiada mniej więcej momentowi, w którym powstał cytowany przez nas tekst karty modelu.

• 1 października 2026, 15:34 UTC — „Przedstawiamy Clef: nasze otwartoźródłowe modele decyzyjne i nową platformę do dostrajania RL" pojawia się na blogu Cloudflare, udostępniając oba modele w Workers AI i uruchamiając wokół nich usługę dostrajania.

• 2–3 października 2026 — zewnętrzne środowiska uruchomieniowe zaczynają obsługiwać wagi; pojawia się strona biblioteki zewnętrznego środowiska uruchomieniowego oraz skwantyzowane kompilacje społecznościowe.

Więc to nie jest przeciek, nie cicha premiera ani niezapowiedziany checkpoint, który czytelnik musiałby traktować jako plotkę. To wydanie GA z wpisem na blogu, hostowanym API na własnych GPU brzegowych Cloudflare, licencją Apache-2.0 na wagi oraz dołączoną komercyjną platformą do fine-tuningu. Jedyną naprawdę dziwną rzeczą jest osiemnastogodzinne wyprzedzenie, jakie repozytorium miało przed ogłoszeniem — wystarczająco długie, by model był publiczny, podczas gdy strona marketingowa samego dostawcy jeszcze nie istniała, i wystarczająco krótkie, by nikt poza Cloudflare nie uruchomił go w znaczący sposób.

Model decyzyjny nie jest małym modelem językowym.

Sposób ujęcia w poście Cloudflare jest taki, że modele decyzyjne to odrębna kategoria, a architektura potwierdza to twierdzenie, zamiast je tylko ozdabiać. Clef-Flash utrzymuje zamrożony backbone Qwen3.5-9B, wraz z jego enkoderem wizyjnym. Na nim osadzona jest niewielka głowica transformera — 243,5 MB wag w wydaniu, w porównaniu z mniej więcej czterema podzielonymi na shardy plikami backbone, które zajmują 18,8 GB — która kieruje dowody ze stanu do każdego pytania i ocenia każdą opcję każdego pytania w jednym przebiegu. Cloudflare określa to jako „nieautoregresyjne”: nie ma generowania token po tokenie, żadnego pośredniego tekstu rozumowania ani parsowania wyjścia. Otrzymujesz logit dla każdej dozwolonej opcji, stosujesz softmax dla każdego pytania i masz rozkład.

Z tego wynika kształt żądania. Podajesz state — ciąg znaków albo obiekt lub tablicę JSON — opcjonalną listę obrazów lub klatek wideo oraz od jednego do sześćdziesięciu czterech nazwanych pytań. Każde pytanie deklaruje type: noul dla oceny prawda/fałsz zwracającej prawdopodobieństwo prawdy, choice dla nazwanego zestawu opcji zwracającego wybraną opcję wraz z prawdopodobieństwami dla poszczególnych opcji i poziomem pewności albo score dla uporządkowanej skali zwracającej poziom ważony prawdopodobieństwem. Kryteria są opcjonalne dla noul, a dla pozostałych w zasadzie wymagane, i dokumentacja jest wyjątkowo bezpośrednia w kwestii jednej pułapki: pewność „pokazuje, jak skupione są prawdopodobieństwa. To nie jest szansa, że odpowiedź jest prawidłowa”. Model, który odpowiada z pewnością siebie, niekoniecznie odpowiada poprawnie, a miara kalibracji to jedyne, co pozwala odróżnić jedno od drugiego.

Ta różnica jest całym powodem, dla którego warto się tym interesować. Jeśli kiedykolwiek poprosiłeś model ogólnego przeznaczenia o sklasyfikowanie zgłoszenia do pomocy technicznej, a potem o sparsowanie odpowiedzi, to już zapłaciłeś podatek, jaki nakłada ta konstrukcja. Clef-Flash nie potrafi wygenerować zdania „To wygląda na sprawę rozliczeniową, prawdopodobnie?”, bo nie potrafi generować zdań. Zwraca ona {"choice": "billing", "probabilities": {"0.981", ...}, "confidence": 0.924} — ten przykład pochodzi wprost z dokumentacji Cloudflare — a twój kod stosuje do niego próg.

Liczby i kto nimi zarządzał

Każda z poniższych liczb pochodzi albo z karty modelu Cloudflare, albo z wpisu na blogu, a wszystkie zostały uzyskane przez Cloudflare. Zestaw testów to Jev Decision Index — ranking publikowany przez TypeSafe, dostawcę Jev, modelu, względem którego benchmarkowany jest Clef-Flash — więc porównanie dotyczy własnego produktu dostawcy mierzonego na indeksie rywala, przeprowadzone przez dostawcę. Nie ma jeszcze niezależnej oceny Clef-Flash, a ten artykuł nie udaje, że jest inaczej.

W benchmarkach dotyczących konkretnych decyzji Clef-Flash jest naprawdę mocny w sposób, który warto oddzielić od marketingu: BFCL case-exact 98,8, API-Bank 93,1, symulacja urządzeń domowych 97,7, ContractNLI macro-F1 84,3, RouterBench 79,9. Przewyższa większy 27B Clef w BFCL (98,8 wobec 98,5), API-Bank (93,1 wobec 91,9) oraz w zestawie symulacji urządzeń domowych (97,7 wobec 83,0) — ten ostatni o czternaście punktów, co jest pojedynczą najbardziej zaskakującą komórką w tabeli i tą, której nikt poza Cloudflare nie sprawdził.

Straty są równie realne i należą do tego samego akapitu. Na CLINC150 z obsługą przypadków poza zakresem clef-flash uzyskuje 66,8 macro-F1 wobec 97,4 dla 27B i 89,3 dla Jev — trzydziestopunktowa przepaść w wykrywaniu intencji z kategorią „inne”, co jest dokładnie tym kształtem żądania, jaki warstwa routingu widzi najczęściej. Na ANLI uzyskuje 59,1 wobec 74,8 dla Jev; na When2Call 65,6 wobec 81,0 dla Jev; na GPQA Diamond 51,0 wobec 78,3 dla Jev. A na POP909-CL, benchmarku oznaczania akordów, uzyskuje 1,6 — liczbę, która oznacza albo niezgodność formatu danych, albo prawdziwą porażkę, a karta nie mówi, co z tych dwóch.

Tabela opóźnień to miejsce, w którym model zasługuje na swoją nazwę. Mediana opóźnienia żądania 38,8 ms, p95 122,4 ms, wobec 27B Clef na poziomie 209,3 / 238,6 i Jev na poziomie 524,1 / 536,0. Cloudflare mierzył na własnej infrastrukturze, więc bezwzględne wartości w milisekundach należy traktować jako górną granicę tego, co zobaczysz gdzie indziej, ale sama kolejność — wariant flash jest około pięć i pół raza szybszy niż jego własny większy brat i trzynaście razy szybszy niż Jev pod względem mediany — to dowód, że projekt działa zgodnie z zapowiedziami.

Jedyna liczba, co do której ogłoszenia się nie zgadzają

Okno kontekstowe to liczba, która da ludziom w kość, bo właśnie ona została błędnie skopiowana. Dokumentacja Cloudflare Workers AI dla @cf/cloudflare/clef-flash podaje okno kontekstowe wynoszące 65 536 tokenów. W poście na blogu napisano: „nasz model ma okno kontekstowe 64k (w porównaniu do 32k u Jefa)”. Domyślna wartość pomocnika kodującego z karty modelu to max_length=16 384 tokenów. Tymczasem wykaz bibliotek jednego ze środowisk uruchomieniowych firm trzecich reklamuje w swojej tabeli 256K.

Trzy źródła dostawców są zgodne co do około 64K, a jedna lista zewnętrzna mówi o czterokrotnie większej wartości. Jeśli dobierasz rozmiar promptu do budżetu 256K w oparciu o stronę biblioteki, przekonasz się o tym w momencie żądania. Uczciwa interpretacja to 65 536 tokenów jako udokumentowany pułap, z zastrzeżeniem, że własne informacje o wydaniu Cloudflare nigdy nie uzgadniają domyślnej wartości 16 384 tokenów na karcie z tym — wartość domyślna, nie limit, ale taka, która po cichu wpłynie na to, ile stanu wysyłasz, jeśli używasz dołączonego loadera tak jak jest.

Gdzie można to wywołać, a gdzie nie można

Clef-Flash nie jest jeszcze jedną z tras w OrcaRouter. Nasz katalog zwraca dla niego 404, a nic w tym artykule nie powinno być odczytywane jako twierdzenie o dostępności z naszej strony — jeśli chcesz go już dziś, Cloudflare hostuje go w Workers AI za 0,09 USD za milion tokenów wejściowych, a wagi Apache-2.0 możesz uruchomić lokalnie.

Co to oznacza dla decyzji, o której tak naprawdę jest ten artykuł: scorer, do którego można dotrzeć wyłącznie przez platformę jednego dostawcy, to scorer, którego opóźnienie i dostępność dziedziczysz wraz z jego dokładnością. Hostowaną alternatywą z trasą jest Jev 1.13 od TypeSafe, dostępny w OrcaRouter za 0,042 USD za milion tokenów wejściowych przy kontekście 65 536 tokenów, i to jego Cloudflare wybrał jako model odniesienia — celowo, bo oba są zgodne pod względem API. Clef-Flash mówi tym samym /v1/systemone kształtem żądania, więc oba modele można wymieniać za cienkim adapterem. Możliwość dotarcia do obu przez jeden klucz, z ceną katalogową dostawcy przekazywaną bez marży, jest powodem, by utrzymywać to porównanie na bieżąco, zamiast wiązać architekturę z tym modelem, który akurat trafił na rynek jako pierwszy.

Co zmieniłoby ten odczyt?

Trzy rzeczy, w kolejności od tego, jak bardzo zmieniłyby obraz sytuacji.

Ktoś spoza Cloudflare musi odtworzyć komórki CLINC150+OOS i urządzeń domowych, ponieważ wskazują one w przeciwnych kierunkach, a karta nie podaje mechanizmu dla żadnej z nich. Wynik 66,8 w wykrywaniu intencji poza zakresem obok 97,7 w sterowaniu urządzeniami domowymi nie jest gładką krzywą możliwości; sugeruje model, który jest bardzo dobry w kształtach klasyfikacji w swoim rozkładzie treningowym, a znacznie słabszy w odmawianiu klasyfikacji, gdy prawidłowa odpowiedź brzmi „żadna z tych”. Jeśli to się potwierdzi w niezależnych testach, jest to najważniejszy operacyjny fakt dotyczący clef-flash i nie ma go w sekcji najważniejszych informacji.

Rozbieżność w wykazie między 64K a 256K wymaga źródła, które ją skoryguje, ponieważ obecnie rozprzestrzenia się z mirrora na zewnątrz, do miejsc, które ludzie faktycznie czytają. Dokumentacja dostawcy zwykle nie jest tym, co trzeba zacytować, by wygrać spór z kartą danego środowiska uruchomieniowego, a to jest drobny przypadek, w którym właśnie tak jest.

A ta kategoria musi przetrwać kontakt z rzeczywistymi obciążeniami. Samo Cloudflare ujmuje to tak, że modele decyzyjne znajdują się na ścieżce krytycznej dla agentów — dwie sekundy na pobranie, wyrenderowanie i sklasyfikowanie witryny w porównaniu z 4,7 sekundy dla ich najszybszego ogólnego LLM w tym samym zadaniu, w ich przykładzie Threat Intelligence. To realne i konkretne twierdzenie o realnym i konkretnym przepływie pracy, a takie twierdzenia rozstrzygają ludzie, którzy je uruchamiają, a nie tabela.