Clef-Flash: 9B-модель принятия решений от Cloudflare, и что на самом деле означает Cloudflare в названии

Cloudflare/clef-flash — это модель на 9 миллиардов параметров, которая отвечает на вопросы вероятностями, а не предложениями. Вы подаёте ей состояние — текст, JSON, изображение, видеокадр — плюс схему из до 64 именованных вопросов, и она возвращает одну оценку для каждого допустимого варианта за один прямой проход. Нет сгенерированного текста, который нужно разбирать, и нет цепочки рассуждений, которую нужно читать, потому что пути текстового вывода вообще не существует. Это меньшая половина пары: Cloudflare/clef — это родственная модель с 27 миллиардами параметров, выпущенная вместе с ней, а третий член семейства, Cloudflare/clef-omni, добавляет аудиовход на основе mixture-of-experts с 30B параметрами. Все три созданы самой Cloudflare, и это факт, который важнее всего понять точно, потому что читатель, приходящий из поиска по названию этой модели, обычно приходит с одним из двух предположений — что Cloudflare/clef-flash — это размещённая в Cloudflare копия чужой модели, или что Cloudflare — всего лишь хостинг, — и оба неверны в одном и том же направлении.

Что такое Clef-Flash и чем он не является

Собственное однострочное описание поставщика, повторённое как на карточке модели Hugging Face, так и на странице модели Workers AI, гласит, что она «превращает состояние и схему типизированных вопросов в решения». Это более узкое утверждение, чем кажется, и его стоит разобрать до любого бенчмарка.

Каждый вопрос в вашей схеме объявляет один из трёх типов:

• noul — суждение «да/нет», возвращающее вероятность того, что ответ верен, с необязательными описаниями того, что означают «да» и «нет» в контексте данного вопроса.

• choice — именованный набор вариантов из 2–255 записей, возвращающий победивший вариант, вероятность для каждого варианта и оценку уверенности.

• оценка — упорядоченная рубрика из 2–10 уровней, возвращающая взвешенный по вероятностям уровень, который может оказаться между уровнями, легенду, сопоставляющую индекс с описанием, вероятности по каждому уровню и уверенность.

Один запрос содержит от 1 до 64 вопросов, а ответы возвращаются в объекте answers, где ключами служат идентификаторы ваших вопросов. Каждый вариант в каждом вопросе оценивается за один проход, поэтому стоимость схемы из двенадцати вопросов — это не двенадцать вызовов, а один. На выходе вы получаете не предложение, а распределение, и порог по нему задаёт ваш код.

Отсюда следуют две вещи, которые читатель, сравнивающий это с чат-моделью, должен усвоить. Во-первых, не существует режима отказа, в котором модель пишет объяснение, которое затем приходится разбирать, потому что прозаический текст недоступен. Во-вторых, и это менее приятно: если правильного ответа нет в вашем наборе вариантов, у Clef-Flash нет механизма сообщить вам об этом. Он оценивает варианты, которые вы написали. Ничто в опубликованной схеме запроса не добавляет категорию «ни один из этих вариантов», если только вы сами не поместите её туда.

Cloudflare в названии: три роли, одна компания

Люди ищут эту модель с привязанным к ней Cloudflare — cloudflare/clef-flash, а также cloudflare clef flash простыми словами. Префикс стоит прописать полностью, потому что он указывает на три отдельных слоя, и только один из них — хостинг.

• Организация, которая её обучила. Clef-Flash — модель Cloudflare. В анонсирующем посте Cloudflare «Представляем Clef: наши открытые модели принятия решений и новая платформа для RL-дообучения», опубликованном 1 октября 2026 года за авторством Мишель Чен, Алекса Рено и Кевина Флансбурга, она описывается как выпуск, обученный Cloudflare, и говорится, что модели были «дообучены» внутри компании на основе открытой базовой модели с открытыми весами от upstream. Это не сторонний чекпойнт, который Cloudflare подобрала.

• Пространство имён Hugging Face. Веса находятся по адресу huggingface.co/Cloudflare/clef-flash. Именно поэтому строка cloudflare/clef-flash циркулирует: это путь к репозиторию, в той же форме, что и любой другой репозиторий, принадлежащий организации. Это самая распространённая причина, по которой эти два слова встречаются вместе, и это не утверждение о хостинге.

•Инференс-хост, который также является Cloudflare.Обслуживаемая модель — cf/cloudflare/clef-flash, amss AI по адресу api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash. Так что описываемая схема хостинга — это не «модель, размещённая на Cloudflare» в нейтральном смысле листинга на маркетплейсе. Это вендор, обслуживающий свои собственные веса на собственной платформе.

Практическое следствие таково: модель, предоставление лицензии, конечная точка API и счёт — всё сводится к одной компании, и у читателя, который предполагал наличие независимого слоя хостинга между ними, нет второго поставщика, к которому можно было бы обратиться в качестве запасного для этого чекпоинта. Веса Apache-2.0 — единственная лазейка из этого, и они реальны — подробнее об этом ниже. Что не соответствует действительности, насколько утверждает любая найденная нами страница вендора, так это то, что Clef-Flash предлагается через какого-либо другого провайдера инференса. В собственных материалах Cloudflare не названа ни одна сторонняя платформа, и мы не нашли ни одной, которая бы её предлагала.

Размер, архитектура и лицензия

Цифры — как из самого репозитория модели, так и из документации Cloudflare — на сегодняшний день совпадают:

• Параметры — 9 409 813 744 в BF16, так что «9B» — это округление вниз, а не натяжка. Визуальный модуль учитывается в этом общем количестве.

• Основа — Qwen3.5-9B, замороженная во время пост-обучения, включая её визуальный энкодер, хранится в виде стандартных шардированных safetensors. Четыре шарда, примерно 18,8 ГБ весов в общей сложности.

• Обученная часть — «голова совместной схемы», небольшая трансформерная голова весом 243,5 МБ, которая читает финальные скрытые состояния бэкбона, направляет свидетельства из состояния к каждому вопросу и совместно оценивает все варианты каждого вопроса. Один логит на каждый допустимый вариант; softmax по каждому вопросу даёт распределение.

• Метод обучения, как его описывает Cloudflare — маршрутизирующая головка, оптимизируемая вместе с низкоранговыми адаптерами ранга 256 поверх замороженного бэкбона, со сглаженной по меткам кросс-энтропией для валидности схемы в паре с потерей Брайера, нацеленной на калибровку вероятностей, плюс вторичная цель, которую Cloudflare называет Reinforcement Learning for Calibrated Decisions.

• Лицензия — Apache-2.0, «следуя базовой модели», по словам самой карточки. Коммерческое использование лицензией не ограничивается, и веса не закрыты: репозиторий скачивается без запроса доступа.

Форма этой конструкции — всё, что обучалось, находится в 243-мегабайтной голове, прикреплённой к замороженному 18,8-гигабайтному каркасу, — вот причина относиться к описанию архитектуры серьёзно, а не воспринимать его как маркетинг. Модель не могла выучить новые знания о мире, потому что несущие знания веса никогда не менялись. Она научилась тому, как направлять свидетельства в решение. Это реальная и при этом ограниченная способность, и она объясняет закономерность в бенчмарках далее на этой странице лучше, чем любое заявление о точности.

Контекстное окно и потолок вывода

Это цифра, которая изменилась, и если вы сегодня определяете размер промпта, вам следует ориентироваться на текущее число, а не на любое число, ходящее с момента запуска.

Страница модели Workers AI от Cloudflare для @cf/cloudflare/clef-flash, прочитанная 12 октября 2026 года, указывает контекстное окно в 24 576 токенов. В анонсирующем посте от 1 октября говорится другое — «наша модель имеет контекстное окно 64k (по сравнению с 32k у Jev)» — а собственный вспомогательный метод encode_record из карточки на Hugging Face по умолчанию использует max_length=16,384. Для сравнения, страница Workers AI для 27B clef даёт 65 536 токенов, а страница clef-omni даёт 64 000.

Честно говоря: текущая документация производителя для этой конкретной модели указывает 24 576, а в посте о запуске говорилось 64k. Это два собственных источника производителя, которые противоречат друг другу, и только один из них — это страница, относительно которой разработчик выполняет интеграцию. Если вы строили промпт из расчёта бюджета в 64K, полагаясь на анонс, задокументированный потолок теперь составляет примерно треть от этого. Проверьте перед отправкой.

Медиавходные данные тарифицируются и учитываются в рамках того же самого бюджета — и именно эта деталь бьёт больнее всего. Изображения токенизируются по фрагментам 32×32 пикселя, с тремя маркерными токенами, и каждое изображение ограничено 1 024 токенами; изображение размером больше примерно одного мегапикселя уменьшается, а меньше примерно 65 000 пикселей — увеличивается. Если токены медиа плюс токены вашего вопроса превышают окно, запрос сразу же завершается неудачей. Если не превышают, текст состояние усекается, чтобы уложиться в оставшееся место, — молча, с конца, без каких-либо ошибок. Схема, которая помещается в один день, в день с большим количеством документов тихо потеряет часть своего состояния.

Максимальный объём вывода не публикуется. На странице модели Cloudflare указано лишь, что «модели Clef не взимают плату за выходные токены», а схема ответа содержит поле usage.output_tokens без задокументированного верхнего предела. Это не то упущение, которое следует замалчивать догадкой: неавторегрессионный скорер не имеет бюджета декодирования в том смысле, в каком его имеет авторегрессионная модель, а поставщик не документирует никакого лимита, значит, нет лимита, который можно было бы указать. Если он вам нужен, рассуждать следует о количестве ваших вариантов и количестве вопросов, а не о выходных токенах.

Входные модальности и что именно возвращается

Описания поставщика и схема запроса совпадают на стороне ввода и слегка расходятся в одном пункте, так что вот в чём расхождение.

• Входные данные согласно карточке модели — текст, JSON или структурированные данные любой формы, изображения и массивы видеокадров. Текстовые и мультимодальные записи можно смешивать в одном пакете, а параметры медиаданных передаются процессору через необязательное поле media_kwargs.

• Входные данные согласно схеме запроса Workers AI — в документированном списке параметров присутствует массив images и отсутствует параметр для видео: максимум 4 изображения, по 4 МиБ и 16 мегапикселей на изображение, 8 МиБ суммарно после декодирования и ограничение в 13 МиБ на всё тело запроса. Только встроенные байты: удалённые URL-адреса не принимаются.

• Вывод — вероятности по определённым вами вариантам, в answers объекте, в одной из трёх форм в зависимости от типа вопроса. Никакого свободного текста, никакой markdown-разметки, никаких вызовов инструментов.

Рассматривайте это различие как различие между поверхностями хостинга, а не как противоречие. Checkpoint документирует видеокадры; эндпоинт Workers AI, к которому вы обращаетесь по HTTP, документирует изображения. Если видео входит в ваши планы, проверять стоит путь с самостоятельным хостингом.

Что утверждает Cloudflare и что было фактически измерено

Каждое число здесь взято из Cloudflare, и Cloudflare провела всё это. Это самое важное предложение на этой странице, поэтому стоит конкретно рассказать о механизмах.

Набор бенчмарков — это Decision Index 0.2.1. В карточке модели результаты описываются как «наш внутренний запуск», а публичный лидерборд, на который она ссылается, размещён по адресу, управляемому Cloudflare. Моделью-аналогом на протяжении всего сравнения выступает Jev от TypeSafe, а сквозные показатели бизнес-процессов взяты из Typesafe Evals. Таким образом, это сравнение, в котором производитель измеряет собственную модель по индексу, названному по имени конкурента, с которым её сравнивают, и сам публикует результат. Независимой оценки Clef-Flash не существует. Проверка на сегодня: у Artificial Analysis нет страницы модели для неё, а текстовый лидерборд LMArena вообще не содержит ни одной модели с меткой Cloudflare. Если производитель не публикует оценку третьей стороны, то само указание на это и есть вывод.

С этой меткой результаты по задачам принятия решений действительно сильны: BFCL case-exact 98.8, точность API-Bank 93.1, macro-F1 ContractNLI 84.3, RouterBench 79.9, FinEntity 97.1 и case-exact симулятора бытовой техники 97.7 — последний на четырнадцать пунктов выше более крупной 27B Clef в той же строке. Строки по общим знаниям тоже держатся: MMLU 91.8, ARC-Easy 99.5, ARC-Challenge 98.3, WinoGrande 97.5, HellaSwag 98.6, CLadder 97.7 и Brier на ForecastBench 10.6 — лучший показатель в своём столбце и именно та метрика калибровки, по которой следует судить модель, выдающую вероятности.

Потери относятся к тому же абзацу, и у них есть форма. На CLINC150 с обработкой выхода за пределы области Clef-Flash набирает 66,8 macro-F1 против 97,4 у 27B Clef и 89,3 у Jev. На ANLI он получает 59,1 против 74,8 у Jev. When2Call — 65,6 против 81,0. GPQA Diamond — 51,0 против 78,3. RAGTruth — 35,6 против 76,5. А на POP909-CL, бенчмарке по разметке аккордов, он возвращает 1,6.

66,8 при обнаружении интентов вне заданной области рядом с 97,7 при управлении бытовой техникой — это не плавная кривая возможностей. Это профиль скорера, который очень хорошо справляется с классификационными формами, на которых его дообучали, и намного слабее умеет отказаться от классификации, когда правильный ответ — «ничего из перечисленного», а это, как ни неудобно, именно то суждение, которое больше всего нужно слою маршрутизации или конвейеру триажа. 1,6 при разметке аккордов — это либо несоответствие формата, либо настоящий сбой, и карточка этого не различает.

Результаты по рабочим процессам от Typesafe Evals выглядят более неоднородными, чем в главных строках: обработка счетов — точные действия 57,1 против 64,7 у Clef и 61,8 у Jev; обслуживание клиентов — точные действия 77,0, выше, чем у обоих; инциденты безопасности — 61,7; наблюдаемость трассировки агентов — 69,8. Родственная модель 27B выигрывает в таблице рабочих процессов в трёх строках из пяти.

Задержка — это то, где модель оправдывает своё название, и здесь действует та же оговорка. Медианная задержка запроса — 38,8 мс, а p95 — 122,4 мс, измеренные Cloudflare на инфраструктуре Cloudflare, против 209,3 / 238,6 у 27B Clef. Абсолютные миллисекунды с собственного оборудования поставщика не являются ни верхней, ни нижней границей чего-либо; утверждением является порядок, и этот порядок — примерно в пять раз быстрее, чем у его собственного более крупного собрата, — это архитектура, делающая то, что заявлено.

Как читатель на самом деле это называет

Существуют два пути, и это действительно разные обязательства.

Хостируемый маршрут. Вызывайте его в Workers AI как @cf/cloudflare/clef-flash, изнутри Worker через привязку env.A.run() или по REST на конечной точке Cloudflare API с bearer-токеном. Обязательные поля — model, state и questions; model должен соответствовать шаблону ^\s*(clef|clef-flash)\s*$, именно так варианты 27B и 9B различаются на одной и той же конечной точке. Цены на странице модели Workers AI и на странице тарифов Workers AI — $0,038 за миллион входных токенов, при этом медиа токенизируется во входные токены по той же ставке, а за выходные токены плата не взимается.

Путь с самостоятельным хостингом. Веса распространяются под лицензией Apache-2.0 и не ограничены, поэтому вы можете запустить их самостоятельно. В карточке описан эталонный путь с torch 2.11 и transformers 5.10.2 на одном H200, с pillow для обработки изображений и видео, и указана ссылка на сборник рецептов SGLang с командами запуска для H200, B200 и B300. При таком обслуживании модель отвечает по адресу /v1/systemone.

Этот путь не случаен, потому что именно он — причина, по которой эту модель стоит понимать, а не просто использовать. Clef-Flash, по словам карточки, «полностью совместим с Jev и SystemOne»: он принимает тело запроса Jev/SystemOne и возвращает то же тело ответа — модель, ответы с ключом по id вопроса, использование. Совместимость была настолько намеренной, что более поздний коммит в репозиторий добавляет systemone точку входа явно. Если ваш конвейер уже задаёт вопросы модели принятия решений в такой форме, замена этой модели — это строка модели и URL, а не миграция. Это реальное сокращение затрат на переключение, и это единственный архитектурный факт здесь, который меняет то, что читатель может сделать.

Одно замечание о маршрутизации, изложенное как факт, а не как реклама: OrcaRouter не обслуживает Cloudflare/clef-flash. Мы проверили наш актуальный каталог сегодня — его там нет, и ничто на этой странице не должно восприниматься как утверждение, что он там есть. Что действительно есть в нашем каталоге, так это модель, для которой Clef-Flash создавался как прямая замена без изменений — TypeSafe's Jev 1.13 присутствует в нашем каталоге по цене $0.042 за миллион входных токенов в его таблице цен (бейдж с краткой информацией на странице округляет это до $0.04), с контекстом 65K токенов и тем же POST /v1/systemone типом эндпоинта. Поскольку оба используют один проводной формат, переход между ними — это изменение конфигурации, а не переписывание, и именно поэтому стоит держать оба доступными по одному ключу, вместо того чтобы привязывать архитектуру к той модели, что вышла первой. OrcaRouter работает на списочной цене провайдера, передаваемой без наценки, поэтому изменение цены у любого из поставщиков отражается у нас в тот же день.

Что всё ещё открыто?

Три вещи — в том порядке, в котором они изменили бы картину.

Кто-то за пределами Cloudflare должен воспроизвести ячейки CLINC150 out-of-scope и home-appliance вместе, потому что они указывают в противоположных направлениях, а опубликованный прогон не даёт механизма ни для одной из них. Если 66,8 подтвердится при независимом тестировании, это самый важный с операционной точки зрения факт о Clef-Flash, и его нет в списке сильных сторон анонса.

Контекстному окну нужно одно согласованное число от вендора. Сейчас на странице документации самой модели указано 24 576 токенов, в посте о запуске — 64k, а встроенный вспомогательный модуль кодирования по умолчанию использует 16 384. Любой, кто рассчитывает размер промпта для продакшена, вынужден выбирать, какому из трёх заявлений вендора верить.

И этой категории нужен контакт с реальными рабочими нагрузками в производственных объёмах. Cloudflare формулирует это так: модели принятия решений находятся на горячем пути — пример классификации доменов в их публикации показывает, что Clef выносит вердикт за 2,2 секунды против 4,7 секунды у модели общего назначения на той же задаче. Это конкретное и проверяемое утверждение о конкретном рабочем процессе, и это будет установлено людьми, которые его запускают, а не таблицей.