Clef: Vad Cloudflares 27B-beslutsmodell faktiskt är

Clef är en multimodal beslutsmodell med 27 miljarder parametrar som publicerats av Cloudflare. Du ger den ett tillstånd – en sträng, ett JSON-objekt, en bild, ett videoklipp – plus ett schema med upp till 64 typade frågor, och den returnerar en sannolikhet för varje tillåtet alternativ för varje fråga i en enda framåtpassning. Det finns ingen textgenerering någonstans i pipelinen och ingen tolkning av utdata: modellen avger en logit per tillåtet alternativ, du kör softmax per fråga, och sedan är du klar. Vikterna är Apache-2.0 och finns i Cloudflare/clef-förrådet på Hugging Face; Cloudflare serverar också modellen från sin egen Workers AI-plattform.

Två datum spelar roll för orienteringen, och inget av dem är anledningen till att den här sidan finns. Vikterna publicerades den 30 september 2026 och Cloudflares meddelandeinlägg är daterat den 1 oktober 2026, vilket gör Clef tolv dagar gammalt den dag detta skrevs – tillräckligt gammalt för att inte vara nyheter, och den här sidan behandlar det inte som nyheter. Den finns eftersom "clef" är en sökfråga som folk faktiskt skriver, och fram till nu har inget på den här bloggen svarat på den. Lanseringen är hur modellen dateras; referensmaterialet nedan är poängen.

Storleksfrågan, avgjord från förlaget

Två parameterantal cirkulerar sida vid sida och endast ett av dem tillhör den här modellen.

• Clef är 27B.Cloudflares egen modellsida beskriver den som "en multimodal beslutsmodell på 27B", och Hugging Face-modellkortet säger samma sak i sin inledande rad: "Clef är en multimodal modell på 27B som omvandlar ett tillstånd och ett schema av typade frågor till beslut."

• 9B är en annan modell, inte en andra storlek av den här. Checkpointen 9B är Clef Flash, ett separat syskon med sitt eget arkiv och sin egen modellsida. Den som sökte efter en 9B Clef var ute efter Clef Flash. De är inte utbytbara och siffrorna kan inte bytas.

• Det finns en tredje medlem också. Clef Omni, som tillkännagavs den 9 oktober 2026, är en 30B mixture-of-experts-modell med 3B aktiva parametrar, byggd på en annan stomme. Den läser även ljud. Om du har sett "30B" kopplat till Clef är det Clef Omni, inte Clef.

Så storleken på modellen på den här sidan är 27B, punkt slut, och repositoriet levererar den i BF16-safetensors. Den publicerade filuppsättningen uppgår till ungefär 55 GB fördelat på tjugofem filer, vilket är siffran som spelar roll om du tänker hosta den själv i stället för att anropa den.

Hur Clef förhåller sig till Clef Flash

Cloudflare släppte Clef som en familj, och familjestrukturen är den användbara delen snarare än en bisak. Clef och Clef Flash delar ett recept: frys ett Qwen3.8-27B-stomnät för den större modellen och ett Qwen3.5-9B-stomnät för den mindre, behåll visionskodaren och träna ett litet gemensamt schemahuvud ovanpå plus lågrangsadaptrar. Samma utdatakontrakt, olika kapacitet och en mycket annorlunda latensprofil.

Det delade kontraktet är anledningen till att båda modellerna är värda att förstå tillsammans: ett schema skrivet för den ena är ett schema för den andra, och att byta vilken som svarar är en modellidentifierare snarare än en omskrivning. Avvägningen är hastighet mot kapacitet, och Cloudflares eget inlägg den 9 oktober gjorde avvägningen skarpare genom att sänka det hostade priset för Clef Flash till $0,038 per miljon indatatoken medan Clef lämnades kvar på $0,24 per miljon indatatoken. Notera vad det inlägget också gjorde: det minskade det hostade kontextfönstret för Clef Flash till 24 000 token, ner från de 64 000 som tidigare hade annonserats för den, medan Clef själv stannade på 64 000.

Arkitektur: en fryst ryggrad plus ett poängsättningshuvud

Clef är inte en språkmodell som bär en klassificerares hatt. Designen är värd att beskrivas exakt, eftersom den förklarar nästan alla andra egenskaper hos modellen.

• Stommen — Qwen3.8-27B inklusive sin visionskodare, överförd och fryst, lagrad som vanliga shardade safetensors.

• Gemensamt schemahuvud — ett litet transformerhuvud som läser backbonens slutliga dolda tillstånd, dirigerar bevis från tillståndet till varje fråga och poängsätter alla alternativ för alla frågor gemensamt i stället för en fråga i taget.

• Träning — lågrankade adaptrar av rang 256, etiketutjämnad korsentropi plus en Brier-förlust för kalibrering, samt Cloudflares slinga "Reinforcement Learning for Calibrated Decisions".

• Utdata — en logit per tillåtet alternativ, per fråga. Softmax per fråga ger dig sannolikheter. Inget annat kommer ut.

Den gemensamma poängsättningen är det som skiljer Clef från en stack av oberoende klassificerare. Eftersom alla frågor poängsätts mot samma dolda tillstånd i ett enda pass kan frågorna informera varandra, och det hela är icke-autoregressivt — det finns ingen avkodningsloop, vilket är där latenssiffrorna kommer ifrån. Cloudflare beskriver inferensen som ett pass med enbart prefill.

Kontext, gränser och vad som ingår

När det gäller kontext och modalitet är leverantörens material specifikt, och där det är tyst är den tystnaden värd att registrera snarare än att sopas under mattan.

• Kontextfönster — 65 536 tokens på Cloudflares hostade Workers AI-slutpunkt, enligt modellsidan. Det är siffran som Cloudflares lanseringsinlägg ställer mot det fönster på 32 000 tokens som det tillskriver TypeSafes Jev.

• Självhostad kontext — Cloudflares inlägg den 9 oktober säger att Hugging Face-vikterna tränades för att stödja ett fönster på 256 000 token om du kör dem själv. Den medföljande encodern i det repositoriet använder som standard max_length=16,384, vilket är ett standardvärde snarare än ett tak, men det är vad du får om du använder inläsaren som den levereras.

• Maximal utdata — publiceras inte. Det finns ingen tokenbudget att publicera: modellen returnerar en fast sannolikhetsvektor per fråga, så den naturliga gränsen är schemat (1 till 64 frågor, var och en med 2 till 26 alternativ) snarare än en längd i tokens.

• Indatamodaliteter — text, JSON, bilder och video. Workers AI-sidan anger att vision stöds och accepterar PNG-, JPEG- eller WebP-bilder, upp till fyra per begäran. Clef Omni lägger separat till ljud; det gör inte Clef självt.

• Utdatamodalitet — sannolikheter. Clef kan inte formulera ett svar, sammanfatta en tråd eller producera en mening, och det kommer inte att hitta på en kategori som du inte har deklarerat.

• Licens — Apache-2.0, i enlighet med bascheckpointen Qwen3.8-27B. Cloudflares modellsida länkar till licensfilen i stället för att namnge den i sidtexten; själva licensfilen är Apache-2.0.

En implementeringsdetalj dokumenteras som en fallgrop och är värd att upprepa: konfidensfältet rapporterar hur koncentrerade sannolikheterna är, inte sannolikheten att svaret är rätt. En välkalibrerad modell kan returnera ett korrekt svar med låg konfidens och ett felaktigt svar med hög konfidens.

Vad Cloudflare hävdar, och vad som faktiskt har uppmätts

Det här är avsnittet som bör läsas noggrant, eftersom gapet mellan rubrikens två halvor är stort.

Varje prestandasiffra som är kopplad till Clef kommer från Cloudflare. Modellkortet publicerar en tabell med över fyrtio rader från vad det beskriver som ”vår interna körning av Decision Index 0.2.1-sviten”, och den resultattavlan hostas av Cloudflare. Arbetsflödesutvärderingarna under den är hämtade från TypeSafes publika utvärderingsset, men körningen är fortfarande Cloudflares. I dag kan jag inte hitta någon oberoende tredjepartsreproduktion av någon av tabellerna – inget externt labb, ingen neutral resultattavla, ingen publicerad replikering. Behandla siffrorna som leverantörens bästa tänkbara scenario, inte som mätvärden.

Mönstret i dessa siffror är mer informativt än någon enskild cell. Clefs starkaste resultat är på klassificeringsformade uppgifter: på Cloudflares körning rapporterar Clef 94,2 macro-F1 på BANKING77-avsikt mot 79,7 för Jev, och 97,4 macro-F1 på CLINC150 med hantering av out-of-scope mot 89,3. Siffran för out-of-scope är den operationellt intressanta, eftersom att avstå från att klassificera är den svåra halvan av routning. Clef rapporterar också 98,5 case-exact på BFCL och 86,7 på CRUXEval.

Förlusterna pekar konsekvent i samma riktning. I samma tabell rapporterar Clef GPQA Diamond som 48,0 mot Jevs 78,3, MMLU-Pro som 65,9 mot 82,7 och BBH som 73,7 mot 92,9. Det är de tre största gapen i tabellen och de beskriver alla samma svaghet: resonemang utanför de former modellen tränades på. I de fyra utvärderingarna av end-to-end-arbetsflöden är de två modellerna tillräckligt nära varandra för att ordningen inte ska vara ett fynd.

Latens är den enda punkten där fördelen är strukturell snarare än marginell, och därför den som med störst sannolikhet överlever mötet med produktionsmiljön. Cloudflare rapporterar en median på 209,3 ms och p95 på 238,6 ms för Clef mot 524,1 ms och 536,0 ms för Jev. Den ordningen följer av den icke-autoregressiva designen snarare än av egenheterna i ett benchmark – men de absoluta millisekunderna mättes på Cloudflares egen hårdvara och säger lite i sig själva.

Värt att notera för alla som redan har läst en Clef-benchmarktabell på den här sidan: serveringssiffrorna ändrades den 9 oktober. Cloudflare flyttade Clef till SGLang för servering och bidrog med arbetet uppströms, och rapporterade medianuppsnabbningar på 1,7× vid ungefär 800 indata och 2,0× vid ungefär 3 400 tokens. Det är förändringar i serveringslagret, inte nya vikter; själva modellen är oförändrad. Om du citerar en latenssiffra från före den 9 oktober är den inaktuell.

Att ringa Clef, och få relationen till Cloudflare rätt

Det finns två sätt att köra det, och inget av dem är mystiskt.

Den första är Cloudflares egen slutpunkt. Clef serveras från Workers AI, Cloudflares egen inferensplattform, till $0,24 per miljon indatatoken utan kostnad för utdatatoken – vilket följer av att det inte finns några utdatatoken. Mediaindata omvandlas till token och debiteras enligt samma indatapris. Detta är utgivaren som hostar sin egen modell, och det är hela relationen: sökningarna som kopplar samman den här modellens namn med Cloudflare pekar inte på en tredjepartsvärd som råkade lägga till den. Cloudflare byggde den.

Det andra är din egen hårdvara. Vikterna finns på Hugging Face under Apache-2.0, så självhosting är tillåten utan en kommersiell överenskommelse. Cloudflares egen testning använde torch 2.11 och transformers 5.10.2 på en enda H200, där pillow behövs för bild- och videoindata. Om du har läst att Clef också körs på SGLang, stämmer det från och med serving-ändringen den 9 oktober; upstream-arbetet planeras att släppas i SGLang 0.5.22.

API-formen är medvetet inte ny. Clefs förfrågnings- och svarskroppar är kompatibla med TypeSafe's SystemOne-format, så en pipeline som redan är kopplad till en beslutsmodell av den formen kan peka mot Clef genom att ändra en URL och en modellsträng. Det är ett verkligt argument om växlingskostnad, och det verkar åt båda hållen, vilket är det ärliga sättet att läsa det: eftersom gränssnittet är detsamma är det billigt att införa Clef, och lika billigt att överge det. Den förnuftiga hållningen för ett team med en beslutsendpoint redan i produktion är att köra båda mot er egen trafik i stället för att migrera. Om ni dirigerar via OrcaRouter är TypeSafe's Jev 1.13 en listad modell i vår katalog, så ett A/B-test mellan den befintliga leverantören och vad ni än självhostar ligger bakom en nyckel i stället för två avtal — över 200 modeller, leverantörens listpris vidarebefordras utan påslag per token, och failover hanteras åt dig.

En sak som den här sidan inte kommer att berätta för dig är huruvida Clef är tillgänglig via oss. Cloudflare publicerar den på Workers AI och på Hugging Face, och jag har inte verifierat någon väg via vår egen modellista, så det finns inget att hävda.

Vad är fortfarande olöst?

Det enskilt mest användbara som skulle kunna hända Clef är en extern replikering av Decision Index. Sviten är offentlig och Cloudflare beskriver utvärderingarna som reproducerbara, så en tredjepartskörning är skillnaden mellan en leverantörs tabell och ett faktum. Fram till dess är den ärliga sammanfattningen av Clefs publicerade profil att det är en mycket stark begränsad klassificerare med en snabb, icke-autoregressiv design, och en betydligt svagare allmän resonerare än modellen den benchmarkades mot.

Tre specifika saker skulle ändra den tolkningen. En neutral reproduktion av out-of-scope-siffrorna för BANKING77 och CLINC150, eftersom ett gap på trettio punkter gentemot den nuvarande lösningen antingen är hela historien eller en artefakt. En p95-siffra under verklig samtidighet, eftersom en median på 209 ms mätt på en enda H200 inte säger något om en het kodväg under belastning. Och en finjusterad Clef som slår basmodellen på en uppgift som basmodellen aldrig tränades för, vilket Cloudflares plattform för RL-finjustering är utformad att åstadkomma men ännu inte har visat med ett kundresultat.

Fram till dess är det en läsare kan förlita sig på själva formen på saken: 27B parametrar, ett fryst Qwen3.8-27B-stomnät med sin visionskodare, ett gemensamt schema-huvud, 65 536 token hostad kontext, text och JSON och bilder och video in, sannolikheter ut, Apache-2.0. Det räcker för att avgöra om arkitekturen passar ditt problem. Frågan den ännu inte kan svara på är om leverantörens egen resultattavla har rätt om modellen, och ingen utanför Cloudflare har kontrollerat.