Clef: โมเดลตัดสินใจขนาด 27B ของ Cloudflare คืออะไรกันแน่

Clef เป็นโมเดลตัดสินใจแบบมัลติโมดัลที่มีพารามิเตอร์ 27 พันล้านตัว เผยแพร่โดย Cloudflare คุณป้อนสถานะให้มัน — สตริง ออบเจ็กต์ JSON รูปภาพ คลิปวิดีโอ — พร้อมสคีมาของคำถามแบบมีชนิดได้สูงสุด 64 ข้อ และมันจะคืนค่าความน่าจะเป็นสำหรับทุกตัวเลือกที่อนุญาตของทุกคำถามในการส่งผ่านไปข้างหน้าครั้งเดียว ไม่มีการสร้างข้อความที่ใดในไปป์ไลน์ และไม่มีการแยกวิเคราะห์เอาต์พุต: โมเดลปล่อยโลจิตหนึ่งค่าต่อตัวเลือกที่อนุญาต คุณทำซอฟต์แม็กซ์ต่อคำถาม ก็เป็นอันเสร็จเรียบร้อย น้ำหนักเป็น Apache-2.0 และอยู่ในที่เก็บ Cloudflare/clef บน Hugging Face; Cloudflare ยังให้บริการโมเดลนี้จากแพลตฟอร์ม Workers AI ของตัวเองด้วย

มีสองวันที่สำคัญต่อการทำความเข้าใจบริบท และไม่มีวันใดในสองวันนั้นที่เป็นเหตุผลว่าทำไมหน้านี้จึงมีอยู่ เวตถูกเผยแพร่เมื่อวันที่ 30 กันยายน 2026 และโพสต์ประกาศของ Cloudflare ลงวันที่ 1 ตุลาคม 2026 ซึ่งทำให้ Clef มีอายุสิบสองวันในวันที่เขียนข้อความนี้ — เก่าพอที่จะไม่ใช่ข่าว และหน้านี้ไม่ได้ปฏิบัติต่อมันในฐานะข่าว หน้านี้มีอยู่เพราะ "clef" เป็นคำค้นที่ผู้คนพิมพ์กันจริง ๆ และจนถึงตอนนี้ยังไม่มีอะไรในบล็อกนี้ตอบคำค้นนั้น การเปิดตัวเป็นเพียงจุดที่ใช้กำหนดวันที่ให้โมเดล ส่วนสิ่งที่เป็นประเด็นจริง ๆ คือเนื้อหาอ้างอิงด้านล่าง

คำถามเรื่องขนาด ได้ข้อสรุปจากผู้จัดพิมพ์แล้ว

จำนวนพารามิเตอร์สองจำนวนกำลังแพร่สะพัดอยู่เคียงข้างกัน และมีเพียงจำนวนเดียวเท่านั้นที่เป็นของโมเดลนี้

• Clef คือ 27B หน้าโมเดลของ Cloudflare เองอธิบายว่าเป็น "โมเดลการตัดสินใจแบบมัลติโมดัลขนาด 27B" และการ์ดโมเดลบน Hugging Face ก็กล่าวไว้เช่นเดียวกันในบรรทัดเปิดว่า "Clef เป็นโมเดลมัลติโมดัลขนาด 27B ที่เปลี่ยนสถานะและสคีมาของคำถามแบบมีชนิดให้กลายเป็นการตัดสินใจ"

• 9B เป็นโมเดลที่แตกต่างออกไป ไม่ใช่ขนาดที่สองของโมเดลนี้ เช็กพอยต์ 9B คือ Clef Flash ซึ่งเป็นโมเดลพี่น้องแยกต่างหากที่มีรีโพซิทอรีของตัวเองและหน้ารายละเอียดโมเดลของตัวเอง ใครก็ตามที่ค้นหา Clef ขนาด 9B กำลังมองหา Clef Flash อยู่ ทั้งสองใช้แทนกันไม่ได้ และตัวเลขก็ใช้แทนกันไม่ได้เช่นกัน

• ยังมีสมาชิกคนที่สามด้วย Clef Omni ซึ่งเปิดตัวเมื่อวันที่ 9 ตุลาคม 2026 เป็นโมเดลแบบผสมผู้เชี่ยวชาญ (mixture-of-experts) ขนาด 30B ที่มีพารามิเตอร์ที่ทำงานจริง 3B สร้างอยู่บนโครงสร้างหลักที่แตกต่างออกไป และยังอ่านเสียงได้ด้วย หากคุณเคยเห็น "30B" อยู่คู่กับ Clef นั่นคือ Clef Omni ไม่ใช่ Clef

ขนาดของโมเดลในหน้านี้คือ 27B เท่านั้น และรีโพซิทอรีให้โมเดลนี้มาในรูปแบบ BF16 safetensors ชุดไฟล์ที่เผยแพร่มีขนาดรวมประมาณ 55 GB ใน 25 ไฟล์ ซึ่งเป็นตัวเลขที่สำคัญหากคุณตั้งใจจะโฮสต์เองแทนที่จะเรียกใช้งาน

Clef เกี่ยวข้องกับ Clef Flash อย่างไร

Cloudflare เปิดตัว Clef ในฐานะตระกูลผลิตภัณฑ์ และโครงสร้างแบบตระกูลคือส่วนที่มีประโยชน์ ไม่ใช่เรื่องเสริม Clef และ Clef Flash ใช้สูตรเดียวกัน: ตรึง backbone Qwen3.8-27B สำหรับโมเดลที่ใหญ่กว่า และ backbone Qwen3.5-9B สำหรับโมเดลที่เล็กกว่า เก็บ vision encoder ไว้ และฝึก joint schema head ขนาดเล็กไว้ด้านบนพร้อมกับ low-rank adapters สัญญาเอาต์พุตเดียวกัน แต่ความจุต่างกัน และโปรไฟล์ความหน่วงต่างกันมาก

สัญญาที่ใช้ร่วมกันคือเหตุผลที่ทำให้ทั้งสองโมเดลควรค่าแก่การทำความเข้าใจร่วมกัน เพราะสคีมาที่เขียนไว้สำหรับตัวหนึ่งก็คือสคีมาสำหรับอีกตัวหนึ่ง และการสลับว่าตัวไหนจะเป็นผู้ตอบก็เป็นเพียงการเปลี่ยนตัวระบุโมเดล ไม่ใช่การเขียนใหม่ สิ่งที่แลกมาคือความเร็วกับขีดความสามารถ และโพสต์ของ Cloudflare เองเมื่อวันที่ 9 ตุลาคมก็ทำให้การแลกเปลี่ยนนี้ชัดเจนยิ่งขึ้น โดยลดราคาแบบโฮสต์ของ Clef Flash เหลือ $0.038 ต่อโทเคนอินพุตหนึ่งล้านโทเคน ขณะที่ปล่อยให้ Clef อยู่ที่ $0.24 ต่อโทเคนอินพุตหนึ่งล้านโทเคน สังเกตว่ายังมีสิ่งที่โพสต์นั้นทำอีกด้วย: มันลดหน้าต่างบริบทแบบโฮสต์ของ Clef Flash ลงเหลือ 24,000 โทเคน จากเดิม 64,000 โทเคนที่เคยโฆษณาไว้สำหรับมัน ขณะที่ Clef เองยังคงอยู่ที่ 64,000

สถาปัตยกรรม: แบ็กโบนหนึ่งตัวบวกกับหัวสำหรับให้คะแนน

Clef ไม่ใช่โมเดลภาษาที่สวมหมวกของตัวจำแนกประเภท การออกแบบนี้ควรค่าแก่การกล่าวถึงอย่างแม่นยำเพราะมันอธิบายคุณสมบัติอื่น ๆ เกือบทั้งหมดของโมเดล

• แบ็กโบน — Qwen3.8-27B รวมถึงตัวเข้ารหัสภาพของมัน ถูกยกมาและตรึงไว้ จัดเก็บเป็นไฟล์ safetensors แบบแบ่งส่วนธรรมดา

• หัวสคีมาร่วม — หัวทรานส์ฟอร์เมอร์ขนาดเล็กที่อ่านสถานะซ่อนสุดท้ายของแบ็กโบน ส่งต่อหลักฐานจากสถานะไปยังแต่ละคำถาม และให้คะแนนตัวเลือกทั้งหมดของทุกคำถามร่วมกัน แทนที่จะทำทีละคำถาม

• การฝึก — แรงก์-256 อะแดปเตอร์แบบ low-rank, เอนโทรปีไขว้แบบปรับเรียบป้ายกำกับ บวกกับค่าสูญเสีย Brier สำหรับการสอบเทียบ, และลูป "Reinforcement Learning for Calibrated Decisions" ของ Cloudflare

• เอาต์พุต — หนึ่ง logit ต่อหนึ่งตัวเลือกที่อนุญาต ต่อหนึ่งคำถาม การทำ Softmax ต่อคำถามจะให้ค่าความน่าจะเป็นแก่คุณ ไม่มีสิ่งอื่นใดออกมา

การให้คะแนนแบบร่วม (joint scoring) คือส่วนที่ทำให้ Clef แตกต่างจากกลุ่มตัวแยกประเภทอิสระที่วางซ้อนกัน เพราะคำถามทั้งหมดถูกให้คะแนนเทียบกับ hidden state เดียวกันในรอบเดียว คำถามจึงสามารถให้ข้อมูลซึ่งกันและกันได้ และทั้งหมดนี้เป็นแบบ non-autoregressive — ไม่มี decode loop ซึ่งเป็นที่มาของตัวเลข latency Cloudflare อธิบายว่า inference เป็น prefill-only pass

บริบท ขีดจำกัด และสิ่งที่เข้ามา

ในเรื่องบริบทและภาวะการณ์ เนื้อหาของผู้ขายมีความเฉพาะเจาะจง และตรงที่มันเงียบ ความเงียบนั้นควรค่าแก่การบันทึกไว้ มากกว่าที่จะกลบเกลื่อน

• หน้าต่างบริบท — 65,536 โทเค็นบนเอนด์พอยต์ Workers AI ที่โฮสต์โดย Cloudflare ตามที่ระบุในหน้าโมเดล นั่นคือตัวเลขที่โพสต์เปิดตัวของ Cloudflare นำมาเปรียบเทียบกับหน้าต่าง 32,000 โทเค็นที่โพสต์ดังกล่าวระบุว่าเป็นของ Jev จาก TypeSafe

• บริบทแบบโฮสต์เอง — โพสต์ของ Cloudflare วันที่ 9 ตุลาคม ระบุว่าเวตของ Hugging Face ถูกฝึกมาให้รองรับหน้าต่าง 256,000 โทเคน หากคุณรันมันเอง เอนโคเดอร์ที่มาพร้อมในรีโพซิทอรีนั้นมีค่าเริ่มต้นเป็น max_length=16,384 ซึ่งเป็นค่าเริ่มต้นไม่ใช่เพดานสูงสุด แต่ก็เป็นค่าที่คุณจะได้หากใช้ตัวโหลดตามที่จัดส่งมา

• เอาต์พุตสูงสุด — ไม่ได้เปิดเผย ไม่มีงบประมาณโทเคนให้เปิดเผย เนื่องจากโมเดลจะคืนค่าเวกเตอร์ความน่าจะเป็นแบบคงที่ต่อหนึ่งคำถาม ดังนั้นขีดจำกัดตามธรรมชาติจึงอยู่ที่สคีมา (1 ถึง 64 คำถาม โดยแต่ละข้อมี 2 ถึง 26 ตัวเลือก) มากกว่าความยาวในหน่วยโทเคน

• รูปแบบอินพุต — ข้อความ, JSON, รูปภาพ และวิดีโอ หน้า Workers AI ระบุว่า vision ได้รับการรองรับ และรับรูปภาพ PNG, JPEG หรือ WebP ได้สูงสุดสี่รูปต่อคำขอ ส่วน Clef Omni เพิ่มความสามารถด้านเสียงแยกต่างหาก โดยตัว Clef เองไม่รองรับ

• รูปแบบผลลัพธ์ — ความน่าจะเป็น Clef ไม่สามารถร่างคำตอบ สรุปเนื้อหาเธรด หรือสร้างประโยคได้ และจะไม่คิดค้นหมวดหมู่ที่คุณไม่ได้ประกาศไว้ขึ้นมาเอง

• สัญญาอนุญาต — Apache-2.0 โดยสืบทอดจากเช็กพอยต์ฐาน Qwen3.8-27B หน้าโมเดลของ Cloudflare เชื่อมโยงไปยังไฟล์สัญญาอนุญาตแทนที่จะระบุชื่อไว้ในข้อความบนหน้า เพจ ตัวไฟล์สัญญาอนุญาตเองเป็น Apache-2.0

รายละเอียดการนำไปใช้งานจุดหนึ่งถูกบันทึกไว้เป็นกับดัก และควรกล่าวซ้ำอีกครั้ง: ฟิลด์ความมั่นใจรายงานว่าความน่าจะเป็นกระจุกตัวมากเพียงใด ไม่ใช่ความน่าจะเป็นที่คำตอบจะถูกต้อง โมเดลที่ปรับคาลิเบรตมาอย่างดีสามารถให้คำตอบที่ถูกต้องโดยมีความมั่นใจต่ำ และคำตอบที่ผิดโดยมีความมั่นใจสูง

สิ่งที่ Cloudflare กล่าวอ้าง และสิ่งที่ได้รับการวัดจริง

นี่คือส่วนที่ต้องอ่านอย่างละเอียด เพราะช่องว่างระหว่างสองครึ่งของหัวเรื่องนั้นกว้าง

ตัวเลขประสิทธิภาพทุกตัวที่แนบมากับ Clef มาจาก Cloudflare การ์ดโมเดลเผยแพร่ตารางที่มีมากกว่าสี่สิบแถวจากสิ่งที่มันเรียกว่า "การรันภายในของเราในชุด Decision Index 0.2.1" และลีดเดอร์บอร์ดนั้นโฮสต์โดย Cloudflare การประเมินเวิร์กโฟลว์ที่อยู่ด้านล่างดึงมาจากชุดอีวาลสาธารณะของ TypeSafe แต่การรันก็ยังคงเป็นของ Cloudflare ณ วันนี้ ฉันไม่พบการทำซ้ำตารางใดตารางหนึ่งจากบุคคลที่สามที่เป็นอิสระเลย — ไม่มีแล็บภายนอก ไม่มีลีดเดอร์บอร์ดที่เป็นกลาง ไม่มีการจำลองแบบที่เผยแพร่ ให้ถือว่าตัวเลขเหล่านี้เป็นกรณีที่ดีที่สุดของผู้จัดหา ไม่ใช่ผลการวัด

รูปแบบที่อยู่ในตัวเลขเหล่านั้นให้ข้อมูลมากกว่าเซลล์เดียวใด ๆ ผลลัพธ์ที่แข็งแกร่งที่สุดของ Clef อยู่บนงานที่อยู่ในรูปแบบของการจำแนกประเภท: ในการรันของ Cloudflare รายงานค่า 94.2 macro-F1 บนเจตนาของ BANKING77 เทียบกับ 79.7 ของ Jev และ 97.4 macro-F1 บน CLINC150 เมื่อมีการจัดการนอกขอบเขต เทียบกับ 89.3 ตัวเลขนอกขอบเขตเป็นตัวเลขที่น่าสนใจในเชิงปฏิบัติการ เพราะการปฏิเสธที่จะจำแนกประเภทคือครึ่งหนึ่งที่ยากของการจัดเส้นทาง นอกจากนี้ยังรายงาน 98.5 case-exact บน BFCL และ 86.7 บน CRUXEval

ความเสียเปรียบชี้ไปในทิศทางเดียวกันอย่างสม่ำเสมอ ในตารางเดียวกัน Clef รายงาน GPQA Diamond ที่ 48.0 เทียบกับ 78.3 ของ Jev, MMLU-Pro ที่ 65.9 เทียบกับ 82.7 และ BBH ที่ 73.7 เทียบกับ 92.9 นั่นคือช่องว่างที่ใหญ่ที่สุดสามอันดับในตาราง และทั้งหมดบ่งชี้จุดอ่อนเดียวกัน: การให้เหตุผลนอกรูปแบบที่โมเดลถูกฝึกมา ในสี่การประเมินเวิร์กโฟลว์แบบครบวงจร ทั้งสองโมเดลใกล้กันพอที่ลำดับจะไม่ถือเป็นข้อค้นพบ

ความหน่วงเป็นจุดเดียวที่ข้อได้เปรียบนี้เป็นเชิงโครงสร้างมากกว่าจะเป็นเพียงส่วนเพิ่ม และด้วยเหตุนี้จึงมีแนวโน้มมากที่สุดที่จะอยู่รอดเมื่อต้องเผชิญกับสภาพการใช้งานจริงในโปรดักชัน Cloudflare รายงานค่ามัธยฐาน 209.3 ms และ p95 238.6 ms สำหรับ Clef เทียบกับ 524.1 ms และ 536.0 ms สำหรับ Jev ลำดับเช่นนี้เป็นผลมาจากดีไซน์แบบ non-autoregressive มากกว่าจะมาจากความเฉพาะตัวของ benchmark แต่ค่ามิลลิวินาทีสัมบูรณ์นั้นวัดบนฮาร์ดแวร์ของ Cloudflare เอง และแทบไม่มีความหมายเมื่อพิจารณาโดยลำพัง

น่าสังเกตสำหรับใครก็ตามที่เคยอ่านตาราง benchmark ของ Clef บนบล็อกนี้แล้ว: ตัวเลขการให้บริการ (serving) เปลี่ยนไปเมื่อวันที่ 9 ตุลาคม Cloudflare ย้าย Clef ไปใช้ SGLang สำหรับการให้บริการ และได้ส่งมอบงานนี้กลับขึ้นต้นน้ำ (upstream) โดยรายงานความเร็วที่เพิ่มขึ้นแบบมัธยฐานที่ 1.7 เท่า เมื่ออินพุตประมาณ 800 โทเคน และ 2.0 เท่า เมื่อประมาณ 3,400 โทเคน นั่นเป็นการเปลี่ยนแปลงในชั้นการให้บริการ ไม่ใช่เวตใหม่ และตัวโมเดลเองก็ไม่เปลี่ยนแปลง หากคุณกำลังอ้างอิงตัวเลขเวลาแฝง (latency) ก่อนวันที่ 9 ตุลาคม ตัวเลขนั้นล้าสมัยแล้ว

การเรียก Clef และการทำให้ความสัมพันธ์กับ Cloudflare ถูกต้อง

มีสองวิธีในการรันมัน และไม่มีวิธีไหนที่ลึกลับเลย

ตัวแรกคือเอนด์พอยต์ของ Cloudflare เอง Clef ให้บริการจาก Workers AI ซึ่งเป็นแพลตฟอร์มการอนุมานของ Cloudflare เอง ในราคา $0.24 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น โดยไม่คิดค่าใช้จ่ายสำหรับโทเค็นเอาต์พุต — ซึ่งเป็นผลมาจากการที่ไม่มีโทเค็นเอาต์พุต อินพุตสื่อจะถูกแปลงเป็นโทเค็นและคิดค่าบริการในอัตราอินพุตเดียวกัน นี่คือผู้เผยแพร่ที่โฮสต์โมเดลของตัวเอง และนั่นคือความสัมพันธ์ทั้งหมด: การค้นหาที่จับคู่ชื่อโมเดลนี้กับ Cloudflare ไม่ได้ชี้ไปที่โฮสต์บุคคลที่สามที่บังเอิญเพิ่มมันเข้าไป Cloudflare สร้างมันขึ้นมา

ตัวเลือกที่สองคือฮาร์ดแวร์ของคุณเอง เวตของโมเดลอยู่บน Hugging Face ภายใต้ Apache-2.0 ดังนั้นจึงอนุญาตให้โฮสต์เองได้โดยไม่ต้องมีการเจรจาเชิงพาณิชย์ การทดสอบของ Cloudflare เองใช้ torch 2.11 และ transformers 5.10.2 บน H200 เพียงตัวเดียว โดยจำเป็นต้องใช้ pillow สำหรับอินพุตภาพและวิดีโอ หากคุณเคยอ่านว่า Clef ทำงานบน SGLang ได้เช่นกัน ข้อมูลนั้นถูกต้อง ณ การเปลี่ยนแปลงด้านการให้บริการเมื่อวันที่ 9 ตุลาคม; งาน upstream มีกำหนดเผยแพร่ใน SGLang 0.5.22

รูปแบบของ API นี้จงใจไม่ให้แปลกใหม่ เนื้อความคำขอและคำตอบของ Clef เข้ากันได้กับรูปแบบ SystemOne ของ TypeSafe ดังนั้นไปป์ไลน์ที่เชื่อมต่อกับโมเดลการตัดสินใจที่มีรูปแบบนั้นอยู่แล้วสามารถชี้ไปที่ Clef ได้โดยการเปลี่ยน URL และสตริงโมเดล นั่นเป็นข้อโต้แย้งเรื่องต้นทุนการสลับที่แท้จริง และมันตัดได้ทั้งสองทาง ซึ่งเป็นวิธีอ่านที่ซื่อสัตย์: เพราะอินเทอร์เฟซเหมือนกัน การนำ Clef มาใช้จึงมีต้นทุนต่ำ และการเลิกใช้ก็มีต้นทุนต่ำพอๆ กัน ท่าทีที่สมเหตุสมผลสำหรับทีมที่มีปลายทางการตัดสินใจใช้งานจริงอยู่แล้ว คือการรันทั้งสองแบบกับทราฟฟิกของคุณเอง แทนที่จะย้ายระบบ หากคุณกำหนดเส้นทางผ่าน OrcaRouter, Jev 1.13 ของ TypeSafe เป็นโมเดลที่อยู่ในแคตตาล็อกของเรา ดังนั้นการ A/B ระหว่างระบบเดิมกับสิ่งที่คุณโฮสต์เองจะอยู่ภายใต้คีย์เดียวแทนที่จะเป็นสองสัญญา — โมเดลมากกว่า 200 รายการ, ราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยไม่มีการบวกเพิ่มต่อโทเค็น และการจัดการ failover ให้คุณ.

สิ่งหนึ่งที่หน้านี้จะไม่บอกคุณก็คือ Clef มีให้ใช้งานผ่านเราหรือไม่ Cloudflare เผยแพร่ไว้บน Workers AI และบน Hugging Face และผมยังไม่ได้ตรวจสอบเส้นทางผ่านรายการโมเดลของเราเอง ดังนั้นจึงไม่มีอะไรจะกล่าวอ้าง

อะไรที่ยังไม่ได้รับการแก้ไข

สิ่งที่มีประโยชน์ที่สุดเพียงอย่างเดียวที่อาจเกิดขึ้นกับ Clef คือการทำซ้ำ Decision Index โดยบุคคลภายนอก ชุดการทดสอบนี้เป็นสาธารณะ และ Cloudflare ระบุว่าการประเมินนั้นสามารถทำซ้ำได้ ดังนั้นการรันโดยบุคคลที่สามจึงเป็นความแตกต่างระหว่างตารางของผู้ขายกับข้อเท็จจริง จนกว่าจะมีสิ่งนั้น บทสรุปที่ซื่อสัตย์ของโปรไฟล์ที่เผยแพร่ของ Clef คือมันเป็นตัวจำแนกประเภทแบบมีข้อจำกัดที่แข็งแกร่งมาก ซึ่งมีการออกแบบที่รวดเร็วและไม่ใช่ออโต้รีเกรสซีฟ และเป็นตัวให้เหตุผลทั่วไปที่อ่อนแอกว่าอย่างมีนัยสำคัญเมื่อเทียบกับโมเดลที่ถูกนำมาเปรียบเทียบด้วย

สามสิ่งเฉพาะเจาะจงจะเปลี่ยนการตีความนั้น การทำซ้ำอย่างเป็นกลางของตัวเลข out-of-scope ของ BANKING77 และ CLINC150 เพราะช่องว่าง 30 จุดเหนือกว่าคู่แข่งรายปัจจุบันอาจเป็นเรื่องจริงทั้งหมดหรือเป็นเพียงอาร์ติแฟกต์ ตัวเลข p95 ภายใต้การทำงานพร้อมกันจริง เพราะค่ามัธยฐาน 209 ms ที่วัดบน H200 เครื่องเดียวไม่ได้บอกอะไรเกี่ยวกับ hot path ภายใต้โหลด และ Clef ที่ผ่านการ fine-tune แล้วซึ่งเอาชนะ base ได้ในงานที่ base ไม่เคยถูกฝึกมา ซึ่งแพลตฟอร์ม fine-tuning ด้วย RL ของ Cloudflare ถูกออกแบบมาเพื่อสร้างสิ่งนี้ แต่ยังไม่ได้แสดงให้เห็นด้วยผลลัพธ์จากลูกค้า

จนถึงตอนนั้น สิ่งที่ผู้อ่านพอจะพึ่งพาได้คือรูปร่างของสิ่งนี้: พารามิเตอร์ 27B, แบ็กโบน Qwen3.8-27B ที่ถูกแช่แข็งพร้อมเอนโคเดอร์วิชันของมัน, เฮดสคีมาร่วม, บริบทที่โฮสต์ไว้ 65,536 โทเคน, รับข้อความและ JSON และภาพและวิดีโอเข้า, ให้ความน่าจะเป็นออก, Apache-2.0 แค่นี้ก็เพียงพอที่จะตัดสินได้ว่าสถาปัตยกรรมนี้เข้ากับปัญหาของคุณหรือไม่ คำถามที่มันยังตอบไม่ได้คือสกอร์บอร์ดของผู้ขายเองถูกต้องเกี่ยวกับโมเดลนี้หรือไม่ และยังไม่มีใครนอก Cloudflare ตรวจสอบ