Clef-Flash เป็นโมเดลขนาด 9B ที่ไม่เคยเขียนโทเคนแม้แต่ตัวเดียว — และบล็อกของ Cloudflare ก็มาถึงเกือบหนึ่งวันหลังจากเวต

Cloudflare/clef-flashเป็นโมเดลมัลติโมดัลขนาด 9 พันล้านพารามิเตอร์ที่รับสถานะและสคีมาของคำถามที่มีการระบุชนิด แล้วคืนค่าความน่าจะเป็นสำหรับทุกคำตอบที่อนุญาต มันไม่สร้างข้อความ ไม่ใช่ "มันสร้างข้อความได้แย่" — มันไม่มีเส้นทางส่งออกข้อความเลย รีโพของมันปรากฏบน Hugging Face เมื่อเวลา 21:15 UTC วันที่ 30 กันยายน 2026 ภายใต้ Apache-2.0; โพสต์ประกาศของ Cloudflare ที่แนะนำมัน พร้อมกับรุ่น 27B ที่ใหญ่กว่า Cloudflare/clefได้รับการเผยแพร่เมื่อเวลา 15:34 UTC ของวันถัดไป เป็นเวลาประมาณสิบแปดชั่วโมงที่น้ำหนักแบบเปิดและเอนด์พอยต์ Workers AI ที่โฮสต์อยู่ปรากฏต่อสาธารณะก่อนที่ผู้ให้บริการจะพูดถึงมันแม้แต่คำเดียว และลำดับเหตุการณ์นั้นเป็นข้อเท็จจริงที่น่าสนใจที่สุดในการเปิดตัวครั้งนี้ — น่าสนใจกว่า สำหรับใครก็ตามที่กำลังตัดสินใจว่าจะเชื่อมสิ่งนี้เข้ากับไปป์ไลน์หรือไม่ มากกว่าแถวเบนช์มาร์กใด ๆ เพียงแถวเดียว

ความยุ่งยากเล็ก ๆ ครั้งที่สองมาถึงในอีกสองวันต่อมา หน้าคลังไลบรารีของรันไทม์บุคคลที่สามสำหรับ clef-flash ซึ่งเป็นจุดที่เรดาร์ของบทความนี้เห็นโมเดลนี้เป็นครั้งแรก ระบุไว้ในตารางโมเดลว่ามี "หน้าต่างบริบท 256K" ขณะที่แสดงข้อความ readme ของ Cloudflare เอง — "หน้าต่างบริบท 64K: มากเป็นสองเท่าของสถานะที่หน้าต่าง 32K ของ Jev เก็บไว้" — อยู่เหนือขึ้นไปไม่กี่บรรทัด ตัวเลขทั้งสองเป็นจริงพร้อมกันไม่ได้ และเอกสารของผู้ขายสรุปว่าตัวเลขที่เล็กกว่านั้นถูกต้อง ความคลาดเคลื่อนแบบนั้นควรค่าแก่การชี้ให้เห็นตั้งแต่ต้น เพราะทุกอย่างอื่นในชิ้นนี้ล้วนเป็นผลสืบเนื่องมาจากคำถามเดียวกัน: ตัวเลขใดเป็นของผู้ขาย ตัวเลขใดเป็นของมิเรอร์ และตัวเลขใดได้รับการตรวจสอบโดยใครก็ตามที่ไม่ใช่ผู้ขาย

สิ่งที่จัดส่งจริง และในลำดับใด

บันทึกตามลำดับ:

• 30 กันยายน 2026, 21:15:35 UTC — Cloudflare/clef โมเดลขนาด 27B ถูกสร้างขึ้นบน Hugging Face

• 30 กันยายน 2026, 21:15:36 UTC — Cloudflare/clef-flash ถูกสร้างขึ้นในอีกหนึ่งวินาทีต่อมา ทั้งคู่เป็นโมเดล fine-tune ของฐาน Qwen โดย Clef มาจาก Qwen3.8-27B และ Clef-Flash มาจาก Qwen3.5-9B

• 1 ตุลาคม 2026, 15:23 UTC — รีโพซิทอรีของ clef-flash ถูกแก้ไขล่าสุด ซึ่งเป็นช่วงเวลาใกล้เคียงกับตอนที่ข้อความ model card ที่เรากำลังอ้างอิงอยู่นั้นถูกเขียนขึ้น

• 1 ตุลาคม 2026, 15:34 UTC — "แนะนำ Clef: โมเดลการตัดสินใจโอเพนซอร์สของเรา และแพลตฟอร์มไฟน์ทูน RL ใหม่" ขึ้นบนบล็อก Cloudflare โดยโฮสต์ทั้งสองโมเดลบน Workers AI และเปิดตัวบริการไฟน์ทูนโดยรอบโมเดลเหล่านั้น

• 2–3 ตุลาคม 2026 — รันไทม์ของบุคคลที่สามนำเวทไปใช้งาน; หน้าไลบรารีของรันไทม์บุคคลที่สามและบิลด์ชุมชนแบบควอนไทซ์ปรากฏขึ้น

ดังนั้นนี่ไม่ใช่การรั่วไหล ไม่ใช่การเปิดตัวแบบเงียบ ๆ และไม่ใช่เช็กพอยต์ที่ไม่ประกาศซึ่งผู้อ่านต้องถือว่าเป็นข่าวลือ มันคือการเปิดตัวแบบ GA พร้อมโพสต์บล็อก, API ที่โฮสต์บน GPU เอดจ์ของ Cloudflare เอง, สัญญาอนุญาต Apache-2.0 สำหรับเวตของโมเดล และแพลตฟอร์มปรับแต่งละเอียดเชิงพาณิชย์ที่แนบมาด้วย สิ่งเดียวที่แปลกจริง ๆ คือการที่รีโพซิทอรีนำหน้าการประกาศถึงสิบแปดชั่วโมง — นานพอที่โมเดลจะเปิดเผยต่อสาธารณะในขณะที่หน้าด้านการตลาดของผู้ขายเองยังไม่มีอยู่ และสั้นพอที่ไม่มีใครนอก Cloudflare ได้รันมันอย่างจริงจัง

โมเดลการตัดสินใจไม่ใช่โมเดลภาษาขนาดเล็ก

กรอบความคิดในโพสต์ของ Cloudflare คือโมเดลการตัดสินใจเป็นหมวดหมู่ที่แยกออกมาต่างหาก และสถาปัตยกรรมก็สนับสนุนข้ออ้างนั้นจริง แทนที่จะเป็นเพียงการประดับตกแต่งให้ดูดี Clef-Flash คงโครงหลัก Qwen3.5-9B รวมถึง vision encoder ของมันไว้ในสถานะแช่แข็ง เหนือขึ้นไปเป็น transformer head ขนาดเล็ก — น้ำหนัก 243.5 MB ในเวอร์ชันที่เผยแพร่ เทียบกับไฟล์โครงหลักแบบแบ่งชาร์ดราวสี่ไฟล์ซึ่งมีขนาดถึง 18.8 GB — ซึ่งจัดเส้นทางหลักฐานจากสถานะไปยังแต่ละคำถาม และให้คะแนนทุกตัวเลือกของทุกคำถามในรอบเดียว Cloudflare เรียกสิ่งนี้ว่า "non-autoregressive": ไม่มีการสร้างทีละโทเคน ไม่มีข้อความให้เหตุผลขั้นกลาง ไม่มีการแยกวิเคราะห์ผลลัพธ์ คุณจะได้ logit ต่อหนึ่งตัวเลือกที่อนุญาต นำไปทำ softmax ต่อคำถาม แล้วคุณก็จะได้การแจกแจง

รูปแบบของคำขอเป็นไปตามนั้น คุณส่งstate — สตริง หรือออบเจ็กต์หรืออาร์เรย์ JSON — รายการภาพหรือเฟรมวิดีโอแบบไม่บังคับ และคำถามที่มีชื่อตั้งแต่หนึ่งถึงหกสิบสี่ข้อ แต่ละคำถามประกาศ type: noul สำหรับการตัดสินจริง/เท็จที่คืนค่าความน่าจะเป็นของจริง, choice สำหรับชุดตัวเลือกที่มีชื่อซึ่งคืนค่าตัวเลือกที่เลือกพร้อมความน่าจะเป็นของแต่ละตัวเลือกและค่าความมั่นใจ หรือ score สำหรับสเกลแบบเรียงลำดับที่คืนค่าระดับถ่วงน้ำหนักด้วยความน่าจะเป็น เกณฑ์เป็นทางเลือกสำหรับ noul และค่อนข้างจำเป็นสำหรับแบบอื่น ๆ และเอกสารก็พูดตรง ๆ อย่างผิดปกติเกี่ยวกับกับดักหนึ่งอย่าง: ความมั่นใจ "แสดงว่าความน่าจะเป็นกระจุกตัวมากเพียงใด ไม่ใช่โอกาสที่คำตอบจะถูกต้อง" โมเดลที่ตอบอย่างมั่นใจไม่จำเป็นต้องตอบอย่างถูกต้อง และการวัดการปรับเทียบเป็นสิ่งเดียวที่แยกความแตกต่างระหว่างสองสิ่งนั้น

ความแตกต่างนั้นคือเหตุผลทั้งหมดที่ควรจะสนใจ ถ้าคุณเคยขอให้โมเดลอเนกประสงค์จำแนกตั๋วสนับสนุน แล้วลองแยกวิเคราะห์คำตอบ คุณก็ได้จ่ายภาษีที่การออกแบบนี้ขจัดออกไปแล้ว Clef-Flash ไม่สามารถสร้างประโยค "This looks like a billing issue, probably?" ได้ เพราะมันไม่สามารถสร้างประโยคได้เลย มันคืนค่า {"choice": "billing", "probabilities": {"billing": 0.981, ...}, "confidence": 0.924} — ตัวอย่างนี้มาจากเอกสารของ Cloudflare เองโดยตรง — และโค้ดของคุณก็ตั้งเกณฑ์ตัดสินมัน

ตัวเลข และใครเป็นคนดำเนินการกับมัน

ตัวเลขทุกตัวด้านล่างนี้มาจากการ์ดโมเดลของ Cloudflare หรือไม่ก็โพสต์บล็อก และ Cloudflare เป็นผู้รันทั้งหมด ชุดการทดสอบนี้คือ Jev Decision Index ซึ่งเป็นตารางอันดับที่เผยแพร่โดย TypeSafe ผู้จำหน่าย Jev โมเดลที่ Clef-Flash ถูกนำมาเปรียบเทียบด้วย ดังนั้นการเปรียบเทียบนี้จึงเป็นการวัดผลิตภัณฑ์ของผู้จำหน่ายเองบนดัชนีของคู่แข่ง โดยมีผู้จำหน่ายเป็นผู้รัน ยังไม่มีการประเมิน Clef-Flash ที่เป็นอิสระ และบทความนี้ไม่ได้แสร้งว่าเป็นอย่างอื่น

ในเบนช์มาร์กเฉพาะการตัดสินใจ Clef-Flash แข็งแกร่งอย่างแท้จริงในแบบที่ควรค่าแก่การแยกออกจากการตลาด: BFCL case-exact 98.8, API-Bank 93.1, การจำลองเครื่องใช้ในบ้าน 97.7, ContractNLI macro-F1 84.3, RouterBench 79.9 โดยมันเอาชนะ Clef ขนาด 27B ที่ใหญ่กว่าได้ใน BFCL (98.8 เทียบกับ 98.5), API-Bank (93.1 เทียบกับ 91.9) และชุดทดสอบเครื่องใช้ในบ้าน (97.7 เทียบกับ 83.0) — อย่างหลังห่างกันสิบสี่จุด ซึ่งเป็นช่องที่น่าประหลาดใจที่สุดในตาราง และเป็นช่องที่ไม่มีใครนอก Cloudflare ตรวจสอบ

ความสูญเสียเหล่านี้เป็นของจริงไม่ต่างกัน และควรอยู่ในย่อหน้าเดียวกัน บน CLINC150 ซึ่งมีการจัดการกับกรณีที่อยู่นอกขอบเขต clef-flash ได้คะแนน 66.8 macro-F1 เทียบกับ 97.4 ของโมเดล 27B และ 89.3 ของ Jev — เป็นหน้าผาสามสิบจุดในการตรวจจับเจตนาเมื่อมีถังขยะ "อื่น ๆ" ซึ่งเป็นรูปแบบของคำขอที่ชั้นการจัดเส้นทางพบเห็นบ่อยที่สุดพอดี บน ANLI ได้ 59.1 เทียบกับ 74.8 ของ Jev; บน When2Call ได้ 65.6 เทียบกับ 81.0 ของ Jev; บน GPQA Diamond ได้ 51.0 เทียบกับ 78.3 ของ Jev และบน POP909-CL ซึ่งเป็นเกณฑ์มาตรฐานการติดป้ายคอร์ดดนตรี ได้ 1.6 — ตัวเลขที่เป็นได้ทั้งความไม่ตรงกันของรูปแบบข้อมูลหรือความล้มเหลวจริง และการ์ดไม่ได้ระบุว่าเป็นอย่างไหน

ตารางเวลาแฝงคือจุดที่โมเดลนี้สมชื่อ เวลาแฝงคำขอค่ามัธยฐาน 38.8 มิลลิวินาที, p95 122.4 มิลลิวินาที เทียบกับ 27B Clef ที่ 209.3 / 238.6 และ Jev ที่ 524.1 / 536.0 Cloudflare วัดบนโครงสร้างพื้นฐานของตนเอง ดังนั้นให้ถือค่ามิลลิวินาทีสัมบูรณ์เป็นขอบเขตบนของสิ่งที่คุณจะเห็นที่อื่น แต่ลำดับ — รุ่น flash นั้นเร็วกว่ารุ่นพี่ที่ใหญ่กว่าของมันเองประมาณห้าเท่าครึ่ง และเร็วกว่า Jev ถึงสิบสามเท่าเมื่อวัดจากค่ามัธยฐาน — คือการออกแบบที่ทำงานได้ตามที่โฆษณาไว้

ตัวเลขเพียงหนึ่งเดียวที่บรรดารายการขัดแย้งกัน

หน้าต่างบริบทคือตัวเลขที่จะเล่นงานคน เพราะมันเป็นตัวเลขที่ถูกคัดลอกผิด เอกสาร Workers AI ของ Cloudflare สำหรับ @cf/cloudflare/clef-flash ระบุว่ามีหน้าต่างบริบท 65,536 โทเคน. โพสต์บนบล็อกกล่าวว่า "โมเดลของเรามีหน้าต่างบริบท 64k (เทียบกับ 32k ของ Jev)". ตัวช่วย encoding ของ model card เองมีค่าเริ่มต้นเป็น max_length=16,384 โทเคน. ในขณะเดียวกัน รายการไลบรารีของรันไทม์จากบุคคลที่สามรายหนึ่งก็โฆษณา 256K ไว้ในตารางของตน.

แหล่งข้อมูลจากผู้ขายสามแห่งเห็นตรงกันที่ประมาณ 64K และข้อมูลจากบุคคลที่สามอีกรายหนึ่งระบุว่าเป็นสี่เท่าของจำนวนนั้น หากคุณกำลังกำหนดขนาดพรอมป์ต์เทียบกับงบ 256K โดยอาศัยหน้าไลบรารี คุณจะรู้ก็ตอนส่งคำขอ การตีความที่ตรงไปตรงมาคือ 65,536 โทเค็นเป็นเพดานที่ระบุไว้ในเอกสาร โดยมีข้อแม้ว่าบันทึกการเผยแพร่ของ Cloudflare เองไม่เคยทำให้ค่าเริ่มต้น 16,384 โทเค็นของการ์ดสอดคล้องกับเพดานนั้น — มันเป็นค่าเริ่มต้น ไม่ใช่ขีดจำกัด แต่เป็นค่าที่จะกำหนดอย่างเงียบ ๆ ว่าคุณจะส่งสถานะไปมากเพียงใด หากคุณใช้ตัวโหลดที่มาพร้อมกันโดยไม่แก้ไข

ที่ที่คุณสามารถเรียกมันได้ และที่ที่คุณไม่สามารถ

Clef-Flash ยังไม่ใช่หนึ่งในเส้นทางบน OrcaRouter แค็ตตาล็อกของเราคืนค่า 404 สำหรับมัน และไม่มีสิ่งใดในบทความนี้ที่ควรถูกตีความว่าเป็นการยืนยันความพร้อมใช้งานจากเรา — หากคุณต้องการใช้มันวันนี้ Cloudflare ให้บริการโฮสต์บน Workers AI ในราคา $0.09 ต่อหนึ่งล้านโทเคนอินพุต และเวตภายใต้ Apache-2.0 ก็เป็นของคุณสำหรับรันในเครื่อง

สิ่งที่หมายความต่อการตัดสินใจที่บทความนี้พูดถึงจริง ๆ ก็คือ ตัวให้คะแนนที่คุณเข้าถึงได้ผ่านแพลตฟอร์มของผู้ให้บริการรายเดียวเท่านั้น เป็นตัวให้คะแนนที่คุณต้องรับช่วงความหน่วงและความพร้อมใช้งานมาพร้อมกับความแม่นยำของมัน ทางเลือกแบบโฮสต์ที่มีเส้นทางให้ใช้คือ Jev 1.13 ของ TypeSafe ซึ่งอยู่บน OrcaRouter ในราคา $0.042 ต่ออินพุตหนึ่งล้านโทเคน โดยมีบริบท 65,536 โทเคน และเป็นโมเดลที่ Cloudflare เลือกใช้เป็นคู่เทียบเบนช์มาร์ก — อย่างจงใจ เพราะทั้งสองเข้ากันได้กับ API Clef-Flash พูดแบบเดียวกัน/v1/systemone รูปแบบคำขอ ดังนั้นทั้งสองจึงสลับกันได้หลังอะแดปเตอร์บาง ๆ การที่เข้าถึงทั้งคู่ได้ผ่านคีย์เดียว โดยมี ราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยไม่บวกเพิ่ม จึงเป็นเหตุผลที่ควรทำให้การเปรียบเทียบนั้นยังคงดำเนินอยู่ แทนที่จะผูกสถาปัตยกรรมไปที่โมเดลใดก็ตามที่บังเอิญวางจำหน่ายก่อน

อะไรจะทำให้การอ่านนี้เปลี่ยนไป

สามสิ่ง เรียงตามว่ามันจะเปลี่ยนภาพได้มากแค่ไหน

ใครบางคนภายนอก Cloudflare จำเป็นต้องทำซ้ำเซลล์ CLINC150+OOS และเซลล์เครื่องใช้ในบ้าน เพราะมันชี้ไปในทิศทางตรงกันข้าม และการ์ดไม่ได้ให้กลไกสำหรับทั้งสองอย่าง คะแนน 66.8 ในการตรวจจับเจตนานอกขอบเขต เทียบกับ 97.7 ในการควบคุมเครื่องใช้ไฟฟ้า ไม่ใช่เส้นโค้งความสามารถที่ราบรื่น; มันบ่งชี้ว่าโมเดลเก่งมากในรูปแบบการจำแนกประเภทในการกระจายการฝึก และอ่อนแอกว่ามากในการปฏิเสธที่จะจำแนกเมื่อคำตอบที่ถูกต้องคือ "ไม่มีตัวเลือกใดในนี้" หากสิ่งนี้ยังคงเป็นจริงภายใต้การทดสอบอิสระ มันเป็นข้อเท็จจริงด้านปฏิบัติการที่สำคัญที่สุดเกี่ยวกับ clef-flash และมันไม่ได้อยู่ในส่วนไฮไลต์

ความคลาดเคลื่อนของรายการ 64K กับ 256K จำเป็นต้องมีแหล่งอ้างอิงเพื่อแก้ให้ถูกต้อง เพราะตอนนี้มันกำลังแพร่กระจายออกจากมิเรอร์ไปยังที่ที่ผู้คนอ่านกันจริง ๆ เอกสารของผู้จำหน่ายมักไม่ใช่สิ่งที่คุณต้องอ้างเพื่อชนะการโต้แย้งกับการ์ดของรันไทม์ และนี่เป็นกรณีเล็ก ๆ ที่ต้องอ้างเอกสารลักษณะนี้

และหมวดหมู่นี้จำเป็นต้องอยู่รอดเมื่อต้องสัมผัสกับภาระงานจริง กรอบแนวคิดของ Cloudflare เองก็คือโมเดลการตัดสินใจนั้นอยู่ในเส้นทางวิกฤตสำหรับเอเจนต์ — สองวินาทีในการดึงข้อมูล เรนเดอร์ และจำแนกเว็บไซต์ เทียบกับ 4.7 วินาทีสำหรับ LLM ทั่วไปที่เร็วที่สุดของพวกเขาในงานเดียวกัน ในตัวอย่าง Threat Intelligence ของพวกเขา นั่นคือข้อกล่าวอ้างที่จริงและเฉพาะเจาะจงเกี่ยวกับเวิร์กโฟลว์จริงและเฉพาะเจาะจง และเป็นข้อกล่าวอ้างประเภทที่ผู้ใช้งานจริงเป็นผู้ตัดสิน ไม่ใช่ตาราง