Clef-Flash：Cloudflare 的 90 亿参数决策模型，以及名字里的 Cloudflare 究竟意味着什么

Cloudflare/clef-flash是一个 90 亿参数的模型，它用概率而不是句子来回答问题。你交给它一个状态——文本、JSON、一张图片、一帧视频——再加上一份最多包含 64 个命名问题的 schema，它就会在一次前向传播中为每个允许的选项返回一个分数。这里没有生成的文本需要解析，也没有推理轨迹可供阅读，因为根本不存在文本输出路径。它是一对模型里较小的那一半：Cloudflare/clef是与之同期发布的 270 亿参数兄弟模型，而该家族的第三个成员Cloudflare/clef-omni则在 300 亿参数的混合专家主干上增加了音频输入。这三者都出自 Cloudflare 自己，这是最值得准确无误地弄清楚的事实，因为通过搜索这个模型名称而来的读者，往往带着两种假设之一——要么认为Cloudflare/clef-flash是 Cloudflare 托管的别人的模型副本，要么认为 Cloudflare 仅仅是托管方——而这两种假设错在同一个方向上。

Clef-Flash 是什么，以及它不是什么

供应商自己的一句话描述，在 Hugging Face 模型卡和 Workers AI 模型页面上都被重复引用，即它“把一种状态和一份由带类型问题构成的 schema 转化为决策”。这比它听起来要更狭窄，而且在做任何基准测试之前都值得仔细拆解。

你的 schema 中的每个问题都声明了三种类型之一：

• noul — 一种是/否判断，返回答案为真的概率，并可选择性描述在此问题语境下“是”和“否”分别代表什么。

• choice — 一种具名选项集，包含 2 至 255 个条目，返回获胜选项、每个选项的概率以及一项置信度。

• 评分——一个包含 2 到 10 个等级的有序评分标准，返回一个可落在等级之间的概率加权等级、一个将索引映射到描述的图例、各等级的概率以及一个置信度。

一次请求可携带 1 到 64 个问题，答案以一个以你的问题 id 为键的 answers 对象返回。每个问题中的每个选项都在同一次调用中完成打分，因此一个包含十二个问题的 schema，其成本不是十二次调用，而是一次。你拿到的不是一句话，而是一个分布，由你的代码来对它做阈值判断。

将本文与聊天模型作比较的读者，应当内化随之而来的两点。第一，不存在模型写出解释、然后你还得解析它的失败模式，因为散文式文本是不可达的。第二，也是更不让人舒服的一点：如果正确答案不在你的选项集里，Clef-Flash 没有任何机制能告诉你。它只会给你写出的选项打分。已发布的请求 schema 中没有任何内容会添加一个“以上都不是”选项，除非你自己把它放进去。

名字里的 Cloudflare：三种角色，一家公司

人们会把这个模型和 Cloudflare 连在一起搜索——cloudflare/clef-flash，以及cloudflare clef flash这样的直白说法。这个前缀值得展开讲清楚，因为它指向三个各自独立的层，而其中只有一层负责托管。

• 训练它的组织。Clef-Flash 是 Cloudflare 的模型。Cloudflare 于 2026 年 10 月 1 日发布的公告文章《Introducing Clef: our open-source decision models, and new RL fine-tuning platform》（署名 Michelle Chen、Alex Reneau 和 Kevin Flansburg）将其描述为 Cloudflare 训练并发布的成果，并称这些模型是在内部基于上游开放权重基础模型“后训练”而成的。它并非 Cloudflare 从第三方拿来的一款检查点。

• Hugging Face 命名空间。权重位于 huggingface.co/Cloudflare/clef-flash。这就是字符串 cloudflare/clef-flash 流传的原因：它是一个仓库路径，形式与任何其他组织拥有的仓库相同。这是这两个词一起出现的最常见原因，而且它并不是一种托管声明。

• 推理主机，同时也是 Cloudflare。所服务的模型 ID 为 @cf/cloudflare/clef-flash，通过 Workers AI 运行于 api.cloudflare.com/client/v4/accounts/<account_id>/ai/run/@cf/cloudflare/clef-flash。因此，要描述的托管安排并不是市场列表那种中立意义上的“一个由 Cloudflare 托管的模型”。而是该厂商在自己的平台上运行自己的权重。

实际后果是这样的：模型、许可授权、API 端点和账单全都归于同一家公司；而如果读者曾以为它们之间存在一个独立的托管层，那么对于这个检查点来说，就没有第二家供应商可以退而依赖。Apache-2.0 权重是摆脱这一局面的唯一出路，而且它们确实存在——下文还会进一步说明。不属实的是，就我们能找到的任何供应商页面所述，Clef-Flash 是通过任何其他推理提供商提供的。Cloudflare 自己的材料没有点名任何第三方平台，我们也没有找到任何提供它的平台。

大小、架构和许可证

这些数字，无论来自模型仓库本身，还是来自 Cloudflare 的文档，今天读到的结果都是：

• 参数量 — BF16 下为 9,409,813,744，因此“9B”是向下取整，并非夸大。视觉塔也计入这一总量。

• 骨干网络 — Qwen3.5-9B，在后训练期间保持冻结，包括其视觉编码器，以标准分片 safetensors 格式存储。共四个分片，权重总量约 18.8 GB。

• 训练部分 —— 一个“联合模式头”，一个大小为 243.5 MB 的小型 transformer 头，它读取主干网络的最终隐藏状态，将证据从该状态路由到每个问题，并对每个问题的所有选项进行联合评分。每个允许选项对应一个 logit；对每个问题做 softmax 即可得到分布。

• Cloudflare 所描述的训练方法——路由头与秩为 256 的低秩适配器一起在冻结的主干网络上进行优化，采用标签平滑交叉熵来保证 schema 有效性，并搭配以概率校准为目标的 Brier 损失，外加一个 Cloudflare 称之为“校准决策强化学习”（Reinforcement Learning for Calibrated Decisions）的次要目标。

• 许可证 — Apache-2.0，用该模型卡自己的话说，即"沿用基础模型"。许可证不限制商业使用，权重也未设访问门控：该仓库无需申请访问权限即可下载。

这一形态本身——所有训练成果都坐落在固定于一个冻结的 18.8 GB 主干之上的 243 MB 头部——正是应当严肃看待这一架构描述、而非将其视为营销说辞的原因。该模型不可能学到新的世界知识，因为承载知识的权重从未发生变动。它学到的是如何把证据引导至一个决策。这是一种真实的能力，也是一种有边界的能力；比起任何准确率声明，它能更好地解释本页后文出现的基准测试模式。

上下文窗口和输出上限

这是已经变动的数字，如果你今天要估算提示词的规模，应该读取当前的数字，而不是发布时流传的任何数字。

Cloudflare 的 Workers AI 模型页面（针对 @cf/cloudflare/clef-flash）于 2026 年 10 月 12 日读取，显示上下文窗口为 24,576 个 token。10 月 1 日的公告帖却给出了不同的说法——“我们的模型拥有 64k 上下文窗口（相比之下 Jev 的是 32k）”——而 Hugging Face 模型卡自带的 encode_record 辅助函数默认使用 max_length=16,384。为便于比较，27B 的 Workers AI 页面（针对 clef）给出 65,536 个 token，而 clef-omni 的页面则给出 64,000。

老实说，这个特定模型当前的厂商文档写的是 24,576，而发布帖说的是 64k。这是厂商自己的两个来源自相矛盾，而其中只有一个才是开发者实际对接的页面。如果你是依据那则公告按 64K 的预算来构建提示词，那么文档中记录的上限现在大约只有它的三分之一。发送前先核实。

媒体输入的计费与计数同样计入这份预算，而这才是最要命的细节。图像按 32×32 像素的图块进行分词，另带三个标记 token，每张图像上限为 1,024 个 token；超过约 100 万像素的图像会被缩小，低于约 65,000 像素的则会被放大。若媒体 token 加上你的提问 token 超出窗口，请求会直接失败。若不超出，文本 state会被截断以适配剩余空间——静默地、从末尾截起，且不抛出任何错误。某天还装得下的 schema，在文档繁多的一天就会悄悄丢掉一部分状态。

最大输出长度未公布。Cloudflare 的模型页面只说明“Clef 模型不对输出 token 收费”，而响应 schema 中带有一个 usage.output_tokens 字段，却未记录任何上限。这不是可以用猜测来粉饰的疏漏：非自回归评分器并不像自回归模型那样有解码预算，厂商也没有记录任何限制，因此也就没有限制可引用。如果你需要一个数字，该考虑的是你的选项数量和问题数量，而不是输出的 token 数。

模态输入，以及确切返回的内容

供应商的描述与请求架构在输入侧是一致的，仅在某一点上略有分歧，因此这里说明分歧所在。

• 输入(依据模型卡) ——文本、任意形状的 JSON 或结构化数据、图像以及视频帧数组。纯文本记录与多模态记录可在同一批次中混合,媒体参数则通过可选的 media_kwargs 字段传递给处理器。

• 输入项，依据 Workers AI 请求架构——文档中记录的参数列表包含一个 images 数组，且没有视频参数，最多 4 张图像，每张图像 4 MiB 和 1600 万像素，解码后总计 8 MiB，整个请求体上限为 13 MiB。仅限内嵌字节：不接受远程 URL。

• 输出——针对你所定义选项的概率，位于 answers 对象中，视类型不同呈现三种形式之一。不要自由格式文本，不要工具调用。

把这处差异理解为承载层面的区别，而不是矛盾。checkpoint 记录的是视频帧；你通过 HTTP 调用的 Workers AI 端点记录的是图像。如果视频是你方案的一部分，那么要核查的路径是自托管那条。

Cloudflare 声称的，与实际测量到的

本节中的每个数字都来自 Cloudflare，而且全部都是 Cloudflare 运行的。这是本页最重要的一句话，因此值得具体说明其背后的机制。

该基准套件是 Decision Index 0.2.1。模型卡将这些结果描述为“我们的内部运行”，其链接的公开排行榜托管在一个由 Cloudflare 运营的地址上。贯穿始终的对标模型是 TypeSafe 的 Jev，而端到端业务流程的数字来自 Typesafe Evals。因此，这一比较就是：一家供应商在以其对标竞争对手命名的指数上，衡量自己的模型，并自行发布结果。目前没有对 Clef-Flash 的独立评估。今天核查：Artificial Analysis 没有它的模型页面，而 LMArena 文本排行榜上完全没有列出任何带有 Cloudflare 标签的模型。当供应商未发布任何第三方评分时，指出这一点本身就是发现。

打上那个标签后，决策型结果确实很强：BFCL 用例精确匹配 98.8，API-Bank 准确率 93.1，ContractNLI 宏 F1 84.3，RouterBench 79.9，FinEntity 97.1，家电模拟器用例精确匹配 97.7——其中最后一项比同一行中更大的 27B Clef 高出十四分。通用知识各项也毫不逊色：MMLU 91.8，ARC-Easy 99.5，ARC-Challenge 98.3，WinoGrande 97.5，HellaSwag 98.6，CLadder 97.7，以及 ForecastBench Brier 10.6，这在其所在列中是最好的，也正是评判一个输出概率的模型时该看的那种校准数值。

这些失利属于同一段，而且呈现出一种形态。在带有范围外处理的 CLINC150 上，Clef-Flash 得分为 66.8 macro-F1，相比之下 27B Clef 为 97.4，Jev 为 89.3。在 ANLI 上，它得到 59.1，相比之下 Jev 为 74.8。When2Call 为 65.6，相比之下为 81.0。GPQA Diamond 为 51.0，相比之下为 78.3。RAGTruth 为 35.6，相比之下为 76.5。而在 POP909-CL 这一和弦标注基准上，它返回 1.6。

在超出范围的意图检测上得 66.8，紧挨着家电控制上的 97.7，这并不是一条平滑的能力曲线。它反映的是一个评分器的画像：它非常擅长其接受过后训练的那些分类形态，却明显更不擅长在正确答案是“以上都不是”时拒绝分类——而尴尬的是，这恰恰是路由层或分诊流水线最需要的那种判断。和弦标注上的 1.6 要么是格式不匹配，要么是真实失败，而卡片没有区分这一点。

来自 Typesafe Evals 的工作流结果比头条行更参差不齐：发票处理的精确操作 57.1，对比 Clef 的 64.7 和 Jev 的 61.8；客户服务的精确操作 77.0，领先两者；安全事件 61.7；智能体轨迹可观测性 69.8。27B 同系列模型在工作流表格中五行赢下三行。

延迟正是这款模型名副其实之处，而同样的告诫依然适用。中位请求延迟 38.8 毫秒、p95 为 122.4 毫秒，由 Cloudflare 在自家基础设施上测得，相比之下 27B Clef 为 209.3 / 238.6。厂商自有硬件上的绝对毫秒数，既不构成任何东西的上界，也不构成任何东西的下界；真正的论断在于排序，而这一排序——比自家更大的同门模型快约五倍——正是该架构在兑现它的承诺。

读者实际怎么称呼它

存在两条路线，它们代表着真正不同的承诺。

托管路由。 可在 Workers AI 上以 @cf/cloudflare/clef-flash 调用：在 Worker 内部通过 env.AI.run() 绑定调用，或通过 REST 在 Cloudflare API 端点使用 bearer 调用。必填字段为 model{{9}}input{{/9}}input 和 prompt。model 选择器必须匹配模式 ^\s*(clef|clef-flash)\s*$，同一端点正是以此来区分 27B 和 9B。Workers AI 模型页面和 Workers AI 定价页面上的价格为 每百万输入 token 0.038 美元，媒体按相同费率折算为输入 token，输出 token 不收费。

自托管路径。权重采用 Apache-2.0 许可，且未设门控限制，因此你可以自行运行。模型卡记录了在单张 H200 上使用 torch 2.11 和 transformers 5.10.2 的参考路径，图像和视频输入使用 pillow，并指向一份 SGLang cookbook，以获取在 H200、B200 和 B300 上的启动命令。以这种方式提供服务时，模型会在 /v1/systemone 上作出响应。

那条路径并非偶然，因为正是它使得这个模型值得被理解，而不仅仅是被使用。用卡片上的话说，Clef-Flash“完全兼容 Jev 和 SystemOne”：它接受 Jev/SystemOne 请求体，并返回相同的响应体——模型、答案（以问题 id 为键），用量。这种兼容性是刻意为之，以至于后来对仓库的一次提交明确添加了 systemone 入口点。如果你的流水线已经以这种形式向决策模型提问，那么替换成这个模型只需要改一个模型字符串和一个 URL，而不是一次迁移。这确实降低了切换成本，而且这是这里唯一一个架构上的事实，它改变了读者能 做。

一条路由说明，陈述的是事实而非推销：OrcaRouter 并不提供 Cloudflare/clef-flash。我们今天查过实时目录，其中并没有它，本页面的任何内容都不应被解读为声称它存在。我们的目录确实收录的，是 Clef-Flash 当初被设计为可直接替代的那款模型——TypeSafe 的 Jev 1.13 就在我们的目录里，其价格表上的定价为每百万输入 token 0.042 美元（页面上的快速信息徽章将该数字四舍五入为 0.04 美元），上下文长度为 65K token，端点类型为 /v1/systemone。由于两者使用同一种线路格式，在它们之间切换只是改改配置，而不是重写代码，这正是让两者都能通过同一个密钥访问、而不是把架构押在哪个模型先发布的理由。OrcaRouter 的运作方式是按供应商标价原样透传、不额外加价，因此任一供应商的价格调整当天就会在我们这边生效。

还有什么仍然开放

三件事，按它们改变局面的顺序排列。

Cloudflare 之外的某个人需要同时复现 CLINC150 的超出范围单元格与家用电器单元格，因为它们指向相反的方向，而已发布的运行没有为任一方给出机制。如果 66.8 在独立测试下依然成立，那就是关于 Clef-Flash 在运营层面最重要的事实，而它并不在公告列出的优势之中。

上下文窗口需要厂商给出一个统一口径的数字。眼下，模型自己的文档页面写的是 24,576 个 token，发布文章说的是 64k，而随附的编码辅助工具默认值是 16,384。任何要为生产环境的提示词做容量估算的人，都得在这三种厂商说法里挑一个去信。

而这个品类需要与生产规模的真实工作负载接触。Cloudflare 的说法是，决策模型位于热路径之上——他们文章中的一个域名分类示例显示，Clef 在 2.2 秒内给出判定，而通用模型在同样的任务上需要 4.7 秒。这是关于某个具体工作流的一个具体且可验证的论断，最终将由实际运行它的人来定论，而不是靠一张表格。