Cloudflare Clef は 2026 年 10 月 1 日、Cloudflare が公式ブログを通じて正式に発表した、Workers AI チームが自社で訓練した初のモデルです。シリーズには Clef と、より軽量な Clef-flash があり、すでに Workers AI のホスティングサービスで提供が始まっています。重みは Hugging Face で Apache 2.0 ライセンスのもとオープンソース公開されており、開発者はホスティングされた API を直接呼ぶことも、重みをダウンロードして自前でデプロイすることもできます。
文章は書かず、確率付きの判断だけを返す
Clef は、この 2 週間で急速に注目を集めた「意思決定モデル」に属します。この概念を広めたのは TypeSafe AI の Jev で、同社が 9 月中旬に投入した System One モデルは自由な文章を生成せず、あらかじめ定義された問いに対して、はい・いいえ、複数の選択肢から一つ、あるいはスコアといった、確率付きの型付き回答を返します。背景については TypeSafe AI と Jev の意思決定モデルの概念 を参照してください。プログラムはこうした構造化された結果を受け取れば、それをもとにそのまま分類、振り分け、エスカレーション、許可を行えます。Clef は Jev と API が完全互換で、すでに Jev を使っているチームはエンドポイントとモデル名を変えるだけで切り替えられます。
仕様面では、Clef は Qwen3.8-27B をベースに事後訓練され、バックボーンを凍結したうえで rank-256 の LoRA を用い、画像入力を扱える視覚エンコーダーも備えます。コンテキスト長は 64k で、Jev の 32k を上回ります。Clef-flash は Qwen3.5-9B をベースにし、さらに低いレイテンシを狙ったモデルです。
公式ベンチマークは速いが、全項目で先行しているわけではない
Cloudflare が公表した自社テストのデータでは、意図分類タスク BANKING77 において Clef の macro-F1 は 94.20、Jev は 79.74 でした。中央値レイテンシは Clef が 209.3 ミリ秒、Clef-flash がわずか 38.8 ミリ秒、Jev が 524.1 ミリ秒です。Cloudflare によれば Clef は現在 Jev Decision Index で首位に立っていますが、その限界も明確にしておく必要があります。When2Call や BRIGHT といった個別項目では依然として Jev がリードしており、Clef がすべての項目で勝っているわけではありません。
Cloudflare 社内でもすでに使われています。脅威インテリジェンスチームは Clef でウェブサイトのドメインを分類しており、ページの取得、レンダリング、分類まで全工程で 2.2 秒かかります。同じ工程を最速の汎用大規模モデル gpt-oss-120b で行うと 4.7 秒かかり、しかも返ってくる分類は 2 つだけで、専用の意思決定モデルに比べて粒度は明らかに劣ります。
速さの仕組みと、併せて提供される微調整サービス
Clef が速いのは推論の仕方が違うからです。プリフィルを 1 回だけ行い、自己回帰的に 1 語ずつ生成するのではなく、非自己回帰で正解候補となる各選択肢を並列にスコアリングするため、1 回の順伝播で全選択肢の確率が得られます。訓練ではラベル平滑化付きの交差エントロピーと Brier 損失を用い、RLCD（Reinforcement Learning for Calibrated Decisions）で確率を較正することで、出力する信頼度を実際の正解率に近づけています。
モデルと同時に発表されたのが、強化学習による微調整サービスです。当初は Cloudflare のフォワードデプロイドエンジニアが伴走し、後日セルフサービス型のプラットフォームになる予定です。構成要素には、リクエストデータを蓄積する AI Gateway、rollouts を生成する Workers AI、RL 用サンドボックスを提供する Containers、重みを更新する Trainer、そして Replicate 買収で得た技術に由来する再デプロイ工程の BYO Model が含まれます。
わずか 2 週間で、意思決定モデルは一つの製品から一つのカテゴリになりました。競っているのは汎用大規模モデルより賢いかどうかではなく、エージェントのワークフローに頻繁に登場する低リスクな判断を、高コストな大規模モデル呼び出しから切り離して別に処理することです。限界も同様に明確で、意思決定モデルは判断だけを担い、推論や生成は担いません。実際の導入では大規模モデルと組み合わせることが前提になります。
