Cloudflare Clef: otwarty model decyzyjny. Sprawdziłem go na RTX 4090

👁 119 przeczytań

Cloudflare wypuścił 1 października 2026 dwa otwarte modele decyzyjne: Clef (27B) i Clef-flash (9B). Nie piszą tekstu - dostają sytuację i listę pytań z dozwolonymi odpowiedziami, a zwracają prawdopodobieństwo każdej opcji. Wagi są na Hugging Face na licencji Apache-2.0, a hostowana wersja kosztuje w Workers AI od 0,09 USD za milion tokenów. Clef-flash uruchomiłem na swoim RTX 4090 - na 30 polskich zgłoszeniach klientów trafił dział w 30 przypadkach, w medianie 112 ms. Całą kategorię i porównanie z innymi modelami opisałem w przewodniku Modele decyzyjne AI.

Co dokładnie wydał Cloudflare

• Clef - 27 mld parametrów, zbudowany na zamrożonym Qwen3.8-27B. Wagi ważą 55 GB w bf16.
• Clef-flash - 9 mld parametrów, na Qwen3.5-9B, 19 GB wag. Przeznaczony do decyzji, w których liczy się opóźnienie.
• Licencja Apache-2.0 dla obu, zgodnie z licencją modeli bazowych Qwen. Można używać komercyjnie.
• Hosting w Workers AI pod nazwami @cf/cloudflare/clef i @cf/cloudflare/clef-flash.
• Usługa dostrajania (RL fine-tuning) - na razie jako współpraca z zespołem inżynierów Cloudflare, później jako samoobsługowa platforma.

Autorami wpisu na blogu Cloudflare są Michelle Chen, Alex Reneau i Kevin Flansburg. Nazwa nawiązuje do klucza muzycznego (ang. clef), który ustala, jak czytać nuty na pięciolinii - a litery „CF” to skrót Cloudflare.

Jak działa „joint schema head”

Klasyczny model językowy, nawet zmuszony do odpowiedzi w JSON, generuje ją token po tokenie. Clef tego nie robi:

1. Przepuszcza wejście (tekst, JSON, obrazy lub wideo) przez model Qwen tylko raz, w trybie prefill.
2. Ukryte stany trafiają do małej sieci, którą Cloudflare nazywa joint schema head. W Clef-flash ma ona 4 warstwy i szerokość 1024.
3. Głowa dla każdej dozwolonej opcji wyciąga z wejścia pasujące fragmenty, pozwala pytaniom „zajrzeć” do siebie nawzajem i dopiero wtedy ocenia opcje.
4. Wynik to jeden logit na opcję. Softmax w obrębie pytania daje prawdopodobieństwa.

Cloudflare trenował samą głowę i adaptery LoRA rangi 256, a model Qwen pozostał zamrożony. Do funkcji straty dołożył wynik Briera, który karze za źle skalibrowaną pewność, a jako drugi etap metodę RLCD (Reinforcement Learning for Calibrated Decisions), dającą częściowe punkty za odpowiedzi „obok” na skalach. Dane treningowe to wewnętrzne, syntetyczne zbiory Cloudflare.

Format zapytań: zgodny z Jevem

Clef mówi tym samym API, co Jev od TypeSafe, który 15 września otworzył kategorię modeli decyzyjnych (pisałem o nim w tekście TypeSafe i model Jev). Żądanie ma pole state i słownik questions z trzema typami: choice (wybór z listy), noul (tak/nie) i score (skala). Cloudflare podkreśla, że kod napisany pod System One przełączy się na Clef zmianą adresu. Ten sam format przyjęli też Kev Jareda Palmera i Strands Decider od AWS, wydany tego samego dnia co Clef.

Od siebie Cloudflare dodaje dwie rzeczy: enkoder obrazu (Clef może np. ocenić, czy paragon na zdjęciu jest czytelny) i okno 64 tys. tokenów. Limity w Workers AI: od 1 do 64 pytań w jednym żądaniu, do 4 obrazów po 4 MiB, całe żądanie do 13 MiB.

Liczby, które podaje Cloudflare

Pełne tabele z 43 zestawów i porównaniem z innymi modelami decyzyjnymi Cloudflare opublikował na karcie modelu i na stronie z wynikami Decision Index. Warto zwrócić uwagę na CLINC150: mały Clef-flash wyraźnie odstaje tam od dużego, więc „flash” nie jest po prostu tańszą kopią.

Przykład z produkcji: zespół Threat Intelligence Cloudflare klasyfikuje domeny. Clef razem z pobraniem i wyrenderowaniem strony potrzebował 2,2 s, a gpt-oss-120b w tym samym procesie 4,7 s - i zwrócił tylko dwie kategorie zamiast pełnego rozkładu.

Ile to kosztuje

Płaci się tylko za wejście, bo model nie generuje wyjścia. Darmowy przydział 10 000 neuronów dziennie obowiązuje w planach Workers Free i Paid; powyżej płaci się 0,011 USD za 1000 neuronów. Do Workers AI potrzebne jest konto Cloudflare - na potrzeby testu go nie zakładałem, więc wersję hostowaną znam tylko z dokumentacji. Więcej o samej firmie i jej darmowym planie piszę w przewodniku Cloudflare.

Sprawdziłem Clef-flash na RTX 4090

• Pobranie: 19 GB z oficjalnego repozytorium Cloudflare/clef-flash. Załadowanie z mojego wolnego dysku USB trwało około 7,5 minuty.
• Pamięć: 18,3 GB VRAM w szczycie, więc mieści się na karcie 24 GB.
• Wynik: 30 polskich zgłoszeń (płatności, dostawa, zwroty, konto, awarie, sprzedaż) - dział trafiony 30 na 30, mediana 112 ms na decyzję z dwoma pytaniami.
• Dla porównania Gemma 4 12B w Ollamie z wymuszonym JSON-em też trafiła 30/30, ale w 413 ms, a Qwen3.8 27B w 762 ms.
• Uwaga: przy pytaniu „czy pilne?” Clef-flash przy progu 0,5 dawał fałszywe alarmy. Przy progu 0,95 pomylił się tylko 2 razy na 30. Próg trzeba dobrać na własnych danych.

Dużego Clef nie uruchomiłem: 55 GB w bf16 nie zmieści się na 24 GB, oficjalnej kwantyzacji nie ma, a własny kod głowy wyklucza Ollamę i pliki GGUF. Pełne wyniki z ośmioma modelami, wykresem i wnioskami są w przewodniku Modele decyzyjne AI, a o tym, jak zmusić zwykły model do odpowiedzi w schemacie, piszę w tekście Structured output.

Dlaczego to ważne

W ciągu trzech tygodni modele decyzyjne przeszły drogę od jednego zamkniętego API do kilku otwartych modeli z tym samym formatem: Kev, Clef, Strands Decider, a OpenAI pokazało na DevDay własne Decisions API (opisuję je przy Agents API). Dla kogoś, kto buduje agentów AI albo automatyzuje helpdesk, to oznacza, że małe rozstrzygnięcia - który dział, czy eskalować, które narzędzie - można zabrać dużemu modelowi i robić je taniej, szybciej i z prawdziwą miarą pewności. Cloudflare dokłada do tego hosting na brzegu sieci i dostrajanie na własnych danych, więc celuje w firmy, które chcą mieć cały proces u jednego dostawcy.

Źródła

• Cloudflare Blog: Introducing Clef (1.10.2026)
• Karta modelu Clef-flash i Clef
• Cennik Workers AI
• Własny test: 5.10.2026, RTX 4090, PyTorch 2.11, transformers 5.18.