判定モデルが開いた。
文章を書かず、98.8%で選ぶ98.8%は Clef-flash の BFCL case exact accuracy 98.76%を丸めた値。Cloudflareの自社評価で、総合精度ではありません。

10/1、CloudflareはClefとClef-flashを発表。Workers AIでホストし、Hugging FaceにApache 2.0で重みを公開しました。

見出しの98.8%は、Clef-flashのBFCL case exact accuracy 98.76%を丸めた値です。Cloudflareの自社評価で、すべての判定に共通する精度ではありません。

入力は状況を表すstateと、型を持つ質問のquestions。モデルは各質問の許可された選択肢をまとめて評価します。

返すのは選択肢ごとの確率。文章を1tokenずつ生成する手順を省き、コードで分岐や担当振り分けに使える出力を作ります。

• 問い合わせをどの担当へ送るか。
• 緊急度を何段階に分けるか。
• 確信が低い判定を、人の確認へ回すか。

ClefはQwen3.8-27B、Clef-flashはQwen3.5-9Bを基に追加学習しています。公式仕様はテキスト・JSONに加え、画像と動画も入力対象としています。

公式記事の代表値を、同じ列順で比較します。BFCLと家電シミュレーターではflash、BANKING77ではClefが高い値を示しました。

Cloudflareは評価群でのrequest latencyを掲載。flashは中央値38.8 ms、p95は122.4 msでした。p95は遅い側も含めて読むための値です。

When2CallとBRIGHTはJevが上回ります。公式HFのGPQA Diamondでも差があり、選択式の課題すべてでClefが優位とは言えません。

APIはJev / SystemOne互換。noulはtrueの確率、choiceは選択と選択肢ごとの確率、scoreは順序のある候補に基づく期待スコアを返します。

下は依頼を振り分けるための説明用入力例です。実測結果や確率の架空値は載せていません。

{
  "model": "clef-flash",
  "state": "決済時にエラーが出て、注文を完了できない。",
  "questions": {
    "urgent": {"type": "noul", "instructions": "緊急の対応が必要か"},
    "team": {"type": "choice", "criteria": {
      "billing": "請求・返金", "technical": "障害・設定"
    }},
    "severity": {"type": "score", "criteria": ["軽微", "重大", "致命的"]}
  }
}

公式HFはApache 2.0で配布。Workers AIのホスト版に加え、Ollama公式ライブラリにもClefの掲載があります。

• Hugging Face：公式の重みと独自の判定head、利用コードを確認できます。
• Workers AI：ホスト版の仕様・入力上限・料金をDocsで確認できます。
• llama.cpp：PR #29831は確認時点でOpen。text-only対応案で、visionは未対応です。

100万入力tokensあたりの掲載単価です。JevはTypeSafe公式記事の価格を並べています。

Cloudflareは、用途に合わせてClefを調整するFDEチームの支援を開始すると説明しています。セルフサービスの学習・再デプロイ環境は、その後に提供する計画です。

• 試す業務：実際の判定を1種類選び、正解ラベルを人が確認する。
• 比較：Clef・flash・既存手段で、同じ入力と合格条件を使う。
• 運用：誤判定の損失、遅延、人への引継ぎ率、総コストを記録する。