Cloudflare Clefとは — Jev互換のオープンウェイト判断モデル【料金・VRAM・使い方】

Cloudflare Clef（クレフ）は、Cloudflareが2026年10月1日に公開したオープンウェイトの「判断モデル」だ。ラインナップはClefとClef-flashの2種類で、文章を生成する代わりに、状態（テキストや画像）と型付きの質問を受け取り、yes/no・選択式・スコアの各質問に対して較正された確率を返す。TypeSafe AIのJev System Oneを明確に意識した製品で、APIはJev互換とされ、ライセンスはApache 2.0、重みはHugging Faceで公開されている。発表はHacker Newsで512ポイントを集めた。Cloudflareは同時に、判断モデルを自社データで鍛えるRLファインチューニング基盤も発表している。本記事ではClefの仕組み・料金・必要VRAM・使い方・ベンチマークを整理し、Jevとの選び方まで解説する。

同じ2026年10月1日には、AWSもオープンな判断モデル「Strands Decider 2B」を公開した。Jevの登場から数日のうちにClefとあわせて選択肢が相次いでおり、判断モデルは「賢いif文」を担う新しいカテゴリとして急速に広がっている。両者の違いは後半の比較章で整理する。

判断モデルとは、自由文を書くLLMではなく、「この問い合わせは緊急か」「どの部署が担当すべきか」「影響の深刻度は4段階のどれか」といった判断だけを高速に返すモデルのことだ。Clefはその一種で、ベースモデルを後から追加学習（ポストトレーニング）して作られている。Clefの土台はQwen3.8-27B、Clef-flashの土台はQwen3.5-9Bである。ライセンスはApache 2.0で、Hugging Faceのリポジトリ名はCloudflare/clefとCloudflare/clef-flash。ただし公開されているのは重みだけで、学習データセットは公開されていないため、厳密には「オープンソース」ではなく「オープンウェイト」と呼ぶのが正確だ。

内部の動作もLLMとは異なる。Clefは回答を1語ずつ生成せず、入力を読み込むプリフィルの1回のパスだけで、すべての選択肢を並列にスコアリングする（非自己回帰）。そのため応答が速く、出力は自由文ではなく確率になる。学習面では、2段階のアテンションルーティング、ランク256の低ランクアダプタ、ラベルスムージング付きクロスエントロピーとBrier損失（確率の較正のため）を組み合わせ、さらにRLCD（Reinforcement Learning for Calibrated Decisions）と呼ばれる強化学習手法を用いているという。Jevの発表で使われた手法名と同じ名称で、較正された判断を狙う設計思想は共通している。

コンテキスト長は64kトークンで、入力はテキストに加えて画像に対応する。ビジョンエンコーダを備えており、Cloudflareはこれを「Jevにはない点」としている。The Registerは動画も扱えると報じているが、画像以外の対応範囲は公式情報で確認したい。質問タイプは、Ollayaの記事で扱ったJevと同じ3種類の考え方だ。

noul — yes/noの質問。「真である確率」を返す（例: この問い合わせは緊急か）
- choice — 選択肢から選ぶ質問。各選択肢の確率を返す（例: どのチームが担当すべきか）
- score — 段階評価の質問。ランクやスコアの分布を返す（例: 顧客への影響はどの程度深刻か）

想定される用途は、サポートチケットのトリアージ、メールや問い合わせのルーティング、請求書処理の仕分け、セキュリティインシデントの重要度判定、エージェントの行動トレースの評価、LLM出力のガードレールなどだ。「賢いif文」としてワークフローに組み込み、確率に閾値を設けて自動処理と人間レビューを振り分ける使い方が基本になる。

Workers AIでの料金は100万トークンあたり$0.24だ。The Registerは、これがJevの$0.042/Mの約6倍にあたると指摘している。一方でレイテンシはCloudflare公表値でJevの中央値524.1ms・p95 536.0msに対し、Clefが209.3ms・238.6ms、Clef-flashが38.8ms・122.4msと大きく下回る。つまり「価格は高いが速い」というトレードオフになる。Cloudflareは、リクエストの内容を読み取らず、保存せず、学習にも使わないとしている。

自前でホストする場合、The Registerによると最小VRAMはClef-flashが41GB、Clefが85GBで、いずれも同時実行1・64kコンテキストを想定した値だ。目安としては、Clef-flashは48GBクラスのGPUや、大容量のユニファイドメモリを積んだMacに収まる範囲、Clefは96GBクラスの構成（複数GPUや128GBユニファイドメモリのMacなど）が必要になる。同時実行数を増やしたりKVキャッシュに余裕を持たせたりするなら、さらに余裕が要る点に注意したい。なお、OllayaのようなローカルランタイムでClefの重みを動かせるかは現時点では未確認で、公式対応の発表も確認できていない。

Workers AIでは、モデルIDに@cf/cloudflare/clefまたは@cf/cloudflare/clef-flashを指定して呼び出す。リクエストは「state（状態）」と「questions（質問群）」で構成され、1回の呼び出しで複数の質問をまとめて投げられる。以下は、決済障害のサポート依頼に対して、緊急度（noul）・担当チーム（choice）・影響度（score）を同時に判定する例だ。

1つの状態に対して3つの質問を同時に投げ、それぞれに型付きの確率が返る。choiceではcriteriaに選択肢とその説明を渡し、scoreではcriteriaに段階のラベルを順序付きで渡す。質問の指示文（instructions）と選択肢の説明が判断精度を左右するため、実運用では少数の実データで文言を調整するとよい。また、APIはJev互換とされているため、すでにJevを使っているコードはエンドポイントとモデル指定を差し替えるだけで試せる、というのがCloudflareの説明だ。

Cloudflareが公表した主要ベンチマークは次の通り。数値はClef / Clef-flash / Jevの順で、いずれもCloudflare自身による比較である。

10項目のうちJevが勝つのはWhen2Call（ツールを呼ぶべきか・聞き返すべきかの判断）とBRIGHT（推論を要する検索）の2つで、残りはClefまたはClef-flashが上回る。注目すべきはモデル間の差で、Clef-flashは小型ながらBFCL・API-Bank・Home appliancesでClefを上回るが、CLINC150+OOS（意図分類と範囲外の検出）では66.77とClefの97.43に大きく劣る。範囲外入力の扱いが重要な分類タスクでは、小型モデルの採用に慎重になるべきだろう。

業務フロー寄りの評価として、Jev Decision Indexの領域別スコアも公表されている。Clef / Clef-flash / Jevの順に、請求書処理が64.7 / 57.1 / 61.8、カスタマーサービスが76.3 / 77 / 76.0、セキュリティインシデントが62.9 / 61.7 / 61.7、エージェントトレースの可観測性が68.5 / 69.8 / 71.6である。Clefは4領域中3領域でJevを上回り、エージェントトレースの可観測性のみ下回る。ただしこの結果は自己申告で、公式のDecision Indexではまだ再現されていない点に注意が必要だ。

選び方の目安は次の通りだ。コストを最優先し、テキストのみで、Jevの精度で足りているなら、単価が約6分の1のJevを使い続ける合理性は高い。レイテンシが重要（リアルタイム処理）、画像を判断に使いたい、重みを自社環境に置きたい（データを外に出せない）という場合はClefが有力な選択肢になる。さらにClef-flashなら中央値38.8msという速度が得られる。Jevの背景や基本的な使い方はJevの実践ガイドにまとめている。実際の判断は、自社データで精度・遅延・コストを3点で測るのが確実だ。

Strands Decider 2Bは、AWSがエージェント向けSDK「Strands Agents」の関連プロジェクトとして公開したオープンな判断モデルだ。公式READMEによると、ベースはQwen3.5-2B-Base（約19億パラメータ）で、ランク16のLoRAで微調整し、言語モデリングヘッドを約100万パラメータの「ポインタヘッド」に置き換えている。文章を生成せず、1回の順伝播で選択肢をスコアリングする点はClefやJevと同じ発想で、yes/no（noul）・選択（choice）・段階評価（score）の3種類の質問に、較正された確率を返す。

最大の違いは規模と実行環境だ。Strands Decider 2Bは2B級と小さく、READMEではCPU・Apple silicon・NVIDIA GPUで動くとされ、RTX 3090で中央値115ms、M3 Pro Macで中央値153ms（300トークン未満の入力）と記載されている。一方、Clef-flashの最小VRAMは41GB、Clefは85GBなので、手元のノートPCで動かしたい用途ではStrands Decider 2Bが現実的になる。また、重みに加えて学習データの出典と学習スクリプトも公開されている点は、学習データが非公開のClefとの違いだ。ライセンスはどちらもApache 2.0。

精度面では、Strands Decider 2B（v19）のJevBench正答率は0.723（231問中167問）、較正誤差（ECE）は0.052とREADMEに記載されている。ただしClefの公表ベンチマークとは評価セットが異なるため、数値を直接比べることはできない。判断の品質は自社データで測るのが前提だ。なお、Strands Decider 2Bの出力形式やスコアは、現時点ではREADMEとHugging Faceの記載を一次情報としている。

選び方の目安は次の通りだ。ローカルや社内ネットワーク内の小さな環境で、データを外に出さずに判断だけを回したいならStrands Decider 2B、リアルタイム性や大型GPUでの高精度を求めるならClef系、とにかく単価を抑えたいテキスト専用の用途ならJev、という整理になる。ただし3者とも導入直後で、第三者による検証はまだ少ない。Jevのローカル実行を扱う記事としてOllayaで判断モデルを動かす方法も参考になる。

Cloudflareは判断モデルを自社データで強化学習する基盤も同時に発表した。パイプラインは、AI Gatewayで実際のリクエストからデータセットを収集し、Workers AIでロールアウト（試行）を生成し、ContainersのRLサンドボックスで評価し、Trainerで重みを更新し、Workers AIのBYO Model（持ち込みモデル）として再デプロイする、という流れだ。現時点ではCloudflareのFDE（フォワードデプロイドエンジニア）チームによる個別サポートでの提供で、セルフサービス版は後日の予定とされている。料金は公表されていない。自社の判断基準に合わせてモデルを育てたい企業向けの構想だが、現段階では誰でもすぐ使えるものではない。

ベンチマークはCloudflare自身の公表値で、第三者による再現は確認できていない。特にDecision Index領域別の結果は自己申告である
- オープンウェイトであり、学習データは非公開。Apache 2.0で商用利用は可能だが、データ由来のリスクは自分で評価する必要がある
- Workers AIの単価はJevの約6倍。大量処理ではコスト差が効くので試算してから導入する
- 自前運用の最小VRAM（41GB / 85GB）は同時実行1・64kコンテキスト前提。同時実行を増やすなら追加の余裕が必要
- Ollayaなどのローカルランタイムでの動作は未確認。自前運用は重みを直接ロードする構成から検討する
- 動画対応はThe Registerの報道で、公式の仕様は別途確認したい
- RLファインチューニング基盤は個別サポート制で、料金は未公表