Cloudflare представила свои первые собственные модели — Clef и Clef-flash. Это не текстовые генераторы, а «модели принятия решений»: они выбирают из заданных вариантов и возвращают типизированные ответы с вероятностями, что удобно для классификации, скоринга и маршрутизации задач внутри пайплайнов и агентных систем.

Модели выпущены с открытыми весами на Hugging Face под лицензией Apache 2.0 и размещены в облачной платформе Cloudflare Workers AI. Они полностью совместимы с API System One, который ранее представила компания Typesafe AI вместе со своей моделью Jev, и по ряду показателей превосходят её — это первая собственная ИИ-разработка Cloudflare, и учитывая масштаб платформы, модели могут получить широкое распространение.

• Clef построена на замороженной Qwen3.8-27B, Clef-flash — на Qwen3.5-9B; у Jev контекстное окно 32k токенов, у Clef и Clef-flash — 64k
• В отличие от текстового Jev, модели Cloudflare имеют визуальный энкодер и принимают изображения (по данным Machinelearning — также JSON и видео)
• Медианная задержка: Clef — 209,3 мс (в других сводках округлено до 209 мс), Clef-flash — 38,8 мс (39 мс), у Jev — 524,1 мс (524 мс), по замерам на 43 тестах
• На BANKING77 (классификация банковских запросов) Clef набрала 94,2 макро-F1 против 79,7 у Jev; на ToolRet (поиск инструментов) — 69,2 против 65,3 по nDCG@10i
• Модели дообучены с функцией потерь Брайера, чтобы вероятности соответствовали реальной частоте правильных ответов
• Внутри Cloudflare Clef уже используется для классификации доменов при анализе угроз, разбора тикетов поддержки и отличия полезных краулеров от вредных
• Цена в Workers AI: 24 цента за миллион входных токенов для Clef и 9 центов для Clef-flash; у Jev (Typesafe AI) тот же объём стоит 4 цента
• Запущен сервис RL-дообучения моделей под задачи клиентов: сначала силами инженеров Cloudflare (команда FDE), позже — в режиме самообслуживания