Cloudflare Clefとは？Jev互換の意思決定AI
Cloudflare ClefはWorkers AIのチームが、初めて自社で学習させたJev互換の意思決定モデルです。なお、リリース日は2026年10月1日でJevの登場から約2週間後でした。
意思決定モデルのClefは回答をどう出力するのか
意思決定モデルとはAIエージェントが次に何をするかを判断するための分類を担うモデルで、回答を選択肢ごとの確率で出力します。たとえば「1時間前から全顧客の決済が失敗している」という状況と「緊急か」「どのチームが対応すべきか」というプロンプトを一緒に入力すると、Clefはそれぞれの回答を確率で出力します。プログラムはその確率の高さを見て、次の3つの処理から1つを選ぶ流れです。
- 担当チームへの振り分け
- 上位の担当者への連絡
- 人への判断の引き継ぎ
普通のLLM（大規模言語モデル）は文章を1語ずつ生成して回答を出力します。Cloudflareのアナウンスによると、Clefは元になったQwenで入力を1回読み込む処理（プレフィル）だけを行い、あらかじめ定めた選択肢を並列に採点するとのこと。途中の文章を生成しないぶん応答が速くなる仕組みです。
Clefは学習の段階でBrier損失という手法も使い、出力する確率が実際の正解率に近づくよう調整しています。そのため「0.9以上なら自動で処理する」といった閾値を定めて運用しやすくなります。
Cloudflareの脅威インテリジェンスチームは、Webサイトを内容で分類する作業にClefを使い、処理時間を計測しました。Clefはページの取得から分類までを2.2秒で処理しています。Cloudflareで最速の汎用LLMであるgpt-oss-120bは同じ処理に4.7秒かかり、出力した分類も2つだけでした。
A decision model makes classifications to help agents decide how to act, based on certain probabilities. For example, you can pass in a customer support message (inputs) and ask if it is urgent and which team should handle it. A decision model will return typed answers with probabilities (outputs), which your code can use to route the ticket, trigger an escalation, or defer to a human. ／ During inference, Clef uses Qwen for a prefill-only pass, then scores the valid schema choices in parallel. The decision step is non-autoregressive, so there’s no intermediate text to generate token by token, making Clef significantly faster than autoregressive LLMs. ／ This classification took our Clef model 2.2s to fetch, render, and classify the website. In contrast, our fastest general LLM gpt-oss-120b took 4.7s in the same workflow, and only returned two classifications. — 意思決定モデルの定義、文章を生成せずに選択肢を採点する推論の仕組み、ドメイン分類での試験結果に関する記述より公式情報を見る →
Clef-flashはJevよりどれだけ速いのか
Clef-flashはClefより小さい90億パラメータの軽量版で、応答時間の中央値はJevの約1/13です。公開されたモデルはClefとClef-flashの2本です。
ClefとClef-flashの構成（Cloudflare公式情報による）
| Clef | Clef-flash | |
|---|---|---|
| パラメータ数 | 270億（27B） | 90億（9B） |
| 元になったモデル | Qwen3.8-27B | Qwen3.5-9B |
| 適した判断 | 精度を最優先する判断 | 応答速度が重要な判断 |
| Workers AIのモデルID | @cf/cloudflare/clef | @cf/cloudflare/clef-flash |
| 文脈長 | 64Kトークン | 64Kトークン |
Cloudflareの計測ではClef-flashの応答時間は中央値で38.8ミリ秒で、同じ条件のJevは524.1ミリ秒でした。どちらのモデルもWorkers AIでそのまま呼び出せて、重みはHugging Faceからダウンロードできます。
@cf/cloudflare/clef 27B Highest-precision decisions 64K tokens @cf/cloudflare/clef-flash 9B Latency-critical, hot-path decisions 64K tokens — Clef と Clef-flash のサイズ・用途・文脈長を並べた表より公式情報を見る →
ClefとJevのAIモデル比較、画像判定と料金の違い
ClefはJevと互換のAPIで呼び出せますが、入力できるデータの種類・料金・重みの公開有無が異なります。主な差を表にまとめました。
ClefとJevの比較（各社の公式情報と報道から）
| Clef | Jev | |
|---|---|---|
| 入力 | テキスト・JSON・画像・動画 | テキスト・JSON（画像は実験的機能、動画は非対応） |
| 文脈長 | 64K | 32K（ブログの比較） |
| 重み | Hugging Faceで公開（Apache 2.0） | 公開していない |
| API | Jevと互換 | — |
Clefは画像・動画を判定でき、Jevの画像入力は実験段階
Clefは画像を読む仕組み（視覚エンコーダー）を持ち、画像や動画の中身を判定できます。Cloudflareのブログ公開時点（2026年10月1日）では、Jevが対応していたのは文章の分類だけでした。
Jevの画像入力はjev-1.13.0からの実験的機能
その後TypeSafeは10月14日に、jev-1.13.0がもともと画像を読み取ることができたと発表しました。画像の入力は、リクエストごとにTypeSafe-Danger-Zone-Images: trueというヘッダーを追加したときだけ有効になる実験的機能です。
同時に公開されたjev-1.14.0では、新しいプロンプトの型「box」も使うことができます。boxは「写真の中のマグカップ」のように探したい物を指定すると、その物を囲む四角形の位置を、上下左右の座標で出力する型です。スキャンした書類で署名する場所や、玄関カメラに映った人物の位置を知りたいときに使います。
ただしTypeSafeは、画像とboxはまだ本番用途の水準に届いていないとしています。Jevに入力できる画像はPNGとJPEGの静止画だけで、動画は1コマずつ画像に書き出してから送信する必要があります。画像や動画を本番の判定に使うなら、現時点ではClefが選択肢になるでしょう。
Images and Box questions are off by default. To use them, send the TypeSafe-Danger-Zone-Images: true header with each request that contains an image or a Box question. — Jev で画像入力を有効にする方法の記述より公式情報を見る →
Workers AIのClefは画像を最大4枚まで入力可能
一方Workers AIのClefは、1回のリクエストにPNG・JPEG・WebPの画像を最大4枚まで付けられます。画像はURLで指定するのではなくデータを埋め込んで送信します。
文脈長と重みの公開有無の違い
文脈長（一度に入力できる情報量）にも差があります。ブログの比較ではClefの64Kに対してJevは32Kです。
ただしThe Registerによれば、Jevもリクエスト全体では64Kまで処理できます。Jevで32Kの制限がかかるのは入力の本体と一番長いプロンプトの合計だけなので、Clefの文脈長が単純に2倍とは言い切れません。
もう1つの差は重みの公開です。Clefの重みはApache 2.0ライセンスでHugging Faceに公開されているので、社外にデータを出せない環境でも自社のGPUで運用できます。
First, it has a vision encoder so it’s able to take in images and classify visual content. This is different from Jev, which only does text classification today. Secondly, our model has a 64k context window (compared to Jev’s 32k), which allows users to squeeze more input state for the model to classify against. — 画像の入力と文脈長について Jev と比較した記述より公式情報を見る →
Workers AIでのClefの料金はJevの約6倍
Workers AIでのClefの料金は入力100万トークンあたり0.24ドル（約38円）で、Jevの0.042ドル（約6.65円）の約6倍です。Jevの料金と「約6倍」という倍率はThe Registerの記事から取った数字です。
入力100万トークンあたりの料金
棒の高さは最大値（Clefの0.24ドル（約38円））を100とした比。出典: Workers AIのモデルページ、The Register。
トークンごとの料金を払いたくない場合は、Hugging Faceから重みをダウンロードし、自分の環境で運用する方法もあります。ただし動作させるには、Clef-flashで41GB以上、Clefで85GBのメモリを積んだGPUが必要です。
For those that would prefer not to pay the token cost (Clef costs $0.24 per million tokens - nearly six times the price of Jev at $0.042/M), Clef can also be downloaded from Hugging Face , and is open weight under the same Apache-2.0 terms as Qwen. — Clef と Jev の料金を比較した記述より公式情報を見る →
AIベンチマークでClefが7指標トップ
Cloudflareは、ClefかClef-flashが10指標のうち7つでトップとなり、応答速度でもJevより速いと発表しています。以下の数字はすべてCloudflareの発表から取りました。
Clefは10のAIベンチマークのうちいくつでトップなのか
CloudflareはJev Decision Indexから選んだ10のベンチマークのうち7つで、ClefかClef-flashがトップだったとしています。ただし、ツールを呼ぶべきかを判定するWhen2Callと検索の性能を見るBRIGHTの2つではJevのほうが高い点数でした。
主なベンチマークの点数（Cloudflare発表）
棒は0〜100の点数（高いほど良い）。出典: Cloudflare公式ブログ。いずれもCloudflareの自社計測。
残るPhishNChipsでは、別モデルのDiffusionGemma Jevが85.35でトップでした。ClefとClef-flashのどちらの点数が高いかも、指標によって入れ替わります。
家電を操作する分野ではClef-flashが97.73で、Clefの82.95を上回りました。逆にCLINC150+OOSではClefの97.43に対して、Clef-flashは66.77にとどまります。
Cloudflareによれば、TypeSafe独自の業務評価でも、Clefは4分野のうち3分野でJevより高い点数でした。Clefが上だったのは、請求書処理・顧客対応・セキュリティインシデント対応の3分野です。エージェント動作ログの分析だけは、Jevの71.6がClefの68.5を上回りました。
Across 10 decision benchmarks, a Clef model scores highest on 7, ahead of Jev and other open decision models. ／ On Typesafe's own workflow evals, Clef beats Jev in 3 of 4 areas: invoice processing, customer service, and security incidents. — 10指標中7つでトップ、業務評価4分野中3分野で Jev より高い点数だったとする記述より公式情報を見る →
応答速度はClef-flashがJevの13倍
応答時間の中央値で見るとClef-flashはJevの13倍、ClefはJevの2.5倍速いとCloudflareは発表しています。数字はベンチマークを43回実行した結果を集計したものです。
応答時間の中央値（短いほど速い）
棒の高さは最大値（Jevの524.1ミリ秒）を100とした比。出典: Cloudflare公式ブログ。
応答の95%が完了するまでの時間（p95）で見ても順番は変わりません。p95の値は次のとおりです。
- Clef: 238.6ミリ秒
- Clef-flash: 122.4ミリ秒
- Jev: 536.0ミリ秒
Clef is 2.5x faster than Jev at the median, and Clef-flash 13x faster. Latency Clef Clef-flash Jev Median 209.3 ms 38.8 ms 524.1 ms p95 238.6 ms 122.4 ms 536.0 ms — 応答時間の中央値と p95 を並べた表より公式情報を見る →
ClefのベンチマークはJev開発元も懐疑的
ここまでのベンチマーク結果はCloudflareが自社で計測した値で、公式のDecision Indexにはまだ掲載されていません。Jevの開発元も後発の意思決定モデル全般をまだ競合と見ていないと述べています。
AIベンチマークは自己申告でJevの公式指標では未検証
Clefの点数はCloudflareの自己申告で、公式のDecision Indexの順位にはまだ反映されていません。The Registerが、この点数が自己申告であることを指摘しています。比較対象となったモデルの点数もCloudflareが同じ条件で計測したもので、TypeSafe側が計測した値ではありません。
Cloudflareはリリースで「オープンソース」をうたっています。しかし、学習に使ったデータセットは公開していないと、Cloudflareの担当者はThe Registerの取材に答えました。公開されているのは重みだけで、どんなデータで学習させたかは外から確認できません。
To be fair to the competition, Cloudflare self-reported its own scores against the benchmark, and they have yet to be reproduced for ranking on the official Decision Index . ／ While described as “open source” in the announcement, Cloudflare AI Platform group product manager Michelle Chen confirmed to The Register that its training datasets aren’t public. — 点数が自己申告で第三者の検証が済んでいない点と、学習データが非公開である点に関する記述より公式情報を見る →
Jev開発元は後発の意思決定モデルをどう評価しているのか
JevをつくったTypeSafeのCEOは、後発の意思決定モデルの中に現時点では本当の競合は出ていないと見ています。 CEOのディオゴ・アルメイダ氏はTechCrunchの取材に、後から参入した各社は実務で使うことができる精度まで高める難しさを甘く見ているのではないかと答えました。いま出ているモデルの多くは研究者が新しい仕組みを試すために作ったもので、実務での精度は二の次になっているという評価です。
CEOがこう答えたのはAmazonが類似モデルをリリースした際の取材で、Clefを名指ししてはいません。とはいえJevと同じAPIで後から登場したモデル全般に対する発言なので、Clefも対象に含まれると考えていいでしょう。
“I get that people think it’s a gold rush, but they might be underestimating the difficulty of making the models actually smart,” CEO and founder Diogo Almeida told TechCrunch, saying that for now, he didn’t see real competition for his company emerging yet. — TypeSafe の CEO が後発の意思決定モデルについて語った記述より公式情報を見る →
Workers AIとHugging FaceでClef活用
ClefはWorkers AIでAPIとして呼ぶか、Hugging Faceから重みをダウンロードして自分のGPUで動作させるかを選ぶことができます。なお、手軽なのはWorkers AIで、データを外に出せない場合は自分のGPUを使います。
意思決定モデルClefへの3種類のプロンプトとAI分類の出力
Workers AIでは判断の材料（state）とプロンプト（questions）を入力し、プロンプトは3種類の型から選びます。1回に入力できるプロンプトは64個までです。
Clefのプロンプトの型（Workers AIのドキュメントによる）
| 型 | プロンプトの内容 | 出力されるもの |
|---|---|---|
| noul | はい・いいえで答える | 「はい」である確率 |
| choice | 用意した選択肢から1つ選ぶ | 選ばれた選択肢と各選択肢の確率と確信度 |
| score | 順序のある段階で採点する | 確率で重み付けした点数と各段階の確率 |
公式ドキュメントの例を短くすると次のようになります。この例では、1回のリクエストで「緊急か」「どのチームか」「影響はどの程度か」を同時に判定します。
const response = await env.AI.run("@cf/cloudflare/clef", {
model: "clef",
state: "Checkout has been failing for every customer for the last hour.",
questions: {
urgent: { type: "noul", instructions: "Is this support request urgent?" },
team: {
type: "choice",
instructions: "Which team should handle this request?",
criteria: { billing: "Payments, invoices, and refunds", technical: "Outages, errors, and configuration", sales: "Plans and upgrades" },
},
severity: {
type: "score",
instructions: "How severe is the customer impact?",
criteria: ["No impact", "Minor", "Major", "Critical"],
},
},
});
出力されるのは自由な文章ではなくプロンプトのIDごとにまとめられた確率や点数なので、出力の整形処理は必要ありません。長すぎるstateは文脈長の上限に合わせて切り詰められるため、大事な情報は前のほうに置いておくのが安全です。
Ask up to 64 questions per request, in three types: noul : A yes/no question. Returns the probability that the answer is yes. choice : Pick one option from a set you define. Returns the chosen option, a probability per option, and a confidence value. score : Rate against an ordered rubric. Returns a probability-weighted score and a probability per level. — 1リクエストあたりの質問数と、3種類の質問の型に関する記述より公式情報を見る →
Hugging FaceでClefをローカルで動作させる条件
Hugging Faceの重みを使えば、ローカルLLMと同じように自分のGPU上で運用できます。ただしGPUのメモリ（VRAM）はClef-flashで41GB以上、Clefで85GB必要です。この数字はCloudflareの担当者がThe Registerに答えたもので、同時に1件だけ処理して文脈長を64Kにした場合の値になります。
これだけのVRAMを積んだGPUの用意は難しく、データを外に出せない事情がなければWorkers AIのほうが手軽です。 なおCloudflareは、AIエージェントにAPIキー（サービスを呼び出すユーザーを識別するための文字列）を与えずに作業させる環境も公開しています。
Chen told us that Clef-flash will run on any GPU with at least 41 GB of VRAM, while Clef requires 85 GB of VRAM on a GPU for it to function. “This is assuming single concurrency and a 64k context window,” Chen added. — ローカルで動作させるのに必要な VRAM に関する記述より公式情報を見る →
Cloudflare ClefとJevのAIモデル比較まとめ
Cloudflare Clefは、Jevと同じAPIで呼べて画像・動画も判定でき、重みも公開されている意思決定モデルです。ただしWorkers AIでのClefの料金はJevの約6倍です。 用途ごとの選び方の目安を3つにまとめました。
- 画像や動画を本番の判定に使いたい場合や、重みを自分の環境に置きたい場合はClefが適している
- 文章だけを分類する用途なら、2026年10月時点の料金でClefよりJevのほうが割安
- 精度の優位はCloudflareが自社で計測した値なので、第三者の検証を待ってから判断しても遅くない
APIが互換なので、自分のデータでClefとJevの両方を呼んで結果を比較するのが一番確実です。まずは少量のデータで精度・応答時間・料金を確認し、そのうえで乗り換えを判断するとよいでしょう。
FAQ
- Cloudflare Clefは何をするAIですか？
- 文章を生成せずに判断の結果を確率で出力する意思決定モデルです。顧客からの問い合わせの緊急度や担当チームといった判断を、プログラムでそのまま処理できる型付きの回答として出力します。
- JevからClefへ乗り換えるのは手間がかかりますか？
- 手間はほとんどかかりません。APIがJevと互換なので、既存の呼び出しはエンドポイントとモデル名の変更だけでClefに切り替えられます。画像を入力するimagesはClef独自の拡張で、実験的機能として画像を入力できるJevとは送信の形式が異なります。
- Clefはオープンソースですか？
- 重みはApache 2.0ライセンスでHugging Faceに公開されていて、自分のGPU上で動作させることができます。ただし学習に使ったデータセットは公開されていません。
- 自分のGPUでClefを動作させるには何が必要ですか？
- Clef-flashはVRAM 41GB以上、ClefはVRAM 85GBのGPUが必要です。同時に1件だけ処理して文脈長を64Kにした場合の数字です。
関連する記事
Decision-1とは？選択肢ごとの確率を出力する判断特化のAIモデルMicrosoftが10月9日に公開したDecision-1は、文章を書かずに選択肢ごとの確率を出力する判断特化のAIです。料金はJevと同じ入力100万トークン0.042ドル（約6.65円）で、出力は無料です。自社計測では精度トップ・応答85ミリ秒ですが、第三者のJevBenchでは中央値459ミリ秒・API部門6位でした。
CloudflareのGLM-5.3で155件の応答に他人のリクエスト内容が混入Cloudflare Workers AIのGLM-5.3で、8月27日〜9月9日に155件の応答へ他人のリクエスト内容が混ざりました。681,280トークンを超える長い入力への応答だけが対象です。Cloudflareは設定の不一致と推論エンジンSGLangの不具合が重なったと説明し、修正済みとのこと。
意思決定AIのTypeSafe AIが評価額75億ドルで8.7億ドル調達意思決定モデルJevを開発するTypeSafe AIが、評価額75億ドル（約1兆1,870億円）で8億7,000万ドル（約1,377億円）を調達しました。a16zが主導したシリーズAで、Jevの公開から24日後です。10月14日公開のJev 1.14では、画像入力などを本番非推奨の実験的機能として使うことができます。数値の多くは自社計測です。
Apple Intelligenceが12月に中国で提供開始、SiriなどでQwenが利用可能にAppleは2026年10月31日、Apple Intelligenceを中国で提供すると発表しました。11月4日に開発者ベータでテストを始め、12月のiOS 27.3で一般のユーザー向けに公開します。アリババのQwenはSiriと作文ツール、ビジュアルインテリジェンスという3つの機能で利用できますが、日本語に対応したSiri AIは中国版に含まれません。