Cloudflare、意思決定モデル Cloudflare/clef を公開──自由記述なしで確率を直接出力する 27B マルチモーダルモデル
テキストや画像・動画の入力を受け取り、型付きスキーマに対する判定確率を単一のフォワードパスで直接出力する 27B の意思決定モデル。
リリース: 2026-09-30 · 読了 3 分記事の要約
1. 核心（What）
- Cloudflare が公開した Cloudflare/clef は、テキスト、JSON、画像、動画の状態入力を受け取り、型付きの質問に対する選択肢ごとの確率を出力する 27B モデルである。
- ベースモデルには Qwen/Qwen3.8-27B とそのビジョンエンコーダを採用し、標準的な safetensors 形式で保存されている。
- 出力には自由なテキスト生成を行わず、ジョイントスキーマヘッドを通じて各質問の選択肢ごとに 1 つのロジットを返し、ソフトマックス関数で確率に変換する。
- Jev および SystemOne API のリクエストボディと互換性があり、Python コードからシンプルな関数呼び出しで判定結果を取得できる。
2. 影響（Why）
- JSON パース処理の完全な廃止: 自由記述のテキスト生成を排除し、ロジットから直接確率を計算する構造により、出力のフォーマット崩れやパースエラーによる例外処理の実装コストを完全にゼロにする。
- 国内エンタープライズの業務自動化: インボイスや領収書などの画像データとスキーマを同時に渡して確率的な判定を行えるため、国内の金融・監査系 SaaS において厳密な型安全性が求められるワークフローに直結する。
3. 根拠・詳細（How）
- ジョイントスキーマヘッドによる統合処理: バックエンドの最終隠れ状態から証拠情報を各質問にルーティングし、すべての質問の選択肢を単一のフォワードパスで同時にスコアリングする小型のトランスフォーマーヘッドを搭載している。
- 実行環境と依存ライブラリの仕様: 単一の H200 GPU 上で torch 2.11 および transformers 5.10.2 を用いて動作し、画像・動画入力を処理する際には追加で pillow ライブラリを必要とする。
4. 展望・課題（Next）
- 軽量・高速版 Clef-Flash の展開: ベースモデルよりさらに小型で高速なバリアントとして Clef-Flash が用意されており、レイテンシが厳しく問われるエッジ環境での検証が進められている。