Robocikowo>ROBOCIKOWO
Cloudflare Clef

Cloudflare Clef

27B · Rodzina: Clef
Otwartowagowy, multimodalny model decyzyjny Cloudflare (27B). Zamiast tekstu zwraca rozkład prawdopodobieństwa po dozwolonych opcjach na podstawie stanu i schematu typowanych pytań.
✓ Aktywny✓ Publiczny dostęp⚖ Open weightsModel multimodalnyWyspecjalizowane AI📁 Clef
Parametry
27B
parametrów
Dostęp:DownloadAPIWdrożenie:💻 Lokalnie☁ Cloud

Przegląd

Clef to otwartowagowy, multimodalny model decyzyjny trenowany przez Cloudflare. Model główny (Cloudflare/clef) ma 27 mld parametrów i przyjmuje tekst, dane JSON, obrazy oraz wideo (zadanie Hugging Face: image-text-to-text). Wagi udostępniono w formacie BF16 (safetensors).

Zamiast generować swobodny tekst, Clef bierze stan oraz schemat typowanych pytań i produkuje decyzje: dla każdej dozwolonej opcji zwraca logit, a następnie rozkład prawdopodobieństwa przez softmax.

Architektura opiera się na backbonie Qwen3.8-27B z enkoderem wizyjnym oraz lekkiej, wspólnej głowicy schematu (schema head), która czyta ostatnie stany ukryte i łącznie scoruje opcje. Model powstał przez post-training modelu bazowego Qwen/Qwen3.8-27B.

Clef jest publikowany na licencji Apache-2.0, a jego API jest kompatybilne z Jev i SystemOne. Model wchodzi w skład rodziny Clef, obok mniejszego i szybszego wariantu clef-flash (9B) oraz większego clef-omni (35B).

Klasyfikacja
Model multimodalnyWyspecjalizowane AI
Rodzina: Clef
Dostęp i wdrożenie
PobieranieAPI
LokalnieChmura
Wagi: Open weights
Kluczowe parametry
🧩 Parametry: 27B
✓ Narzędzia
📥 Wejście: tekst, dane strukturalne, obraz, wideo

Specyfikacja techniczna

Parametry
27B
parametrów
Licencja
Apache-2.0
Wymagania sprzętowe
Wagi w formacie BF16 (safetensors), ok. 27 mld parametrów.
Funkcje:✓ Używanie narzędzi
Modalności
⬇ Wejście (Input)
textstructured_dataimagevideo
⬆ Wyjście (Output)
structured_data

Możliwości i zastosowania

Natywne możliwości modelu
Podejmowanie decyzji
Zdolność wyboru najlepszej opcji spośród zdefiniowanego zbioru możliwości na podstawie stanu wejściowego, zwykle z oszacowaniem prawdopodobieństwa dla każdej opcji.
Kategoria: reasoning
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Rozumienie multimodalne
Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.
Kategoria: multimodal
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Rozumienie wideo
Zdolność modelu do analizy i interpretacji treści wideo — rozpoznawania akcji, ruchu, zdarzeń oraz relacji między obiektami w czasie.
Kategoria: video
Zdolności agentowe
Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.
Kategoria: planning

Wyniki benchmarków

6 benchmarków
BFCL (Berkeley Function-Calling Leaderboard)
accuracy
98.5%
📄 Decision Index 0.2.1 / Typesafe Evals
MMLU
accuracy
90.3%
📄 Decision Index 0.2.1 / Typesafe Evals
GPQA
accuracy · GPQA Diamond
48.0%
📄 Decision Index 0.2.1 / Typesafe Evals
ForecastBench
Brier score
13.9
📄 Decision Index 0.2.1 / Typesafe Evals
Niższy wynik jest lepszy.
safeagents-judge-bench
balanced acc 0.81, AUROC 0.99
📄 Decision Index 0.2.1 / Typesafe Evals
typed-decisions
accuracy
0.73
📄 Decision Index 0.2.1 / Typesafe Evals

Architektura techniczna

Rdzeń architektury (Core Architecture)
Techniki trenowania (Training Techniques)