Cloudflare、エッジ速度でAIエージェントの行動を自動化する意思決定モデル「Clef」を発表

Cloudflareは、AIエージェントによるデータ評価とワークフロー実行を効率化するために設計された2つの特化型意思決定モデル「Clef」および「Clef-flash」を発表した。自由形式のテキストを生成するのではなく、事前に定義された多肢選択肢に確率を割り当てるよう設計されたこれらのモデルは、後続システムが自動的にアクションをトリガーできるようにすることで、エージェントパイプラインから人的ボトルネックを排除することを目指している。

今回の投入により、Cloudflareは9月中旬にこの概念を先駆けて導入したTypeSafe AIの「Jev」モデルや、GPT-6 LunaをベースとするOpenAIの「Decisions API」と直接競合することになる。導入を容易にするため、CloudflareはClefのAPIをJevと完全互換にしている。

分類器とLLMのギャップを埋める

意思決定モデルは、エージェント型アーキテクチャにおける特定の構造的課題を対象としている。従来の大規模言語モデル（LLM）は推論やツール実行に優れているものの、その応答にはばらつきやハルシネーションが生じやすく、レイテンシも高い。一方で、従来の機械学習分類器は高速に動作するものの、新しいカテゴリが導入されるたびに専用の再トレーニングが必要となる。

Clefは、1回の呼び出しで事前定義された複数の質問にわたって入力を評価し、候補となる各選択肢の確信度確率を返すことで、この溝を埋める。たとえばカスタマーサービスのシナリオでは、Clefは届いた問い合わせを評価し、その緊急度を測り、適切なチームを判断して、明確な確率を出力できる。後続のコードは、チケットを自動ルーティングしたり、アラートをトリガーしたり、確信度が指定のしきい値を下回った場合に人間の担当者へエスカレーションしたりすることが可能だ。

Cloudflareによれば、この水準の信頼性により「エージェントの意思決定において、人間が必ずしも介入（human-in-the-loop）する必要はもはやなくなった」という。

アーキテクチャ、ベンチマーク、エッジでの速度

同ファミリーの2モデルはいずれもオープンウェイトのQwenをベースに構築されている。主力モデルのClefはQwen3.8-27Bを使用し、Clef-flashはQwen3.5-9Bを採用している。Cloudflareはトレーニング中にコアとなるベースウェイトには手を加えず、独自の合成データを使用して、モデルの内部アクティベーションからキャリブレーションされた確率を直接抽出する特化型の補助コンポーネントを学習させている。

トレーニングには、TypeSafe AIが独自に使用していた手法である「Reinforcement Learning for Calibrated Decisions（RLCD）」のCloudflare独自バリアントが取り入れられている。またClefはマルチモーダル対応も導入しており、テキストと画像の両方を受け付け、Jevの2倍となる6万4,000トークンのコンテキストウィンドウを備えている。

Cloudflareの分散エッジインフラストラクチャにおける速度が、最大の差別化要因となっている。

• Clef-flashは、中央値で約39ミリ秒の応答レイテンシを記録している。

• Clefは、中央値で約209ミリ秒の応答レイテンシを達成している。

• 比較として、TypeSafe AIのJevは約524ミリ秒強を記録している。

43のベンチマークにわたるCloudflareの内部評価において、Clef-flashは応答時間を大幅に短縮しながらJevと同等の精度を達成し、Clefは総合的な意思決定の質をリードした。API Bankベンチマークでは、Jevの88.19に対し、Clef-flashが93.11、Clefが91.93を記録した。PhishNChipsでは、Clefが79.60、Clef-flashが75.05を記録し、Jevの62.55を上回った。When2Callベンチマークでは、Clefの72.37およびClef-flashの65.58に対し、Jevが80.97で優位を維持した。

Cloudflareの脅威インテリジェンスチームによる内部テストでは、ClefはWebサイトの取得、レンダリング、分類（フィッシング確率などのリスク要因の評価）を2.2秒で完了した。同社の最速の汎用LLMは同じタスクに4.7秒を要し、かつ返したカテゴリ数も少なかった。

エンタープライズ向けファインチューニングとオープンリリース

ClefおよびClef-flashはともに、Apache-2.0オープンソースライセンスの下でHugging Face上に公開されており、Cloudflareのサーバーレスプラットフォーム「Workers AI」からも利用可能だ。

モデルの提供と並行して、Cloudflareは企業がClefをカスタムタスク向けに調整できる強化学習サービスを展開している。当初はフォワードデプロイメントエンジニアを通じて提供されるが、このワークフローはいずれセルフサービスのパイプラインへと拡張される予定だ。

1. 本番トラフィックのリクエストがCloudflareのAI Gateway経由で記録される。

1. ログに記録されたインタラクションが、コンテナ化されたサンドボックス内で評価される。

1. Cloudflareが2025年後半に買収したReplicateのインフラストラクチャを活用し、カスタムトレーニングされた重みが学習され、Workers AI上に直接再デプロイされる。

Cloudflareは社内において、カスタマーサポートメッセージのトリアージ、不正利用の自動レポート評価、無害なWebクローラーと悪意ある自動ボットの判別にClefモデルを活用する計画だ。