Cloudflare Clef は、文章や画像を読んで「はい/いいえ」「どれを選ぶか」「何段階か」を確率つきで返す判定モデルです（2026-10-01 公開）。文章を生成しないので、LLM に分類させるより速く、出力のパースも要りません。Workers AI からの呼び出しコード、Clef と Clef-flash の選び方、料金、LLM との使い分けを、公式の数値だけで解説します。
SNSでシェアして、他のエンジニアにも教えてあげましょう
Cloudflare Clef は、入力（状態）と型つきの質問を渡すと、選択肢ごとの確率だけを返す「判定モデル」です。Cloudflare が 2026-10-01 に公開し、Workers AI から @cf/ と @cf/ の 2 つの名前で呼べます12。文章を 1 トークンずつ生成しないため、LLM に分類させるより速く、返ってきた文字列をパースする手間もありません。この記事では、Clef が何に向いたモデルなのか、Workers から呼ぶ TypeScript のコード、Clef と Clef-flash の選び方、料金、LLM との使い分けを、公式に書かれた数値だけで整理します（内容は 2026 年 10 月時点）。
Clef は「この問い合わせは緊急か」「どのチームに回すか」「影響はどの段階か」といった判定を、決められた選択肢の中から確率つきで返すモデルです。公式ドキュメントは「状態と型つきの質問のスキーマを受け取り、すべての質問のすべての選択肢に確率を返す」モデルと説明しています2。
| 質問の型 | 何を聞くか | 返ってくる値 |
|---|---|---|
noul | はい/いいえ | はいである確率（0〜1） |
choice | 自分で決めた選択肢（2〜255 個）から 1 つ | 一番確率の高い選択肢、選択肢ごとの確率、確信度 |
score | 低い順に並べた段階（2〜10 段階）で評価 | 確率で重み付けした段階の値、段階ごとの確率、確信度 |
1 回のリクエストで最大 64 問まで聞けます2。入力（state）は文字列でも JSON でもよく、画像を最大 4 枚まで添えられます2。
うれしい点は 3 つあります。
Hugging Face のモデルカードによると、Clef は Qwen3.8-27B、Clef-flash は Qwen3.5-9B を土台に後から学習したモデルです4。推論では土台のモデルで入力を読み込んだあと、小さな「スキーマヘッド」が全選択肢のスコアを 1 回の計算でまとめて出します4。文章を順に生成しないことが、速さの理由です1。
Clef が注目されるのは、2026 年 9 月に「判定モデル」という使い方が広まったばかりだからです。
Clef は Cloudflare の Birthday Week 2026 の発表の 1 つです。ほかの発表は「Cloudflare Birthday Week 2026 の発表まとめ」にまとめています。
日本の検索の動きを見ると、Google トレンド（日本・過去 90 日、2026-10-05 取得）の相対値で、「Cloudflare Workers」は直近 4 週の平均が 2.0、その前の 8 週の平均が 0.8 と上向きです7。値そのものは小さいので、検索の主役ではありません。Workers を触る人が少しずつ増えている、という程度の根拠です。
| 期間 | Cloudflare Workers |
|---|---|
| 前 8 週の平均 | 0.8 |
| 直近 4 週の平均 | 2 |
精度を優先するなら Clef、応答の速さを優先するなら Clef-flash を選びます。公式の changelog は、Clef を「最も精度の高い判定向け」、Clef-flash を「レイテンシが重要なホットパス向け」と書き分けています6。
| 項目 | Clef | Clef-flash |
|---|---|---|
| モデル ID | @cf/ | @cf/ |
| パラメータ数 | 27B | 9B |
| 土台のモデル | Qwen3.8-27B | Qwen3.5-9B |
| コンテキスト長 | 65,536 トークン | 65,536 トークン |
| 画像入力 | 対応 | 対応 |
| 料金（Workers AI） | 入力 100 万トークンあたり 0.24 ドル | 入力 100 万トークンあたり 0.09 ドル |
| 応答時間の中央値 | 209.3 ms | 38.8 ms |
| 応答時間の p95 | 238.6 ms | 122.4 ms |
出典: モデル ID・コンテキスト長・料金はモデルページ23、土台のモデルはモデルカード4、応答時間は公式ブログ1（2026-10-05 参照）。
公式ブログが Decision Index で計測した応答時間を並べると、差がはっきり分かります1。
| モデル | 中央値（ms） | p95（ms） |
|---|---|---|
| Clef | 209.3 | 238.6 |
| Clef-flash | 38.8 | 122.4 |
| Jev | 524.1 | 536 |
精度はベンチマークによって勝ち負けが入れ替わります。たとえば意図分類の CLINC150+OOS（macro-F1）では Clef が 97.43、Clef-flash が 66.77 と大きく差が出ます1。一方、家電操作のシミュレーション（case exact）では Clef-flash が 97.73 で、Clef の 82.95 を上回ります1。どちらが向くかは、自分のデータで両方を試して決めるのが確実です。
ここでは、サポートの問い合わせを読んで「オンコールを呼ぶ」「担当チームに振る」「人が見る」の 3 つに振り分ける Worker を作ります。前提は Node.js 24、wrangler 4.147.0、TypeScript 5 系です。
wrangler.jsonc に ai のバインディングを書くと、コードから env.AI で Workers AI を呼べます。
{
"$schema": "./node_modules/wrangler/config-schema.json",
"name": "clef-ticket-router",
"main": "src/index.ts",
"compatibility_date": "2026-10-01",
"ai": { "binding": "AI" }
}
2026-10-05 時点の @cloudflare/（5.20261005.1）には、Clef 用の型がまだありません。そのため env.AI.run("@cf/ の戻り値は Record<string, unknown> になります。公式の入出力スキーマ（schema-input.json と schema-output.json）をもとに、自分で型を書いておくと扱いやすくなります2。
// src/clef.ts
export type NoulQuestion = {
type: "noul";
instructions: string;
criteria?: { true?: string; false?: string };
};
export type ChoiceQuestion = {
type: "choice";
instructions: string;
criteria: Record<string, string | null>; // 2〜255 個の選択肢
};
export type ScoreQuestion = {
type: "score";
instructions: string;
criteria: string[]; // 低い順に 2〜10 段階
};
export type Question = NoulQuestion | ChoiceQuestion | ScoreQuestion;
export type ClefRequest = {
model: "clef" | "clef-flash";
state: unknown; // 文字列か JSON
questions: Record<string, Question>; // 1〜64 問
images?: string[]; // data URL（最大 4 枚）
};
export type NoulAnswer = { type: "noul"; noul: number };
export type ChoiceAnswer = {
type: "choice";
choice: string;
probabilities: Record<string, number>;
confidence: number;
};
export type ScoreAnswer = {
type: "score";
score: number;
legend: Record<string, unknown>;
probabilities: Record<string, number>;
confidence: number;
};
export type ClefResponse = {
model: string;
answers: Record<string, NoulAnswer | ChoiceAnswer | ScoreAnswer>;
usage: { input_tokens: number; output_tokens: number };
};
const MODEL_ID = {
clef: "@cf/cloudflare/clef",
"clef-flash": "@cf/cloudflare/clef-flash",
} as const;
export async function runClef(ai: Ai, req: ClefRequest): Promise<ClefResponse> {
// 2026-10 時点の @cloudflare/workers-types には Clef の型が無いので、戻り値を自分の型に寄せる
const res = await ai.run(MODEL_ID[req.model], req);
return res as unknown as ClefResponse;
}
リクエストの model に "clef" か "clef-flash" を入れるのを忘れないでください。モデル ID とは別に、この項目が必須になっています2。
質問は公式ドキュメントの例と同じ 3 問にしました2。分岐のしきい値（0.8 と 0.6）は例として筆者が決めた値です。実際のデータを流して調整してください。
// src/triage.ts
import { runClef, type ChoiceAnswer, type NoulAnswer, type ScoreAnswer } from "./clef";
export type Route =
| { action: "page-oncall"; team: string; reason: string }
| { action: "assign"; team: string; reason: string }
| { action: "human-review"; reason: string };
// しきい値はアプリ側で決める（ここでは例）
const URGENT_THRESHOLD = 0.8;
const MIN_CONFIDENCE = 0.6;
export async function triage(ai: Ai, message: string): Promise<Route> {
const res = await runClef(ai, {
model: "clef-flash",
state: message,
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"],
},
},
});
const urgent = res.answers.urgent as NoulAnswer;
const team = res.answers.team as ChoiceAnswer;
const severity = res.answers.severity as ScoreAnswer;
if (team.confidence < MIN_CONFIDENCE) {
return { action: "human-review", reason: `team confidence ${team.confidence.toFixed(2)}` };
}
if (urgent.noul >= URGENT_THRESHOLD && severity.score >= 2) {
return { action: "page-oncall", team: team.choice, reason: `urgent ${urgent.noul.toFixed(2)}, severity ${severity.score.toFixed(1)}` };
}
return { action: "assign", team: team.choice, reason: `urgent ${urgent.noul.toFixed(2)}` };
}
score の score は「確率で重み付けした段階」なので、2.8 のように段階の間の値になることがあります2。段階は 0 から数えるため、上の例の severity.score >= 2 は「Major 以上」という意味です。
最後に、Worker の入口から triage を呼びます。
// src/index.ts
import { triage } from "./triage";
export interface Env {
AI: Ai;
}
export default {
async fetch(request, env): Promise<Response> {
if (request.method !== "POST") return new Response("POST only", { status: 405 });
const { message } = await request.json<{ message: string }>();
const route = await triage(env.AI, message);
return Response.json(route);
},
} satisfies ExportedHandler<Env>;
分岐のロジックは、Clef の応答の形をまねた偽物の Ai を渡せば、Workers AI を呼ばずにテストできます。課金も発生しません。
// src/triage.test.ts
import { describe, expect, it } from "vitest";
import { triage } from "./triage";
function fakeAi(answers: Record<string, unknown>): Ai {
return {
run: async () => ({ model: "clef-flash", answers, usage: { input_tokens: 120, output_tokens: 0 } }),
} as unknown as Ai;
}
describe("triage", () => {
it("緊急かつ影響が大きければオンコールを呼ぶ", async () => {
const ai = fakeAi({
urgent: { type: "noul", noul: 0.97 },
team: { type: "choice", choice: "technical", probabilities: { billing: 0.02, technical: 0.96, sales: 0.02 }, confidence: 0.93 },
severity: { type: "score", score: 2.8, legend: {}, probabilities: { "0": 0, "1": 0.05, "2": 0.1, "3": 0.85 }, confidence: 0.8 },
});
expect(await triage(ai, "Checkout has been failing for every customer for the last hour.")).toMatchObject({
action: "page-oncall",
team: "technical",
});
});
it("担当チームの確信度が低ければ人に回す", async () => {
const ai = fakeAi({
urgent: { type: "noul", noul: 0.3 },
team: { type: "choice", choice: "sales", probabilities: { billing: 0.4, technical: 0.15, sales: 0.45 }, confidence: 0.35 },
severity: { type: "score", score: 0.6, legend: {}, probabilities: { "0": 0.5, "1": 0.4, "2": 0.1, "3": 0 }, confidence: 0.4 },
});
expect((await triage(ai, "プランを変えたら請求額が変わった？")).action).toBe("human-review");
});
});
型チェック、テスト、デプロイの事前確認（--dry-run）を通した様子です。--dry-run は実際にはデプロイせず、バンドルとバインディングを確かめるだけです。
npx tsc --noEmit
npx vitest run --reporter=verbose
npx wrangler deploy --dry-run --outdir dist
本番の Clef を呼ぶには、ログイン後に npx wrangler deploy でデプロイします。筆者は課金を避けるため、実際のモデル呼び出しはしていません。
Workers 以外からは REST API で呼べます。公式ドキュメントの例は次のとおりです2。
curl https://api.cloudflare.com/client/v4/accounts/$CLOUDFLARE_ACCOUNT_ID/ai/run/@cf/cloudflare/clef \
-X POST \
-H "Authorization: Bearer $CLOUDFLARE_AUTH_TOKEN" \
-d '{
"model": "clef",
"state": "Checkout has been failing for every customer for the last hour.",
"questions": {
"urgent": { "type": "noul", "instructions": "Is this support request urgent?" }
}
}'
Clef は「エージェントが次に何をするかを決める分かれ道」に置くと効きます。Cloudflare は、Clef で判定してから Workers AI の LLM に実際の作業を任せる組み合わせを勧めています1。
noul で判定し、しきい値を超えたら止めますエージェント全体の作り方は「Cloudflare Agents SDK で AI エージェントを作る」で扱っています。Clef の判定はツールの 1 つとして組み込めます。
決まった選択肢から選ぶだけなら Clef、理由の説明や文章の生成も要るなら LLM、と使い分けます。
| 観点 | LLM に分類させる | Clef |
|---|---|---|
| 出力 | 文字列。JSON を指示してもパースと検証が要る | スキーマどおりの選択肢 ID と確率 |
| 生成の仕方 | 1 トークンずつ順に生成 | 全選択肢を 1 回の計算でスコア付け1 |
| 確率 | 自己申告させても安定しない | 選択肢ごとの確率と確信度が必ず付く2 |
| 向いている仕事 | 説明・要約・コード生成・ツール呼び出し | 分類・はい/いいえ・段階評価・振り分け |
| できないこと | ― | 文章の生成、理由の説明 |
料金は、Clef の単価が入力トークンにだけ設定されている点が LLM と違います23。Workers AI の主な LLM と入力単価を並べると次のとおりです。LLM の出力単価は gpt-oss-120b が 0.75 ドル、qwen3.8-27b が 3.20 ドルです8。LLM で分類する場合は、入力に加えて出力トークンにも料金がかかります8。
| モデル | 入力の単価（ドル） |
|---|---|
| clef-flash | 0.09 |
| clef | 0.24 |
| gpt-oss-120b | 0.35 |
| qwen3.8-27b | 0.45 |
qwen3.8-27b は Clef の土台と同じ系列のモデルです4。同じ 27B 規模でも、入力単価は Clef のほうが低く設定されています。
1 回の判定にかかる費用は、入力トークン数から計算できます。たとえば入力が 1,000 トークンなら、Clef は 0.00024 ドル、Clef-flash は 0.00009 ドルです（単価 × トークン数の計算）。実際のトークン数は応答の usage.input_tokens で確かめられます2。
Workers AI の費用を上限つきで管理したい場合は「Workers AI と AI Gateway で LLM の費用を管理する」の手順が Clef にもそのまま使えます。
Clef は Jev と同じ API に互換なので、Jev を使っているコードはエンドポイントとモデル名を変えるだけで Clef に切り替えられます6。Hugging Face のモデルカードにも「Jev と SystemOne の API に完全互換」と書かれています4。
違いは公式ブログに次のように書かれています1。
TypeSafe 側は、Jev の入力単価を 100 万トークンあたり 0.042 ドル、出力は無料と公表しています5。単価だけなら Jev のほうが安いので、速さ・画像対応・Cloudflare 上で完結することのどれを重視するかで選びます。
Cloudflare は Clef を自社の用途に合わせて学習し直す、強化学習（RL）のファインチューニングも始めました1。最初は Cloudflare のエンジニアが伴走する形で、のちにセルフサービスの基盤にする計画です。仕組みは次の部品の組み合わせだと説明されています1。
2026-10-05 時点では、デザインパートナーとして申し込む形です6。
model を入れ忘れる: リクエストの model（"clef" か "clef-flash"）は必須です。モデル ID と合わせて指定します2images は data URL か base64 だけを受け付け、外部 URL は使えません。1 枚 4 MiB・1,600 万画素まで、合計 8 MiB、リクエスト全体で 13 MiB までです2choice の選択肢は 2〜255 個、score の段階は 2〜10 段階です2state は、モデルのトークン上限に収まるよう切り詰められます2。判定に必要な部分を先に置くか、要約してから渡します@cloudflare/ には Clef の型がありません。公式のスキーマから自分で定義しますnoul・choice・score の 3 種類の質問に確率で答える判定モデルですenv.AI.run("@cf/ で呼べます。型はまだ無いので公式スキーマから定義しますWorkers AI には 1 日 10,000 Neurons の無料枠があり、Workers の Free プランでも使えます8。ただし Clef が何 Neurons にあたるかは、2026-10-05 時点の料金表に載っていません。単価はモデルページに入力 100 万トークンあたり Clef 0.24 ドル、Clef-flash 0.09 ドルと書かれています23。
できません。Clef が返すのは、決められた選択肢ごとの確率と、一番確率の高い選択肢、確信度だけです24。理由の説明や返信文の作成が必要な場合は、Clef で判定したあと LLM に渡します。
まず Clef-flash で試し、正解率が足りない質問だけ Clef に切り替えるのが手軽です。Clef-flash は応答時間の中央値が 38.8 ms と速く、単価も低いからです13。ただしベンチマークによっては Clef との差が大きいので、自分のデータで両方を比べてください。
できます。重みは Apache 2.0 ライセンスで Hugging Face に公開されています14。モデルカードの動作確認は H200 1 枚で行われており、torch と transformers から読み込む手順が載っています4。
エンドポイントとモデル名を変えます。Clef は Jev と同じ System One API に互換です64。画像を渡す images は Clef 独自の拡張です2。
Introducing Clef: our open-source decision models, and new RL fine-tuning platform — Cloudflare Blog, 2026-10-01（2026-10-05 参照） ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17
clef · Workers AI models — Cloudflare Docs。入出力は同ページの schema-input.json と schema-output.json（2026-10-05 参照） ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19 ↩20 ↩21 ↩22
clef-flash · Workers AI models — Cloudflare Docs（2026-10-05 参照） ↩ ↩2 ↩3 ↩4 ↩5 ↩6
Cloudflare/clef — Hugging Face モデルカード。Clef-flash は Cloudflare/clef-flash（2026-10-05 参照） ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9
Introducing System One Models & Jev — TypeSafe AI Blog, 2026-09-15（2026-10-05 参照） ↩ ↩2
Introducing Clef: Cloudflare's first open-source decision models, now on Workers AI — Cloudflare Changelog, 2026-10-01（2026-10-05 参照） ↩ ↩2 ↩3 ↩4 ↩5
Google トレンド「Cloudflare Workers」（日本・過去 90 日） — Google, 2026-10-05 取得。直近 4 週の平均 2.0、前 8 週の平均 0.8（相対値） ↩
Pricing · Workers AI — Cloudflare Docs（2026-10-05 参照） ↩ ↩2 ↩3 ↩4