Clef（クレフ）は、Cloudflareが2026年10月1日に発表した27Bパラメータのマルチモーダルな「意思決定モデル（decision model）」で、テキスト・JSON・画像を入力として、型付きの質問群に対して確率付きの判定結果を返すことができます。このClefがOllamaから利用できるようになった、というのが今回のニュースです。
室谷代表取締役ClefがOllamaで動くようになった、と。Cloudflare製のモデルをOllamaで、しかもローカルでもクラウドでも、というのが今回のポイントなんですよね。
テキトー教師DotAI 認定講師そうなんですよ。Ollamaの公式スレッドでも「Run it locally or in the cloud」と明言されていて、27Bのマルチモーダル決定モデルで、テキストと画像入力に対応、JevとSystem One APIに互換、米国ホスティングでデータ保持ゼロ、という点が挙げられています。
室谷代表取締役まず「決定モデル」って何なのか、そこから整理したいんですよね。普通のLLMと何が違うのか。
テキトー教師DotAI 認定講師そこが一番大事なところです。Cloudflareのブログによると、決定モデルは自由文を生成するのではなく、入力と型付きの質問群を渡すと、選択肢ごとの確率付きで分類結果を返すモデルです。
エージェントがどう動くかを決めるための、安価・高速・一貫した構造化出力を担う存在ですね。
エージェントがどう動くかを決めるための、安価・高速・一貫した構造化出力を担う存在ですね。
Clefとは？Cloudflareが作った27B意思決定モデル
Clef vs Jev vs 汎用LLM
Clef
- 27Bマルチモーダルモデル
- Qwen3.8-27Bからファインチューニング
- Apache 2.0でオープンウェイト公開
- 64Kコンテキスト
- 画像入力対応
- 単一の非自己回帰パスで全質問の全選択肢をまとめてスコアリング
- Jev互換APIを持つ
- 質問スキーマを渡すだけで済む
Jev System One
- 決定モデルの概念を先鞭
- テキスト分類のみ
- コンテキストは32K
室谷代表取締役スペックを整理すると、27Bのマルチモーダルモデルで、Qwen3.8-27Bからファインチューニングされている、と。ライセンスはApache 2.0なんですよね。
テキトー教師DotAI 認定講師はい。CloudflareはClefとClef-flashの2つを発表していて、Hugging FaceでApache 2.0のオープンウェイトとして公開しています。
名前の由来も面白くて、音楽理論の「clef（音部記号）」が五線譜の線と空間に音の高さを割り当てるように、決定モデルは文脈のドメインと、その後に続くアクションを定義する、という説明がブログにありました。CFはCloudflareの頭文字でもある、と。
名前の由来も面白くて、音楽理論の「clef（音部記号）」が五線譜の線と空間に音の高さを割り当てるように、決定モデルは文脈のドメインと、その後に続くアクションを定義する、という説明がブログにありました。CFはCloudflareの頭文字でもある、と。
室谷代表取締役なるほど、名前の由来まで語られているのはいいですね。で、Jevとの関係はどう整理すればいいんですか。
テキトー教師DotAI 認定講師発表資料によれば、決定モデルという概念自体はTypesafe AIの「Jev System One」が先鞭をつけたものです。ただJevはテキスト分類のみで、コンテキストが32Kという制約がありました。
ClefはJev互換APIを持ち、64Kコンテキスト、画像入力対応、そして単一の非自己回帰パスで全質問の全選択肢をまとめてスコアリングする、というのが特徴です。
ClefはJev互換APIを持ち、64Kコンテキスト、画像入力対応、そして単一の非自己回帰パスで全質問の全選択肢をまとめてスコアリングする、というのが特徴です。
室谷代表取締役単一の非自己回帰パスでまとめてスコアリング、というのが速度に効いてくるわけですね。汎用LLMだと分類のたびにプロンプト設計をやり直したり、再学習が必要だったりしたのが、決定モデルだと質問スキーマを渡すだけで済む、と。
テキトー教師DotAI 認定講師そういうことです。汎用LLMは非決定的で、オープンエンドに推論してテキストやツール呼び出しを生成するのは得意ですが、分類を安定して回すには向いていなかった。
そこを埋めるのが決定モデルなんですよ。
そこを埋めるのが決定モデルなんですよ。
Clefでできること——テキスト・画像・JSONを確率付きで判定
Clefでできること
3種類の質問タイプ
二値判定の「noul」、複数選択の「choice」、段階スコアの「score」
1リクエストに1〜64個
質問を並べて同時に判定でき、答えは同じ順序で返る
テキスト判定
問い合わせ文から返金要求・宛先チーム・緊急度を同時判定(例: billing 98.88%、refund 0.9916、urgency 1.5481)
画像判定
レシート画像でレストランか・購入種別・アルコール有無を同時判定。テキストと一緒にスコアリング
ツール呼び出しの事前判定
send_emailの例で「害を及ぼす可能性があるか」を実行前に判定(yes 93%)
What you can build
ルーティング、条件チェック、ポリシー適用、書類読み取り、ツール呼び出しのモデレーション
室谷代表取締役じゃあ具体的に何ができるのか。公式ページの例がかなり分かりやすいので、整理したいですよね。
テキトー教師DotAI 認定講師まず質問タイプが3種類あります。二値判定の「noul」、複数選択の「choice」、段階スコアの「score」です。
これを1リクエストに1〜64個まで並べられる。答えは同じ順序で返ってきます。
これを1リクエストに1〜64個まで並べられる。答えは同じ順序で返ってきます。
室谷代表取締役例えば問い合わせ文を渡して「返金要求か」「どのチーム宛か」「緊急度は」を同時に判定できる、と。公式ページの例だと、billingが98.88%、refundが0.9916、urgencyが1.5481、みたいに返ってくるわけですよね。
テキトー教師DotAI 認定講師はい。しかも画像もいけるんですよ。
レシートの画像を渡して「レストランのレシートか」「購入種別は何か」「アルコールは含まれるか」を同時に判定する例が公式ページに載っています。画像はテキストと一緒にスコアリングされます。
レシートの画像を渡して「レストランのレシートか」「購入種別は何か」「アルコールは含まれるか」を同時に判定する例が公式ページに載っています。画像はテキストと一緒にスコアリングされます。
室谷代表取締役これは経費精算のワークフローとかにそのまま刺さりますよね。あと面白いのが、エージェントのツール呼び出しを実行前に判定する例です。
テキトー教師DotAI 認定講師send_email(to="all-customers", subject="FINAL NOTICE: account will be suspended today") を渡して「このツール呼び出しは害を及ぼす可能性があるか」を判定すると、yes 93%と返る例が公式ページにあります。実行前に危険度を見る、というのはエージェント運用ではかなり実務的なユースケースです。室谷代表取締役公式ページの「What you can build」の表も整理しておきたいですね。ルーティング、条件チェック、ポリシー適用、書類読み取り、ツール呼び出しのモデレーション。
MYUUUでもエージェントに判断させる場面は増えているので、これは他人事じゃないんですよね。
MYUUUでもエージェントに判断させる場面は増えているので、これは他人事じゃないんですよね。
テキトー教師DotAI 認定講師ちなみにconfidenceは0〜1で、確率がどれだけ集中しているかを示すもので、答えが正しい確率ではない、という注意も公式ページに明記されています。あと2つの選択肢が拮抗した場合はモデルの選択肢順に従うので、優先したい選択肢を先に置く、という実務的なコツも書かれています。
室谷代表取締役そこは地味に大事ですよね。確率が割れたときの挙動を知らずに本番投入すると事故るので。
Clefの使い方・始め方——Ollamaでのローカル実行とクラウド実行
Clefのローカル実行 vs クラウド実行
ローカル実行
- コマンド: ollama pull clef
- サイズ: 18GB〜20GB
- コンテキスト: 256K
- モデル: clef:latest / clef:27b
- 入力: テキストと画像
- ダウンロードが必要
クラウド実行
- コマンド: ollama run clef:cloud
- ダウンロード不要
- コンテキスト: 64K
- 有料プランまたはクレジットで利用
- 米国ホスティング・データ保持ゼロ
- Ollama 0.40.6以降が必要
室谷代表取締役ここからが今回の本題、Ollamaでの始め方です。まずローカルはどうやるんですか。
テキトー教師DotAI 認定講師ローカルは
公式ページのModelsの表では
ollama pull clef です。サイズは18GB〜20GB、コンテキストは256K。公式ページのModelsの表では
clef:latest と clef:27b が18GB〜20GBで256K、入力はテキストと画像です。室谷代表取締役クラウドはダウンロード不要なんですよね。
テキトー教師DotAI 認定講師ollama run clef:cloud です。こちらはコンテキスト64Kで、有料プランまたはクレジットで利用します。米国ホスティングでデータ保持ゼロというのがOllamaのスレッドでうたわれています。
室谷代表取締役必要バージョンも整理しておきたいです。
テキトー教師DotAI 認定講師公式ページには、ClefはOllama 0.35.1以降が必要、OllamaのクラウドでClefを使う場合は0.40.6以降が必要、と明記されています。Pythonライブラリは0.6.3以降です。
室谷代表取締役CLIの例も公式ページにありますよね。パイプでテキストを渡して
--ask で質問する、と。テキトー教師DotAI 認定講師そうですね。
ollama run clef:cloud --ask "Is a refund being requested?" < ticket.txt で yes 99%のように返ります。--choice でラベルを、--level で段階を指定できます。--format json を付けるとAPIの全レスポンスが出力されます。--ask の後にラベルを続けない場合はyes/noの二値判定になります。室谷代表取締役APIで叩く場合は
/v1/systemone エンドポイントなんですよね。テキトー教師DotAI 認定講師はい。
OllamaがClefのプロンプトを組み立ててくれるので、プロンプト設計を自前でやらなくていいのが楽です。画像は
state に判定したいテキストやJSON、questions に質問を入れます。OllamaがClefのプロンプトを組み立ててくれるので、プロンプト設計を自前でやらなくていいのが楽です。画像は
images にBase64で渡します。室谷代表取締役呼び出し元はCLIだけじゃなくて、Python/JavaScriptライブラリ、あとTypeSafeのPython SDKからも使えるんですよね。
テキトー教師DotAI 認定講師公式ページにそう書かれています。TypeSafe SDKはテキストとJSONのstateに対応していて、ローカルではAPIキーは無視されるので任意の値で動きます。
ただし画像はAPIかOllama CLIを使う必要があって、SDKはOllamaが受け付けない形式でアップロードしてしまう、という注意も公式ページにあります。
ただし画像はAPIかOllama CLIを使う必要があって、SDKはOllamaが受け付けない形式でアップロードしてしまう、という注意も公式ページにあります。
室谷代表取締役クラウド側の制限も押さえておきたいです。
テキトー教師DotAI 認定講師質問名は英数字と
入力は65,536トークンまでで、超えた入力は切り詰められずに拒否されます。課金は入力トークン単位です。
_ . - のみで100文字まで。画像は1リクエスト最大4枚、各4MiB・16メガピクセルまで、合計8MiBまで。入力は65,536トークンまでで、超えた入力は切り詰められずに拒否されます。課金は入力トークン単位です。
室谷代表取締役切り詰めじゃなくて拒否、というのは設計上大事ですよね。黙って切られると判定が狂うので。
Clefの料金・提供範囲——日本から使えるか、必要バージョンは
室谷代表取締役料金と提供範囲を整理したいんですけど、ここはソースでどこまで分かっていますか。
テキトー教師DotAI 認定講師ローカル実行はApache 2.0のオープンウェイトなので、自分のマシンで動かす分にはモデルの利用自体に料金はかかりません。クラウド実行はOllamaの有料プランまたはクレジットが必要で、入力トークン単位で課金される、というのが公式ページに書かれている範囲です。
具体的な単価は今回のソースには記載がないので、現時点では明らかにされていません。
具体的な単価は今回のソースには記載がないので、現時点では明らかにされていません。
室谷代表取締役Cloudflare側のWorkers AIでもホストされているんですよね。
テキトー教師DotAI 認定講師はい。CloudflareのブログによればClefとClef-flashはWorkers AIでホストされていて、Hugging FaceでApache 2.0のオープンウェイトとして公開されています。
Workers AI側の料金はCloudflareの料金ページを見る必要がありますが、今回のソースには具体的な金額の記載はありません。
Workers AI側の料金はCloudflareの料金ページを見る必要がありますが、今回のソースには具体的な金額の記載はありません。
室谷代表取締役日本から使えるか、という点はどうですか。
テキトー教師DotAI 認定講師ローカル実行はOllamaが動く環境なら地域を問わず動かせます。クラウド実行は米国ホスティングでデータ保持ゼロとされていますが、日本からの利用可否を明示的に制限する記述は今回のソースにはありません。
現時点では明らかにされていない、と正直に書くのが正確ですね。
現時点では明らかにされていない、と正直に書くのが正確ですね。
室谷代表取締役スペック要件も気になりますよね。18〜20GBのモデルなので、量子化なしだとそれなりのメモリが要ります。
テキトー教師DotAI 認定講師公式ページには量子化パッケージの具体的な種類までは記載がありません。18GB〜20GBというサイズと、ローカルは256Kコンテキスト、Ollama 0.35.1以降という条件が示されている範囲です。
実行環境の最低メモリ要件は今回のソースでは明らかにされていません。
実行環境の最低メモリ要件は今回のソースでは明らかにされていません。
室谷代表取締役ここは憶測で書かない方がいいですね。実際に動かすなら公式ページのModelsタブとOllamaのドキュメントを見る、と。
ClefとJev・Clef-Flashの違いとベンチマーク
室谷代表取締役ここは数字があるので、テーブルで整理したいですよね。
テキトー教師DotAI 認定講師そうですね。公式ページのベンチマークを整理するとこうです。
| ベンチマーク | Clef | Clef-flash | Jev |
|---|---|---|---|
| BFCL（case exact accuracy） | 98.5 | 98.8 | 95.8 |
| API-Bank（accuracy） | 91.9 | 93.1 | 88.2 |
| BANKING77（macro-F1） | 94.2 | 90.9 | 79.7 |
| CLINC150+OOS（macro-F1） | 97.4 | 66.8 | 89.3 |
| 家電シミュレータ（case exact accuracy） | 83.0 | 97.7 | 52.3 |
| ANLI（macro-F1） | 69.8 | 59.1 | 74.8 |
| RouterBench（selected quality） | 79.7 | 79.9 | 79.9 |
| PhishNChips（accuracy） | 79.6 | 75.0 | 62.5 |
| 中央値レイテンシ（ms） | 209.3 | 38.8 | 524.1 |
| p95レイテンシ（ms） | 238.6 | 122.4 | 536.0 |
室谷代表取締役レイテンシの差が分かりやすいですね。Clefが209.3ms、Clef-flashが38.8ms、Jevが524.1ms、と。
テキトー教師DotAI 認定講師そうなんですよ。Clef-flashは小さく速い変種で、公式ページでも「See clef-flash for a smaller, faster variant」と案内されています。
ベンチマークを見ると、Clef-flashは家電シミュレータで97.7とClefの83.0を上回っている一方、CLINC150+OOSでは66.8とClefの97.4を大きく下回っています。用途によって使い分けが必要ですね。
ベンチマークを見ると、Clef-flashは家電シミュレータで97.7とClefの83.0を上回っている一方、CLINC150+OOSでは66.8とClefの97.4を大きく下回っています。用途によって使い分けが必要ですね。
室谷代表取締役全部が全部Clefの方が上、というわけではないのが正直でいいですよね。あとCloudflareのブログにはDiffusionGemma Jev、Kev 9B、Layaといった他の決定モデルとの比較も載っていました。
テキトー教師DotAI 認定講師はい。ただCloudflare自身が「決定モデル市場は飽和しつつある」と書いている点は押さえておくべきでしょう。
その中でClefはDecision Indexで首位、と発表資料にはあります。
その中でClefはDecision Indexで首位、と発表資料にはあります。
室谷代表取締役Typesafe Evalsの4つの業務ワークフローでの決定精度も出ていましたよね。
テキトー教師DotAI 認定講師請求書処理がClef 64.7、Clef-flash 57.1、Jev 61.8。カスタマーサービスが76.3、77.0、76.0。
セキュリティインシデントが62.9、61.7、61.7。エージェントトレースの可観測性が68.5、69.8、71.6です。
ここもワークフローによって優劣が入れ替わるので、自社のユースケースで試すのが前提になりますね。
セキュリティインシデントが62.9、61.7、61.7。エージェントトレースの可観測性が68.5、69.8、71.6です。
ここもワークフローによって優劣が入れ替わるので、自社のユースケースで試すのが前提になりますね。
室谷代表取締役あとCloudflareはClef-omniという音声・動画対応版も発表しているんですよね。
テキトー教師DotAI 認定講師はい、10月9日のブログでClef-omniが発表されています。音声（wav/mp3）と動画（mp4/webm）をテキスト・画像と一緒に受け取れるモデルで、Qwen3-Omni-30B-A3B-InstructのMoEをベースにしていると書かれています。
ただし今回のOllamaのスレッドで案内されているのはClefとClef-flashの範囲なので、Clef-omniがOllamaで使えるかは今回のソースでは明らかにされていません。
ただし今回のOllamaのスレッドで案内されているのはClefとClef-flashの範囲なので、Clef-omniがOllamaで使えるかは今回のソースでは明らかにされていません。
エージェント時代に決定モデルが求められる理由
室谷代表取締役ここが一番話したいところなんですよね。なんで今、決定モデルなのか。
テキトー教師DotAI 認定講師Cloudflareのブログでは、エージェントが自律的に判断・実行するワークフローにおいて、安価・高速・一貫した構造化出力への需要が語られています。人間がループに入らなくても、エージェントがプログラム的に文脈を集めて判断し、必要なら人間に委ねる。
その判断の部分を担うのが決定モデルです。
その判断の部分を担うのが決定モデルです。
室谷代表取締役具体例としてThreat Intelligenceチームのドメイン分類の話がありましたよね。Clefが2.2秒、汎用LLMのgpt-oss-120bが4.7秒、と。
テキトー教師DotAI 認定講師はい。しかも汎用LLMは分類を2つしか返さなかった、という比較がブログに書かれています。
ドメインをClefに渡すと「ファッションサイト95%、eコマース85%、フィッシング1%未満」のように確率付きでカテゴリを返す。これが2倍のレイテンシ削減になる、と。
ドメインをClefに渡すと「ファッションサイト95%、eコマース85%、フィッシング1%未満」のように確率付きでカテゴリを返す。これが2倍のレイテンシ削減になる、と。
室谷代表取締役これはMYUUUでも実感があって、エージェントに何でもかんでも自由文で考えさせると、遅いしブレるしコストもかさむんですよね。判断だけを決定モデルに切り出すと、ワークフロー全体が安定する。
テキトー教師DotAI 認定講師まさに構造化の話です。講座でも受講生さんに「まず判断を型に落とす」と伝えているんですが、その型をそのままモデルに渡せるのが決定モデルの強みです。
プロンプトで「必ずJSONで返して」とお願いするのとは、安定性が違います。
プロンプトで「必ずJSONで返して」とお願いするのとは、安定性が違います。
室谷代表取締役あと地味に効くのが、64KコンテキストでJevの32Kの2倍のstateを持てる点と、画像をテキストと一緒にスコアリングできる点です。問い合わせ文＋スクリーンショット＋フォームをまとめて判定できるわけですから。
テキトー教師DotAI 認定講師そうですね。CloudflareはClefをRLでファインチューニングする製品も発表していて、自社ユースケースに合わせ込む方向も示しています。
決定モデルは「汎用モデルをプロンプトでなんとかする」段階から、「判断を専用モデルに任せる」段階に移りつつある、というのが今回の発表の位置づけでしょう。
決定モデルは「汎用モデルをプロンプトでなんとかする」段階から、「判断を専用モデルに任せる」段階に移りつつある、というのが今回の発表の位置づけでしょう。
室谷代表取締役とはいえ、いきなり本番で全部置き換える必要はないですよね。まずはローカルで
ollama pull clef して、自分のユースケースで確率がどう出るか眺めるところから。テキトー教師DotAI 認定講師賛成です。公式ページの例をそのまま自分のデータに置き換えて、confidenceが割れるケースを洗い出す。
そこで初めてクラウドに載せるか、RLでファインチューニングするかを判断すればいい。順番としてはそれが一番安全です。
そこで初めてクラウドに載せるか、RLでファインチューニングするかを判断すればいい。順番としてはそれが一番安全です。
よくある質問
Q. Clefとは何ですか？
ClefはCloudflareが2026年10月1日に発表した27Bパラメータのマルチモーダルな意思決定モデルです。テキスト・JSON・画像を入力として、型付きの質問群に対して確率付きの判定結果を返します。Qwen3.8-27Bからファインチューニングされ、Apache 2.0ライセンスで公開されています。
Q. OllamaでClefを使うには何が必要ですか？
ローカル実行はOllama 0.35.1以降が必要で、ollama pull clef で取得します。サイズは18GB〜20GB、コンテキストは256Kです。クラウド実行はOllama 0.40.6以降が必要で、ollama run clef:cloud を使います。クラウドは有料プランまたはクレジットが必要です。
Q. ClefとClef-flashの違いは何ですか？
Clefは27Bのモデルで、Clef-flashはより小さく高速な変種です。公式ページのベンチマークでは、中央値レイテンシがClef 209.3ms、Clef-flash 38.8msとなっています。一方でCLINC150+OOSではClef 97.4に対しClef-flash 66.8と、用途によって精度の優劣が異なります。
Q. Jevとの違いは何ですか？
JevはTypesafe AIの決定モデルで、テキスト分類のみ、コンテキスト32Kという制約があります。ClefはJev互換APIを持ち、64Kコンテキスト、画像入力対応、単一の非自己回帰パスでのスコアリングが特徴です。公式ページのベンチマークでは、Clefが多くの項目でJevを上回る一方、ANLIではJevが74.8でClefの69.8を上回っています。
Q. 画像やレシートの判定はできますか？
できます。公式ページには、レシート画像を渡して「レストランのレシートか」「購入種別は何か」「アルコールは含まれるか」を同時に判定する例が掲載されています。画像はBase64で渡し、テキストと一緒にスコアリングされます。
Q. 日本から使えますか？
ローカル実行はOllamaが動作する環境であれば利用できます。クラウド実行は米国ホスティングでデータ保持ゼロとされていますが、日本からの利用可否を明示的に制限する記述は今回のソースにはありません。現時点では明らかにされていません。
Q. 料金はいくらですか？
ローカル実行はオープンウェイトのモデルを自分の環境で動かすため、モデル利用自体に料金はかかりません。クラウド実行は有料プランまたはクレジットが必要で、入力トークン単位で課金されます。具体的な単価は今回のソースには記載がなく、現時点では明らかにされていません。
