Clef-flashとJev、形式一致も速度優位は未確認

ClefはCloudflareのWorkers AIチームが初めて自ら学習させたモデルで、Qwen3.8-27BとQwen3.5-9Bをバックボーンに構築され、強化学習によるファインチューニングパイプラインと同時に公開された。このパイプラインはAI Gateway、Workers AI、Containers、新製品Trainerをつなぎ合わせたものだが、現在公開されているのはCloudflareのフィールドエンジニアとの設計パートナー制度のみで、セルフサービス化の時期や価格は示されていない。

ベンチマークの状況は明確な勝利ではなく混在している。コミュニティのJev Decision Indexで、CloudflareはClefが首位だと報告しているが、リーダーボードには「Self-reported」の注記があり、スコアは元のコミュニティボードでまだ再現されていない。ClefはBANKING77やAPI-Bankといった分類・意図タスクでリードする一方、GPQA DiamondやBBHといった知識・多段推論ではJevが大きく先行する。Clef-flashは高速だが、スコープ外検出やハルシネーション検出で精度がかなり落ちるため、単に高速なClefというわけではない。

最も明確な差別化点は、Jevが対応しない画像入力と、チームが両モデルをクラウドと同じ回答でローカル実行できる公開ライセンスの重みだ。今回の検証が最終的に示唆するのは、これらのモデル間の差は、指示と基準をどれだけうまく書くかによる差よりも小さいということだ。したがって選択はモデル次第というより、チームが自らの判断ルールとしきい値の挙動をすでに文書化しているかどうかにかかってくるだろう。