Cloudflare publie Clef et Clef-flash : des modèles de décision open-weight qui renvoient des probabilités typées plutôt que du texte

L'intérêt tient à la nature de la sortie. Un grand modèle de langage génère des jetons un à un et son résultat doit encore être analysé par du code. Un modèle de décision fournit directement des probabilités calibrées, exploitables pour du routage, du tri, de la vérification ou de l'extraction. La latence médiane mesurée par Cloudflare est de 209,3 ms pour Clef et 38,8 ms pour Clef-flash, contre 524,1 ms pour Jev. Côté prix, l'API hébergée coûte 0,24 dollar par million de jetons en entrée pour Clef et 0,09 dollar pour Clef-flash, contre 0,042 dollar pour Jev. Le changement de fournisseur est simple : il suffit de modifier le point d'accès et le nom du modèle. Les poids ouverts permettent aussi l'auto-hébergement sur un seul GPU H200 en BF16. Les résultats ne sont toutefois pas uniformes. Jev reste nettement devant sur GPQA Diamond (78,3 contre 48,0), MMLU-Pro (82,7 contre 65,9) et BBH (92,9 contre 73,7). Sur les évaluations de flux de travail de TypeSafe, Clef gagne dans trois domaines sur quatre, de peu : 64,7 contre 61,8 pour le traitement de factures, 76,3 contre 76,0 pour le service client, 62,9 contre 61,7 pour les incidents de sécurité. Jev garde l'avantage sur l'observabilité des traces d'agents, 71,6 contre 68,5. Tous ces chiffres sont publiés par les éditeurs, sans réplication indépendante.

Ces modèles s'inscrivent dans la catégorie « System One » lancée par TypeSafe AI avec Jev le 15 septembre 2026. Des alternatives ouvertes ont rapidement suivi : Kev-9B, de Jared Palmer, basé sur Qwen3.5-9B avec un adaptateur LoRA de 45,4 millions de paramètres, et Laya, de Convai Innovations, un modèle de 421 millions de paramètres fondé sur ModernBERT-large dont la latence médiane est de 5,8 ms. Clef se distingue par l'entrée d'images et par une architecture en deux étapes : le modèle de base fait une seule passe de préremplissage, puis une petite tête transformeur, dite tête de schéma conjointe, répartit l'information vers chaque question et note toutes les options ensemble. L'entraînement a gelé les modèles de base, optimisé la tête avec des adaptateurs de rang 256 et combiné une entropie croisée à lissage d'étiquettes avec une perte de Brier pour la calibration. Cloudflare annonce aussi un service d'apprentissage par renforcement pour adapter Clef à des données privées, d'abord via ses ingénieurs déployés chez les clients, puis par une plateforme en libre-service.