Share
Embed
Slide 1
Slide 1 text
Decision modelの
Cloudflare「Clef-Flash」を
ローカルで動かしてみた
クラスメソッド株式会社
クラウド事業統括本部 プロフェッショナルサービス事業部
荒平 祐次 / arap
Slide 2
Slide 2 text
about me
荒平 祐次 (Arahira Yuji)
@eiraces
クラスメソッド株式会社
クラウド事業統括本部
プロフェッショナルサービス事業本部
シニアソリューションアーキテクト
2025 Japan AWS Top Engineer
AWS Community Builder (Serverless)
VMware vExpert 2021-2026
2
Slide 3
Slide 3 text
Clef-Flash について
Slide 4
Slide 4 text
そもそも Decision model とは？
- 代表的なモデルが「Jev」
- TypeSafe AI が2026年9⽉に公開した判断専⽤モデル
- ⽂章は⽣成せず、型付きの答えと確率だけを返す
- 出⼒は Choice / Score / Noul の3形式
- ⾮常に軽量、そして安い
- 回答の際はコンテキストを加味しないモデルが多い
4
Slide 5
Slide 5 text
Cloudflare社のDecision model「Clef」 登場
- 2026年10⽉1⽇、Cloudflare が Clef / Clef-flash を発表
- Jev と API 互換の「判断モデル（Decision Model）」
- Clef: 27B（Qwen3.8-27Bベース）
- Clef-flash: 9B（Qwen3.5-9Bベース）
- 重みは Apache 2.0 で Hugging Face に公開 → ローカルで動く！
- 画像‧動画⼊⼒対応
- https://huggingface.co/Cloudflare/clef-flash
5
Slide 6
Slide 6 text
Jev と Clef をざっくり⽐較
6
項⽬
Jev
Clef
提供元
TypeSafe AI
Cloudflare
重み
⾮公開
オープン（Apache 2.0）
価格（⼊⼒100万トークン）
$0.042
$0.24（ローカルなら0円）
⼊⼒
テキスト
テキスト‧画像‧動画
実⾏場所
TypeSafe API / Vercel AI Gateway
Workers AI / ローカル（Ollama）
Slide 7
Slide 7 text
Clef と Clef-flash の違い
7
項⽬
Clef
Clef-flash
パラメータ数
27B
9B
ベースモデル
Qwen3.8-27B
Qwen3.5-9B
速度（Jev⽐‧公表値）
半分以下
1/10以下
精度（Cloudflare⾃⼰評価）
他のオープン判断モデルより⾼い
多くのモデルと同等
必要VRAM（64K‧同時実⾏1）
85GB
41GB
Workers AI モデル名
@cf/cloudflare/clef
@cf/cloudflare/clef-flash
向いている⽤途
精度重視の判定
⾼頻度‧低レイテンシの判定
Slide 8
Slide 8 text
Decision model のユースケース
Slide 9
Slide 9 text
Decision model の使いどころ
あくまで⼀例です：
- モデルの振り分け
- プロンプトを読み、複雑なものはOpusへ
- 危険コマンドの監視
- 危険度をスコアリング、書き込み‧削除を禁⽌
- Teams通知の仕分け
- 重要そうなものは特別に再通知
- 集中モード判定
- アクティブウインドウを監視し、作業中かどうか
9
Slide 10
Slide 10 text
ローカルで動かすには
- Ollama v0.35.1 で Clef / Clef-flash に対応
- 必要なVRAM（64Kコンテキスト‧同時実⾏1の場合）
- Clef-flash: 41GB以上 / Clef: 85GB以上
- 通常では動かない可能性が⾼く、量⼦化など必要
- 今回の検証環境
- Macbook Pro Late-2024 (Apple M4 Pro)
- MacOS Tahoe 26.6.2, Unified Mem 48GB
10
Slide 11
Slide 11 text
セットアップ
Slide 12
Slide 12 text
以下のようにセットアップします
12
検証時点では、
ollama version is 0.40.11
Slide 13
Slide 13 text
⾃信なさげだな‧‧‧
13
Slide 14
Slide 14 text
とりあえず花ではないことは分かった
14
Slide 15
Slide 15 text
やってみた①
Claude Code の実⾏内容を分類
Slide 16
Slide 16 text
Claude Code の作業を可視化
やりたかったこと
- Claude Code が何に時間を使っているか、実はよく分からない
- プロンプトを1件ずつ Clef で分類して集計したい
- implementation: 実装依頼（コード記述‧変更）
- research: 調査依頼（調査‧確認‧⽐較）
- documentation: ドキュメント作成（⽂書‧資料を執筆‧修正）
- environment: 環境構築‧設定（インストール‧設定変更）
- qa: Q&A（知識や仕様についての質問に答えてもらう）
- chat: 雑談（作業と関係のない会話‧感想‧あいさつ）
16
Slide 17
Slide 17 text
Claude Code の作業を可視化
- 考えられるメリット
- 作業集計に使えそう
- トークン節約のヒントになりそう
- ローカル実⾏なので、コマンドやパスを外部に出さずに済む
Open Telemetry は外部通信が発⽣する…
17
Slide 18
Slide 18 text
実際にやってみた
① Claude Code の UserPromptSubmit フックで⼊⼒を受け取る
② ローカルの Clef-flash（Ollama）に Choice で問い合わせ
③ 分類結果と確率を JSONL に追記
④ セッション終了時に集計してサマリを表⽰
18
Slide 19
Slide 19 text
① Claude Code の UserPromptSubmit フックで⼊⼒を受け取る
- プロンプトを送信した瞬間に、フックがスクリプトを呼び出す
- async: true でバックグラウンド実⾏するので、Claude Code は待たされない仕様
19
Slide 20
Slide 20 text
② ローカルの Clef-flash（Ollama）に Choice で問い合わせ
- Ollama の /v1/systemone に POST する
- 同点のときは先頭の選択肢が選ばれるので、並び順も意識する必要あり
20
Slide 21
Slide 21 text
③ 分類結果と確率を JSONL に追記
- セッションごとに ~/.claude/clef-logs/.jsonl に1⾏ずつ追記
- 選ばれた選択肢だけでなく、全選択肢の確率が残される
- 判定時間（latency_ms）も記録して、あとで集計できるようにする
21
Slide 22
Slide 22 text
④ 応答ごとに⼀⾏サマリを出す
- プロンプト毎に Clef による分類が実⾏される
- 詳細が知りたい時はコマンドで知れるようにした
22
Slide 23
Slide 23 text
④ 応答ごとに⼀⾏サマリを出す
23
Slide 24
Slide 24 text
やってみた②
⾃分の「集中モード」判定
Slide 25
Slide 25 text
⾃分の集中時間を測る
やりたかったこと
- 1⽇のうち、本当に集中できている時間はどれくらいか取りたい
- アクティブウィンドウを定期的に取得して Clef で判定
- 判定: 集中 / 雑務 / 休憩
- 判定ごとに時間を集計し、⽇次で振り返る
- 考えられるメリット
- ウィンドウは機密の塊なので、外部通信を含めたくない
ローカル実⾏すれば内部で完結できる！
25
Slide 26
Slide 26 text
実際にやってみた
① ⼀定秒数ごとにアクティブウィンドウのタイトル名を取得
② Clef-flash に「集中 / 雑務 / 休憩」を Choice で問い合わせ
③ 結果を CSV（または SQLite）に記録
④ 1⽇の終わりに分類ごとの時間を集計
26
Slide 27
Slide 27 text
① ⼀定秒数ごとにアクティブウィンドウのタイトル名を取得
- osascript で System Events に前⾯のアプリ名とウィンドウ名を問い合わせる
- 操作のない時間が5分以上なら、Clef に聞かずに休憩扱いにする
27
Slide 28
Slide 28 text
② Clef-flash に「集中 / 雑務 / 休憩」を Choice で問い合わせ
- state にアプリ名‧ウィンドウタイトル‧無操作の秒数‧時刻を渡す
- 「このアプリなら集中」という対応表は持たず、選択肢の説明⽂から Clef が判断
28
Slide 29
Slide 29 text
③ 結果を SQLite に記録
- 判定1回ごとに SQLite へ1⾏追加（~/.local/share/clef-focus/focus.db）
- 判定の間隔も⼀緒に保存するので、10秒‧60秒が混ざっても時間を正しく集計できる
29
Slide 30
Slide 30 text
③ 結果を SQLite に記録
30
Slide 31
Slide 31 text
④ 1⽇の終わりに分類ごとの時間を集計
- ./report.py --today で、分類ごとの時間‧割合‧主なアプリを集計
31
Slide 32
Slide 32 text
④ 1⽇の終わりに分類ごとの時間を集計
- ./report.py --today で、分類ごとの時間‧割合‧主なアプリを集計
32
Slide 33
Slide 33 text
さいごに
Slide 34
Slide 34 text
まとめ
● 軽量モデルなので、ローカルでも動かせる
● 確実な分類をしたいものには向いていないが、データの前処理や
雑にデータ取得したい場合に使えそう
● ⾊々できそうで楽しい
34