決定モデルとは何か ｜ Cloudflare ClefとAWS 2Bモデルが変えるAIエージェント
テキストを生成せず確率だけ返す「決定モデル」が2026年10月に一斉登場。Cloudflare Clefの38.8ms・0.038ドルとAWSの2Bローカルモデルを実測値ベースで解説する。
決定モデルとは何か。テキストを生成しないAIの新カテゴリ
2026年9月末、TypeSafe AIの「Jev」が話題になったのを境に、テキストを生成せず「選択肢の中から答えを確率で返す」だけのモデルが一気に市場に出てきた。いわゆる決定モデル（Decision Model／System One Model）である。
従来のLLMは文章を生成し、その中から必要な情報をパース（解析）して使う。これに対して決定モデルは、状態（state）と型付きの質問（questions）を渡すと、許可された選択肢それぞれについて確率を返す。出力は文章ではなく数値だ。パース処理は不要で、推論トークンを待つ時間もない。
2026年10月1日には、わずか1日で10モデルが7社からリリースされ、そのすべてがこの決定モデルだった。しかもOpenAI、Anthropic、Google、xAI、Meta、DeepSeekの大手6社からは1本も出ていない。つまり今この瞬間、決定モデル市場は新興勢が主導している。
Cloudflare「Clef」が投入した3つの数字
10月1日、Cloudflareは自社初の自社学習モデル「Clef」と「Clef-flash」をWorkers AI上で公開した。Apache 2.0ライセンスでHugging Faceに重みも公開されている。10月9日にはさらに音声・動画を直接読める「Clef-omni」が加わり、同時にClef-flashが値下げされた。
押さえるべき数値は次の3つだ。
1. 速度：中央値38.8ミリ秒
Clef-flashの中央値レイテンシは38.8ミリ秒。比較対象のJevは524.1ミリ秒だ。Cloudflareが43本の評価で計測した中央値であり、約13倍速い。Clef本体も209.3ミリ秒で、Jevの約2.5倍速にあたる。
さらに10月9日の最適化でClefは最大2倍高速化した。約3,400トークンの入力では、中央値が616ミリ秒から305ミリ秒に短縮されている。
2. 価格：100万入力トークンあたり0.038ドル
Clef-flashの価格は10月9日に0.090ドルから0.038ドルへ引き下げられ、Jevより安くなった。この値下げの代償として、ホスト版のコンテキストウィンドウは64Kから24Kトークンに縮小されている。ただしCloudflareの利用データによれば、24Kを超えるリクエストは全体の0.24%にすぎない。24K超が必要な場合は64Kを維持するClef（0.240ドル）を使う。
音声・動画対応のClef-omniは0.150ドル、コンテキストは64Kトークンだ。
3. 精度：BANKING77で94.20
金融系の意図分類ベンチマークBANKING77のマクロF1で、Clefは94.20、Clef-flashは90.93、Jevは79.74。CLINC150+OOSでもClefは97.43でJevの89.27を上回る。ただし全ベンチマークで勝っているわけではない。BRIGHTではJevの47.52に対しClefは45.91、When2CallではJevの80.97に対しClefは72.37と負けている。
3種類の質問タイプを理解する
Clefは1リクエストにつき最大64個の質問を投げられる。質問タイプは3つだ。
- noul：「はい／いいえ」の確率を返す。エージェントのツール呼び出しをゲートするのに使える
- choice：自分で定義した選択肢の中から1つを選び、確率と確信度を返す。チケットのルーティングに最適
- score：順序付きの評価基準に対して、確率加重スコアと各レベルの確率を返す。重要度の判定に使える
たとえば「決済が1時間ずっと失敗している」という状態を渡し、urgent（noul）／team（choice: billing, technical, sales）／severity（score: No impact〜Critical）の3問を同時に聞く。返ってくるのは確率なので、アプリ側のコードで閾値を切って自動処理するか人間にエスカレーションするかを決められる。
AWSも2Bモデルで参入、ローカルCPUで動く
同じ週、AWSのStrands Labsは「Strands Decider 2B」を公開した。Qwen3.5-2Bから言語モデルヘッドを外し、ポインタヘッドに置き換えた構造で、重みはHugging Face、コードと学習データはGitHubで公開されている。
際立つのはサイズだ。20億パラメータなのでローカルのCPUでもGPUでも動く。ローカルのRTX 3090で中央値約115ミリ秒、M3 MacBookでも小タスクで約153ミリ秒。クラウドに一切送らずに決定を下せる。
Strandsのブログが挙げる使い方が分かりやすい。天気を聞かれたエージェントが都市名を勝手に推測してツールを呼ぼうとしたとき、実行直前に2つの質問を投げる。「この引数はユーザーが実際に言った事実に基づいているか」「今このツールを呼ぶのは早すぎないか」。両方の確率が閾値を超えていれば、呼び出しを止めてユーザーに確認を返す。数行のPythonで書ける。
決定モデルが向かない仕事
決定モデルは万能ではない。Strandsのブログ自身が限界を明記している。
- 複雑な問題解決が苦手：全出力を1回のパラレルパスで生成する方式のため、推論モデルに大きく劣る
- テキスト生成不可：コーディング、チャットボット、文書要約には一切使えない
- 出力は必ず選択肢の中から：自由記述はできない
つまり「LLMの置き換え」ではなく「LLMが苦手な高速な分類判断の担当」と捉えるのが正しい。
実務での使いどころ
現実的な導入パターンは次の通りだ。
自前ホストという選択肢
Clefの重みはHugging Faceで公開されている。Clef-flashの重みはセルフホストなら最大256Kトークンのコンテキストに対応する（ホスト版は24K）。10月9日の時点で、SGLang 0.5.22にClefサポートが入る予定も告知されている。
決定モデルを試すなら、まずホスト版で精度を確認し、レイテンシやコストが問題になった時点でセルフホストに切り替える。この順序が最も無駄が少ない。