【登壇資料】「Decision modelのCloudflare『Clef-Flash』をローカルで動かしてみた」というタイトルでMidosuji Techに登壇しました #midosuji_tech
こんにちは、クラウド事業統括本部 プロフェッショナルサービス本部の荒平(@eiraces)です。
2026年10月29日(木)に開催された「クラメソおおさか IT 勉強会 Midosuji Tech 〜意思決定モデルやってみた編〜」にて、「Decision modelのCloudflare『Clef-Flash』をローカルで動かしてみた」というタイトルで登壇しましたので、資料を公開します。
登壇資料
補足
今回のテーマが「意思決定モデルのやってみたLT」だったので、Cloudflareが発表したClef-flashを手元のMacで動かしてみることにしました。
Hugging Faceに公開されているので、Ollamaからそのまま落として利用できます。
今回の検証環境はMacBook Pro (Apple M4 Pro、ユニファイドメモリ48GB)で、Ollamaは0.40.11です。
Clef-flash は、必要なVRAMは公称41GB以上なため、ギリギリ動くかどうか不安でしたが、量子化モデル（約12GB）を利用することで普通にサクサク動いてくれました。
最初に「are you ai?」と聞いたところ、返ってきたのは「yes 95%」でした。
文章を生成せずに型付きの答えと確率だけを返すのが Decision model なので、この素っ気なさが正常な挙動です。
ちなみに「are you a flower?」には「no 99%」と自信満々に答えてくれました。何度試しても大体同じ値を返していました。
本LTでは、デモは2つ用意してご紹介しました。
- Claude Codeの
UserPromptSubmitフックでプロンプトを受け取り、実装依頼・調査依頼・Q&Aなどに分類して集計する - アクティブウィンドウのアプリ名とタイトルを定期的に取得し、集中・雑務・休憩に分類して1日の時間を集計する
どちらもローカルで完結させたかったのが、Clef-flashを選んだ理由です。
特にプロンプトやウィンドウタイトルは機密の塊なので、外部のAPIに送らずに済むのは安心感がありますね。
今回のLT用の検証では、確実な分類が求められる用途には向かない印象を持ちました。
GoogleカレンダーやSlackを開いている時間は「雑務」判定のconfidenceが0.1前後まで下がっており、判定がブレやすいケースとしてレポートに出るようにしました。
また、Choiceで同点になると先頭の選択肢が選ばれるので、選択肢の並び順にも気を配る必要があります。
データの前処理や、雑にラベルを付けておきたい場面では十分使えそうなので、しばらく常駐させて様子を見てみようと思います。
当日の質疑応答は興味ある人が多く盛り上がってよかったです。
このエントリが誰かの助けになれば幸いです。
それでは、クラウド事業統括本部 プロフェッショナルサービス本部の荒平がお送りしました！
参考
