01功能特性
优点
- Dense 27B：Q4 下约需 16 GB 显存，可运行于 16 GB 显卡
- 原生 256k tokens 上下文（Hugging Face 的 config.json）
- 在单个模型中实现视觉与推理
- 宽松的 Apache 2.0 许可证，官方标签为 Ollama
需了解的局限性
- —Cloudflare 的首个模型：社区反馈较少
- —256k 上下文：超过 32k 后，KV 缓存会迅速占用更多 VRAM
- —我们的来源中没有公开评分：性能需要根据您的使用场景进行验证
架构
稠密 Transformer · 27B 参数 · 256k 上下文 · 多模态（视觉）
训练
Cloudflare 推出的开放权重多模态与决策导向模型，采用 Apache 2.0 许可证发布（Hugging Face 与 Ollama 均确认其为 27B）。语料库和方法的详细信息未公开。
最适合的场景
图像与文档分析长上下文推理本地决策型智能体
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama pull clef
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
16 GB
Q5_K_M
质量/体积的良好平衡
19 GB
Q8_0
几乎无法与 FP16 区分
29 GB
FP16
全精度 — 服务器用途
54 GB
CPU 回退 · 如果您没有 GPU，请预留 35 GB 内存 以较低速度运行此模型的最低要求。
运行Clef 27B需要什么硬件？
在本地以Q4量化运行Clef 27B，大约需要16 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) →
联盟链接 — 您无需承担额外费用，我们可能获得佣金，推荐独立作出。作为 Amazon 合作伙伴，哪个LLM 会从符合条件的购买中获利。
移动场景： Clef 27B 也可运行在一台 RTX 笔记本电脑 (16 GB 显存）→
在你的私有 ChatGPT 中使用此模型，无需云端
只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。
- 在线空间，终身可用
- PDF + 文件
- 终身更新
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。