2026 年 10 月 1 日，Cloudflare 在 Workers AI 上正式上架了由自家团队训练的首批模型：决策模型 Clef 与 Clef-flash。这两款模型没有走“大语言模型生成文本”的路子，而是专门回答“是/否、选哪个、打几分”这类结构化判断。用 Cloudflare 的话说，它们想让 AI 在代理工作流里扮演“拍板人”——毫秒级给出可编程决策，而不是慢悠悠地吐出一串推理。

这是继九月中旬 Jev 把“决策模型”概念带火之后，首家云计算大厂下场做开源平替。Clef 全系标配与 Jev 兼容的 System One API，开源权重放在 Hugging Face，托管版定价 0.24 美元/百万 token。本文整合 Cloudflare 官方博客、开发者文档与多方技术报道，从模型原理、延迟与基准、调用方式、图像输入、开源定价到行业争议做一次完整追踪。

发布与定位：Cloudflare 的首个自训模型

Clef 是 Cloudflare Workers AI 团队第一次完全自训并商业发布的模型。同步推出的还有强化学习（RL）微调平台，走“AI Gateway 采集线上流量 + Containers 沙箱执行 RL 训练”的路线，目前开放设计合作伙伴申请。

与两个月前市面上涌现的同类模型不同，Clef 的三板斧非常明确：

• 开源：权重以 Apache 2.0 托管在 Hugging Face，Ollama 已原生支持，开发者可以本地跑；
• 低延迟：Clef-flash 中位延迟 38.8 ms，比 Jev 快约 13 倍，专门放在 Agent 热路径；
• 图像输入：在文本决策模型之外，额外支持最多 4 张图输入，做视觉分类与判断。

什么是决策模型？它和 LLM 不是一回事

大语言模型的本质是“开放式生成”：你问一句，它生成一段文本，过程中还有概率抽样，答案不固定。决策模型则反其道而行：输入是一个“状态”和一组“类型化问题”，输出是每个候选答案的校准概率，结果可以直接被代码消费。

一个典型例子是客服工单分流。把用户留言作为状态，模型会被问到三个结构化问题：

1. 是否紧急？（是/否）
2. 归哪个团队处理？（ billing / technical / sales 三选一）
3. 按优先级打分？（1-5 分）

模型返回的是概率分布，比如“紧急概率 0.92，归 technical 团队概率 0.87，优先级 4 分概率 0.65”。系统拿到这些概率立刻路由，不再需要人工把 LLM 的散文答案翻译成动作。

这种“输入状态 + 类型化问题 → 输出概率”的范式，天然适合做 Agent 的护栏、审核、路由和监控。

两兄弟：Clef 27B 与 Clef-flash 9B

Cloudflare 这次直接给出一大一小两个版本，都用 64K 上下文窗口，且 API 完全兼容 Jev 的 System One 格式：

官方介绍，Clef 基于 Qwen 系列做了后训练；flash 版则在保持兼容 API 的前提下把模型砍到 9B，通过预填充一次前向传播 + 并行打分的方式，跳过逐 token 生成，直接把延迟压到毫秒级。

延迟与基准：flash 中位延迟 38.8 ms，比 Jev 快约 13 倍

Cloudflare 在 43 项 eval 上跑了对比。关键的延迟数字如下（中位数 / p95，单位 ms）：

也就是说，Clef 中位数比 Jev 快约 2.5 倍；Clef-flash 比 Jev 快约 13 倍。这个差距足以让模型直接塞进 Web 请求的“热路径”，而不只是作为后台异步任务。

在 Jev Decision Index 的 10 项基准中，Clef 自称拿到 7 项第一；综合分 Clef 61.21，Jev 57.91。细分项上，BFCL（case exact）Clef 98.47、Clef-flash 98.76、Jev 95.75；BANKING77 macro-F1 Clef 94.20、Jev 79.74；CLINC150+OOS macro-F1 Clef 97.43、Jev 89.27。

在 Jev 自己的工作流 eval 中，Clef 在发票处理、客服、安全事件三项上超过 Jev，仅在 Agent trace observability 一项略逊。需要注意的是，上述成绩目前主要出自 Cloudflare 自测与自家发布的评估页面，尚未被完全独立的上游榜单复现。

怎么用？三种问题类型、一次最多 64 问

Clef 的 API 与 Jev 的 System One API 对齐，开发者只需换 endpoint 和 model 名称即可迁移。一次请求里可以塞最多 64 个问题，分为三种类型：

• noul：是/否问题，返回“答案为是”的概率；
• choice：多选一，返回最高概率选项、每个选项的概率以及置信度；
• score：按有序量表打分，返回概率加权得分与每个分数档的概率。

下面是一段 Cloudflare 官方文档里的 Workers AI 调用示例：

const response = await env.AI.run("@cf/cloudflare/clef", {
  model: "clef",
  state: "Checkout has been failing for every customer for the last hour.",
  questions: {
    urgent: { type: "noul", instructions: "Is this support request urgent?" },
    team: {
      type: "choice",
      instructions: "Which team should handle this request?",
      criteria: {
        billing: "Payments, invoices, and refunds",
        technical: "Outages, errors, and configuration",
        sales: "Plans and upgrades"
      }
    }
  }
});
// response.answers.urgent.noul -> 紧急概率
// response.answers.team.choice -> 最高概率团队

这种“状态 + 问题 + 概率”的契约，天然适合和现有的规则引擎、工单系统、风控平台对接。

能看图的决策模型：最多 4 张图输入

Clef 与 Jev 的一个重要差异是支持视觉输入。开发者可以在 state 之外附带最多 4 张图片，让模型做“视觉判断”。官方给出的方向包括：截图内容审核、UI 异常检测、商品分类、票据识别等。

对移动端和 Web 应用来说，这意味着用户上传一张截图，Agent 就能立刻判断“这张图是不是诈骗页面”“这个界面是否出现异常”“这张发票属于哪一类费用”——仍然以结构化概率返回，不需要解析 LLM 的散文。

威胁情报实测：域名分类比 gpt-oss-120b 快一倍

Cloudflare 的威胁情报团队已经把 Clef 投入实测。流程是：给一个域名，Browser Run 负责抓取并渲染网页，Clef 负责判断域名类别。Cloudflare 给出的典型输出是“95% 概率时尚网站、85% 概率电商、<1% 概率钓鱼”。

同样的流程下，Clef 完成抓取+渲染+分类需要 2.2 秒；而使用通用大模型 gpt-oss-120b 需要 4.7 秒，且只返回两个分类。Clef 不仅更快，还多输出了多个维度的概率，这对“漏报/误报”之间做权衡非常有价值。

除了威胁情报，还能做什么？

Cloudflare 在官方文档里列出几类典型场景：

• 客服分流：判断工单是否紧急、归哪个团队，然后自动路由；
• 信任与安全：按自定义策略给内容打分，概率超过阈值就拦截或人工复核；
• Agent 护栏：在 Agent 调用工具前快速检查“这个操作该不该做”；
• 视觉分类：结合图片输入做商品、票据、界面截图的结构化判断。

这些场景的共同点是需要“快、便宜、可编程”的判断，而不是需要模型写诗或推理世界模型。

开源、托管与定价

Clef 与 Clef-flash 的权重都已放到 Hugging Face，许可证为 Apache 2.0。Ollama 也已提供支持，本地跑模型的门槛被显著降低。对企业来说，如果不想自己维护 GPU，可以直接用 Workers AI 托管版，当前定价 0.24 美元/百万 token。

托管版的优势在于 Cloudflare 的全球边缘网络：请求在离用户最近的 GPU 节点上执行，网络往返短，这对 Clef-flash 这种“38 ms 级别”的延迟尤其关键——因为模型本身的推理时间已经和网络延迟处于同一数量级。

RL 微调平台：用自己的流量训练专属 Clef

Cloudflare 同步推出了基于强化学习的微调服务。数据收集端靠 AI Gateway 把线上请求记录下来，训练端在 Containers 沙箱里跑 RL。这种“流量即数据、沙箱即训练环境”的闭环，理论上能让企业用真实业务反馈把 Clef 调成适合自己政策的形态。

目前 RL 微调还是设计合作伙伴阶段，没有公开价格和自助入口，但方向很明确：让 Clef 不止是一个开箱即用的通用模型，而是能被“喂”成企业内部的风险偏好、客服策略或审核尺度。

争议： benchmark 第一，不等于真实可靠

Clef 的高分和低延迟发布后不久，Jev 的创作者 Diogo Almeida 在社交媒体上公开质疑 benchmark 的有效性。他指出：“为 benchmark 优化的模型”与“真正可靠的模型”之间存在关键差异，而这个差异并不会反映在 benchmark 分数里。这番表态把“决策模型”这个新赛道推向了更严肃的审视。

另一方面，Jev 方面也在强调商业化进展：10 月初有消息称四分之一的财富 500 强企业已开始采用 Jev。Cloudflare 则把 Clef 的价值锚定在“开源 + 低延迟 + 图像输入”三个差异化点上。这场“Jev vs Clef”之争，本质上也是闭源先行者与开源跟进者之间常见剧本的又一次上演。

总结：决策模型正在成为 Agent infra 的标配

Clef 的发布让“决策模型”从一个初创公司的概念验证，变成了云计算大厂愿意投入自训模型、开源权重、边缘托管、RL 微调的完整产品矩阵。它的核心卖点不是生成更长的文本，而是让 Agent 在需要“拍板”的环节更快、更便宜、更可编程。

对于开发者来说，Clef 最大的吸引力在于兼容 Jev API、Apache 2.0 开源、托管价低，并且能放进 Workers 脚本里几行代码调用。对于行业观察者来说，需要持续关注的是：Cloudflare 自报的成绩能否在独立第三方评测中得到复现，以及 RL 微调平台落地后的真实效果。

如果 2024-2025 年是“大模型越大越好”的竞赛，那么 2026 年看起来更像是“把 AI 切进具体决策环节”的一年。Clef 是这股趋势里最新的一块拼图。