近几周，决策模型引发热议，例如 Typesafe AI 的 Jev System One。分类器模型已存在，但 Jev 引入新决策模型概念：廉价、快速、一致地产生有界结构化输出，在需要决策时接入工作流，无需为新增分类类别反复重新训练，即可处理任意输入。与大多非确定性的 LLM 不同，这类模型能推理、生成文本和工具调用。今天 Cloudflare 发布两个决策模型 Clef 和 Clef-flash，托管在 Workers AI。Clef 目前在 Jev Decision Index 上领先，完整结果见实时基准站点。

近几周，诸如 Typesafe AI 的 Jev System One 等决策模型引发大量关注。分类模型虽已存在多时，Jev 向 AI 界引入了新决策模型概念——一种能廉价、快速且稳定地产生有界结构化输出的模型，可在工作流需要决策时插入。这类模型足以处理任意输入，无需不断重训来加入新分类类别。这与大语言模型（LLM）形成对比，后者基本非确定性，但足够开放以推理、生成文本及智能体工作所需的工具调用。

今天我们发布两个 Cloudflare 训练的决策模型 Clef 和 Clef-flash，托管于 Workers AI。Clef 目前在 Jev Decision Index 评估中领先，完整结果见实时基准演示站。这些模型更聪明、更快，且完全兼容 Jev-API，便于试用托管模型。我们在 Hugging Face 以 Apache 2.0 许可完全开源，可本地运行实验。

最后，我们很高兴推出新的强化学习（RL）产品，允许客户微调 Clef 适应其用例。

什么是决策模型？

决策模型基于特定概率做分类，帮助智能体决定如何行动。例如，输入客服消息询问是否紧急及哪个团队处理，模型返回带概率的类型化答案，代码可据此分派工单、触发升级或转人工。这意味着人类未必需要在环，智能体可程序化收集上下文、决策和行动，或必要时转人。

在 Cloudflare，我们威胁情报团队测试 Clef 分类域名。给予域名（通过 Browser Run），它能快速识别类别，例如某域名 95% 时尚站、85% 电商、<1% 钓鱼等。此分类耗时 2.2 秒抓取渲染分类。对比最快通用 LLM gpt-oss-120b 同流程需 4.7 秒且仅返两类。延迟与结果翻倍节省可改进威胁情报工作流，更快识别恶意或合法域名。推广到任何需快速程序化决策场景，可解锁自主决策推理执行的智能体工作流。

音乐理论中，clef 是谱号，为线和间分配音名。决策模型类似谱号，帮助定义上下文域及后续音符（行动）。我们选 Clef 作决策模型族名，因类似用途，CF 让人想到 Cloudflare。

Clef 与其他决策模型有何不同？

尽管市场渐饱和，Clef 有独特属性。首先，它有视觉编码器，能接收图像分类视觉内容，不同于仅文本分类的 Jev。其次，64k 上下文窗口（Jev 32k），可塞入更多输入状态分类。

第三，模型准确强大，在各质量基准具竞争力。我们根据 Jev Decision Index 定义的重要评估筛选部分，对市场流行模型打分。见下表或实时站：

| 基准 | Clef | Clef-flash | Jev | DiffusionGemma Jev | Kev 9B | Laya | |---|---|---|---|---|---|---| | BFCL · case exact | 98.47 | 98.76 | 95.75 | 96.52 | 94.51 | 38.13 | | ToolRet · nDCG@10 | 69.19 | 66.43 | 65.28 | 61.21 | 64.26 | 12.69 | | API-Bank · accuracy | 91.93 | 93.11 | 88.19 | 83.66 | 56.30 | 11.41 | | Home appliances · case exact | 82.95 | 97.73 | 52.27 | 42.05 | 25.00 | 0.00 | | When2Call · accuracy | 72.37 | 65.58 | 80.97 | 75.44 | 49.62 | 11.94 | | BANKING77 · macro-F1 | 94.20 | 90.93 | 79.74 | 74.28 | 84.83 | 14.29 | | CLINC150+OOS · macro-F1 | 97.43 | 66.77 | 89.27 | 83.49 | 79.03 | 3.19 | | BRIGHT · nDCG@10 | 45.91 | 39.26 | 47.52 | 42.94 | 38.53 | 19.90 | | Amazon ESCI · macro-F1 | 57.48 | 57.39 | 55.21 | 53.37 | 49.22 | 24.40 | | PhishNChips · accuracy | 79.60 | 75.05 | 62.55 | 85.35 | 50.75 | 50.15 |

我们也跑过 Typesafe 自有评估套件，Clef 模型表现良好，4 项中 3 项胜 Jev。Clef-flash 虽快却极出色。

| 工作流 | Clef | Clef-flash | Jev | |---|---|---|---| | Invoice processing | 64.7 | 57.1 | 61.8 | | Customer service | 76.3 | 77 | 76.0 | | Security incidents | 62.9 | 61.7 | 61.7 | | Agent trace observability | 68.5 | 69.8 | 71.6 |

在 43 项基准中，Clef 延迟胜出（除极快但质量折损的 Laya）：

| 基准 | Clef | Clef-flash | Jev | DiffusionGemma Jev | Kev-9B | Laya | |---|---|---|---|---|---|---| | Median latency · ms | 209.3 | 38.8 | 524.1 | 84.4 | 51.4 | 5.8 | | p95 latency · ms | 238.6 | 122.4 | 536.0 | 211.2 | 187.9 | 222.5 |

除模型自身延迟优势，Clef 托管于 Workers AI，利用边缘 GPU 低网络延迟。可放入智能体热路径决策，结合 Workers AI 上 LLM 行动。

可通过 Workers AI API 发送 POST 请求调用 Clef，例如用 curl 传入包含状态与问题的 JSON（定义 urgent 等字段类型）。Clef 产生严格类型输出，兼容 Jev API，易替换。大 Clef 精度高，Clef-Flash 适延迟敏感。企业就绪，保证不读存训数据（除非用微调）。可阅文档或 HF 开源模型。若需调优，提供微调服务，先 FDE 团队手把手，后自助平台。

我们如何训练 Clef

Jev 发布同周，我们曾分享基于 DiffusionGemma 暴露 logprobs 出确定性概率的实验，初法基于 Matt Mastracci 研究及 vLLM 改动。Clef 沿用概念但换 Qwen 基模后训。推理时 Qwen 仅 prefill，并行评分有效模式。决策步非自回归，无中间文本，快于自回归 LLM。直接从内部表示得模式选择，用两阶段注意力路由：每选择抽上下文，字段交叉注意力回原负载，用词法先验保语义。冻结 Qwen3.8-27B(Clef)和 Qwen3.5-9B(Clef-flash)，联合优化路由头与 rank-256 低秩适配。后训用标签平滑交叉熵与 Brier 损失校准，利用内部合成数据排列字段等。开发 RLCD 强化学习作次优化，给相邻序次部分分，奖精确记录，参考惩罚防偏移，提精度泛化。最终实现分类准确、仅输概率非文本、快于 Jev 和基模。

微调如何扩展 Clef 能力

内部多用例需微调，如评估 Trust & Safety 提交、分派支持请求、Bot 产品判爬虫好坏。这些具体，我们有多年标注决策训练。微调牺牲通用换领域准确。Cloudflare 有 15 年网络数据，可微调更准更快。正与内部团队协作后训 Clef 造强 ML 模型。这些是新 FDE 微调团队及 RL 产品基础。

我们的新 RL 服务

提供 FDE 团队帮客户微调 Clef，后建自助平台捕获数据微调重部署于 Cloudflare。长期构建 AI 平台基元使能自定义 RL。Jev 兴趣显需快小专分类模，我们选此利基试 RL。

利用已有基元： - Cloudflare AI Gateway – 通过它传 AI 流量自动建数据集 - Cloudflare Workers AI – 对基模生成 rollouts - Cloudflare Containers – RL 沙盒评分重放 - [NEW] Trainer – 更新微调 Clef 权重 - Cloudflare Workers AI + BYO Model – 重部署微调模型

结合 AI Gateway 捕获流量、Containers 沙盒、Workers AI BYO Model(Cog) 等进展。

立即尝试

高兴推 Workers AI 团队首个 Cloudflare 训练 ML 模型。仍早有改进，但展示 AI 平台努力。Clef 能颠覆智能体使用方式，契合 Cloudflare 作为 agent cloud 使命。若有具体用例且已是客户，欢迎聊设计伙伴。可试 Workers AI 上模型，下 HF 权重，微调需求联系。

兴奋与围观居多：Cloudflare 放出一个据称比 Jev 更强的决策模型，还只隔了几周，让不少人怀疑这类模型是不是谁都能随手造一个。分歧主轴也在这里——一派认为这是门槛极低的快速套壳，另一派更关注它便宜、带视觉输入、还能顺手把 Cloudflare 的云栈全用上。

惊叹这类模型被闪电复制，怀疑门槛低得离谱

• 多个自称非 AI 背景的人追问：决策模型真有这么容易做，才会冒出这么多 Jev 替代品？是不是大家照着论文就能复刻？（较多人）
• 有人指出「决策模型」概念可能已酝酿很久，不是几天凭空冒出来（少数人） > 没受过 AI 训练的人想问一句：造决策模型真这么容易，以至于 Jev 的替代品已经泛滥了？（@yipinwong）

认为 Cloudflare 这波是在攒好感

• 持续推出有意思的新品，产品扎实、价格厚道，好到几乎不真实（较多人）
• 有人半开玩笑说要把整个云栈搬到 Cloudflare 上（较多人）
• 有人设想把它用在 WAF 上：给判定器更宽的请求上下文，让它直接决定挑战还是拦截，但担心眼下成本太高（少数人） > Cloudflare 这波确实在向我买好感，持续有新东西、产品稳、价格好，简直好得不真实。（@johnecheck）

价格才是真正的分歧点

• 输入每百万 token 0.24 美元，约为 Jev 的 6 倍；Clef-flash 只要 0.09 美元，竞争力强得多（较多人）
• 也有人认为虽然更贵，但内置视觉编码，值得一试（少数人） > 每百万输入 token 0.24 美元，差不多是 Jev 的 6 倍，而 Clef-flash 的 0.09 美元才有竞争力。（@ssiddharth）

怀疑它不过是又一个微调的大模型

• 通篇没提校准，看不出和普通 LLM 微调的差别（少数人） > 完全没提校准，这不就是又一个 LLM 微调吗？（@zwaps）

开放权重不等于开源

• 权重许可宽松，但数据和训练流程没有公开，无法从上游 Qwen 起点复现；权重不是「源码」（较多人） > 是开放权重，不是开源。权重许可宽松，但数据和训练管线没公开，没法从专有的 Qwen 起点复现出来。权重不是「源码」。（@buildbuildbuild）

为 Jev 团队感到惋惜

• 竞争来得太快，一个月内被围剿，从没见过这种场面；把整个公司押在一个模型上风险极大（较多人） > 我替 Jev 的人难过，他们当初想到过竞争会这么猛吗？（@esafak）

对命名和成品质量不买账

• 名字糟糕，也有人直接押注这是纯凑数之作（少数人） > 我赌这百分百是凑数垃圾。（@mococa）

有价值的补充

• 有人点出 Cloudflare 这个模型在隐秘状态里做了两年，并非几周内跟风复制，这解释了它为什么能一上来就对标 Jev。
• Clef 基于 Qwen3.8-27B、Clef-flash 基于 Qwen3.8-9B，思路与 Kev 相近，只是换成了更新的底座。
• 有冷静的观察：目前还没见人真正拿这些模型做出东西，用途相对小众，但制作便宜简单，对这些公司来说属于「顺手做一下也无妨」。