Cloudflare Clef 在 2026 年 10 月 1 日由 Cloudflare 通过其官方博客正式发布，是 Workers AI 团队自研训练的首批模型。这一系列包含 Clef 与更轻量的 Clef-flash，现已上线 Workers AI 托管服务，权重同步在 Hugging Face 以 Apache 2.0 许可证开源，开发者既可以直接调用托管接口，也可以下载权重自行部署。
不生成文字，只给出带概率的判断
Clef 属于近两周迅速走热的「决策模型」。这一概念由 TypeSafe AI 的 Jev 带火，该公司 9 月中旬推出的 System One 模型不生成自由文本，而是对预先定义的问题给出带概率的类型化答案，例如是或否、多选一项或一个评分，背景见 TypeSafe AI 与 Jev 的决策模型概念。程序拿到这种结构化结果后，可以直接据此分类、路由、升级处理或放行。Clef 与 Jev 的 API 完全兼容，已在用 Jev 的团队只需改动端点和模型名即可切换。
在规格上，Clef 基于 Qwen3.8-27B 后训练，采用冻结骨干加 rank-256 LoRA 的方式，并带有视觉编码器，可以处理图像输入，上下文长度为 64k，高于 Jev 的 32k；Clef-flash 则基于 Qwen3.5-9B，主打更低的延迟。
官方评测很快，但并非全项领先
按 Cloudflare 公布的自测数据，在 BANKING77 意图分类任务上，Clef 的 macro-F1 为 94.20，Jev 为 79.74。中位延迟方面，Clef 为 209.3 毫秒，Clef-flash 只有 38.8 毫秒，Jev 为 524.1 毫秒。Cloudflare 称 Clef 目前在 Jev Decision Index 上居首，不过边界也要说清：在 When2Call、BRIGHT 等个别项目上，仍然是 Jev 领先，Clef 并不是每一项都赢。
Cloudflare 内部也已经在用。威胁情报团队用 Clef 给网站域名分类，取页、渲染再到分类全流程共用 2.2 秒；同样的流程换成最快的通用大模型 gpt-oss-120b 需要 4.7 秒，而且只返回两个分类，细致程度明显不如专门的决策模型。
快的原理，以及配套的微调服务
Clef 快在推理方式不同：它只做一次 prefill，不按自回归方式逐字生成，而是非自回归地并行给每个合法选项打分，一次前向就能得出全部选项的概率。训练阶段则用了带标签平滑的交叉熵与 Brier 损失，并通过 RLCD（Reinforcement Learning for Calibrated Decisions）校准概率，让输出的置信度更贴近真实正确率。
与模型一同推出的还有强化学习微调服务。初期先由 Cloudflare 的前置部署工程师陪跑，后续再做成自助平台，组件包括负责沉淀请求数据的 AI Gateway、生成 rollouts 的 Workers AI、提供 RL 沙盒的 Containers、负责更新权重的 Trainer，以及源自收购 Replicate 技术的 BYO Model 重新部署环节。
两周之内，决策模型已经从一个产品变成一个品类。它拼的不是比通用大模型更聪明，而是把智能体流程里高频、低风险的判断，从昂贵的大模型调用里拆出来单独处理。边界同样明确：它只负责判断，不负责推理和生成，实际落地时必须和大模型搭配使用。
