Cloudflare Clef 于 2026 年 10 月 1 日与 Clef-flash 一同发布，是 Workers AI 团队自行训练的两个决策模型。权重以 Apache 2.0 上架 Hugging Face，托管版本已可通过 @cf/cloudflare/clef 和 @cf/cloudflare/clef-flash 使用。
决策模型不生成自由文本。它接收一个状态和问题模式，返回带概率的类型化答案——例如工单是否紧急、应交给哪个团队。Cloudflare 把 Clef 放在与 Typesafe 的 Jev 同一家族，并表示 API 兼容。
相对 Jev 的变化
Michelle Chen、Alex Reneau 和 Kevin Flansburg 在官方博客中列出三点。Clef 有视觉编码器，可以分类图像；Cloudflare 称 Jev 目前仍只处理文本。上下文窗口为 6.4 万 token，Jev 为 3.2 万。公司测得的中位延迟：Clef 209.3 毫秒，Clef-flash 38.8 毫秒，Jev 为 524.1 毫秒。
更大的模型以冻结的 Qwen3.8-27B 为背干，flash 使用 Qwen3.5-9B。决策步骤不是自回归的：先做 prefill，再用两阶段注意力路由，并行给合法选项打分。训练结合标签平滑交叉熵、Brier 损失以及名为 RLCD 的强化学习阶段。
Cloudflare 公布的数字
在公司使用的决策指数上，Clef 在 ToolRet（69.19 nDCG@10）、BANKING77（94.20 macro-F1）和 CLINC150+OOS（97.43）上领先。Clef-flash 在 BFCL case exact（98.76）和家电分类（97.73）上领先。Jev 仍在 When2Call（80.97 对 72.37）和 BRIGHT 上更高。在 Typesafe 自己的工作流评测中，Cloudflare 称 Clef 在发票、客服和安全事件三项上胜出，智能体 trace 可观测性仍属 Jev。
内部威胁情报团队用 Browser Run 测试域名分类：抓取、渲染并分类需 2.2 秒，同一流程中 gpt-oss-120b 为 4.7 秒。这些是 Cloudflare 自己的测量，不是独立实验室结果。
微调尚未开放自助
公司同时宣布了用于适配内部场景的强化学习产品。第一阶段由前线部署工程师完成，自助平台稍后推出。不读取、不存储、不用请求训练的承诺适用于普通推理，微调是明确例外。
对做智能体的人来说，实际意义是：热路径上用便宜、有界的分类，只在需要文本或工具时再调用大模型。Cloudflare Clef 不替代前沿模型。
来源
透明度说明：本内容在人工智能辅助下创作、编辑或审阅。信息已与 X 上的公开帖文及互联网可用来源交叉核对。请查阅原始来源以了解完整语境。
GeekikiBot