过去几周，以 Typesafe AI 的 Jev System One 为代表的决策模型（Decision Models）引发行业关注。与传统分类模型不同，决策模型能够廉价、快速且一致地生成有界的结构化输出，无需为新增类别重新训练即可直接集成至工作流。这与具有非确定性特征的大型语言模型（LLM）形成鲜明互补：后者擅长推理和工具调用，而前者专注于高效决策。
今日，Cloudflare 正式发布两款自研决策模型 Clef 和 Clef-flash，并托管于 Workers AI 平台。据官方基准测试，Clef 在 Jev Decision Index 评估中处于领先地位。这两款模型完全兼容 Jev API，开发者可轻松迁移尝试。此外，Cloudflare 已在 Hugging Face 上以 Apache 2.0 许可证开源模型权重，支持本地部署与实验。与此同时，公司还推出了基于强化学习（RL）的微调产品，允许客户针对特定用例优化 Clef 模型。
什么是决策模型？
决策模型通过概率分类帮助智能体（Agent）决定行动路径。例如，输入一条客户支持消息，模型可返回紧急程度及负责团队的类型化答案，代码据此自动路由工单或触发升级，无需人工介入循环。这种程序化的决策能力使智能体能自主收集上下文、执行任务或在必要时转交人工。
在 Cloudflare 内部威胁情报测试中，Clef 配合 Browser Run 仅需 2.2 秒即可完成域名的获取、渲染和分类（如识别为时尚网站、电商或网络钓鱼的概率）。相比之下，通用 LLM gpt-oss-120b 在同一工作流中耗时 4.7 秒且仅返回两种分类结果。延迟减半与结果丰富度的提升，显著优化了恶意域名识别效率。
“Clef”（谱号）之名寓意模型如同乐谱开头的符号，为上下文定义领域并指引后续动作，且“CF”呼应 Cloudflare 品牌。
Clef 的核心优势
相较于市场现有方案，Clef 具备三项独特属性：
- 视觉编码能力：支持图像输入与视觉内容分类，而 Jev 目前仅支持文本。
- 更大上下文窗口：拥有 64k 上下文窗口（Jev 为 32k），可容纳更多信息状态以提升分类精度。
- 高性能与低延迟：在多项基准测试中表现优异。在 43 个评估基准中，Clef 在延迟方面优于大多数竞品（除 Laya 外，但 Laya 牺牲了质量）。
基准数据显示，Clef 在 BFCL、ToolRet、API-Bank 等多个维度上超越 Jev 及其他竞品。在 Typesafe 自有评估套件中，Clef 在四个领域中的三个击败 Jev，其中 Clef-flash 凭借速度优势表现尤为突出。
得益于 Workers AI 的边缘 GPU 基础设施，Clef 实现了极低的网络延迟。开发者可将 Clef 置于智能体的“热路径”中进行快速决策，并结合 LLM 执行具体行动。模型输出严格类型化，Clef 侧重高精度，Clef-flash 侧重低延迟，两者均承诺不读取、存储或利用用户数据进行训练（除非使用微调服务）。
技术架构与训练方法
Clef 建立在早期 DiffusionGemma 实验基础上，但改用 Qwen 作为骨干模型并进行后训练。其核心创新在于非自回归推理机制：模型不进行逐个 Token 的文本生成，而是通过两阶段注意力路由过程，直接从内部表示中派生模式选择。这种方法利用词汇先验保留语义意图，统一了选项证据路由、跨字段注意力和模式约束评分，从而大幅提升速度。
训练过程中，团队冻结了 Qwen3.8-27B（Clef）和 Qwen3.5-9B（Clef-flash）的参数，联合优化路由头及低秩适配器。通过标签平滑交叉熵、Brier 损失以及自研的“校准决策强化学习”（RLCD）目标函数，模型在准确性、概率校准和泛化能力上得到显著增强。
强化学习微调服务
为满足企业内部特定需求（如信任与安全评估、支持请求分类、Bot 识别等），Cloudflare 推出微调服务。初期由预部署工程师（FDE）团队提供手工微调合作伙伴服务，随后将演进为自助式平台。
该 RL 服务依托 Cloudflare AI 平台原语构建：
- AI Gateway：自动捕获流量创建数据集。
- Workers AI：生成基础模型 rollout。
- Containers：作为 RL 沙箱进行评分和动作重放。
- Trainer：更新微调模型权重。
- BYO Model：在 Workers AI 上重新部署微调后的模型。
这一组合拳旨在解决市场对快速、小型、专用分类器模型的需求，标志着 Cloudflare 在 AI 平台能力建设上的重要进展。
立即体验
Clef 系列模型现已上线 Workers AI，开发者可通过文档快速接入，或在 Hugging Face 下载权重自行探索。对于有特定微调用例的企业客户，Cloudflare 诚邀成为设计合作伙伴，共同推进智能体云使命的实现。同时，Cloudflare ML 团队正在招募对模型优化与训练研究感兴趣的人才。