Cloudflare開源決策模型Clef與Clef-flash　支援視覺輸入及64k上下文　RL微調平台同期登場

Cloudflare於10月1日發表兩款自家訓練的決策模型（decision model）Clef與Clef-flash，託管於旗下Workers AI平台，模型權重以Apache 2.0授權在Hugging Face完全開源。公告於同日15:34（UTC，香港時間當日晚上11時34分）發布，同場推出全新強化學習（RL）微調產品，讓客戶按自身用途微調Clef。Cloudflare表示，在Jev Decision Index評測中，Clef目前居於受比較模型之首（截至公告日2026年10月1日）。

決策模型是甚麼？

決策模型根據輸入內容輸出帶有概率的分類結果，協助AI代理決定行動方式。以客戶服務為例，支援訊息輸入決策模型後，可判斷訊息是否緊急、應由哪個團隊處理，並回傳帶概率的結構化答案；程式可據此分派工單、觸發升級，或轉交人類處理。在這種模式下，人類無須參與每一項代理決策：代理可以自行收集上下文、作出判斷並執行任務，必要時才交由人類處理。

Cloudflare已在旗下威脅情報（Threat Intelligence）團隊以Clef協助網站域名分類。將域名連同Browser Run交給Clef，可得出例如「95%概率屬時尚網站、85%屬電商、少於1%屬釣魚網站」的分類結果，整個抓取、渲染及分類過程需時2.2秒。公告指出，同一流程以旗下最快通用LLM gpt-oss-120b運行需時4.7秒，而且只回傳兩個分類。

與同類模型的三項差異

公告列出Clef與市場上其他決策模型的三項差異。第一，Clef具備視覺編碼器（vision encoder），可接收圖片並對視覺內容分類，而Jev目前只支援文字分類。第二，Clef的上下文窗口為64k，是Jev 32k的兩倍，可容納更多輸入狀態供模型分類。第三，在按Jev Decision Index定義的評測中，兩款Clef模型與市場上多款決策模型全面比併，以BFCL的case exact指標為例，Clef得98.47分、Clef-flash得98.76分，Jev為95.75分。另外，在Typesafe自家評測套件的評估中，Clef在4個項目之中有3個勝過Jev。

延遲表現與部署方式

兩款模型託管於Workers AI，運行於Cloudflare邊緣網絡的GPU之上，網絡延遲較低，可放入代理工作流程的熱路徑（hot path），並與同平台的其他LLM組合使用。在Cloudflare運行的43項評測基準之中，Clef的中位數延遲為209.3毫秒、Clef-flash為38.8毫秒，Jev則為524.1毫秒；公告指除了速度更快但在質素上有所取捨的Laya之外，Clef模型的延遲低於受比較的決策模型。

定位方面，較大的Clef是更強的精確模型，Clef-flash則適合對延遲敏感的決策場景。兩款模型的輸出為嚴格類型化（strictly typed），與Jev完全API相容，現有用戶可直接切換。

開源權重與技術方向

兩款模型的權重以Apache 2.0授權在Hugging Face完全開源，供用戶本地部署及實驗。技術方面，Clef以Qwen3.8-27B為基礎，Clef-flash以Qwen3.5-9B為基礎，兩者均採用凍結骨幹模型的方式，聯同路由頭（routing head）及rank-256低秩適配器一併最佳化，並以兩階段注意力路由架構生成結構化輸出。Cloudflare同時推出RL微調產品，供需要按特定工作負載調整Clef的客戶使用；公告並指託管版模型屬企業級就緒，Cloudflare不會讀取、儲存或使用客戶的請求與回應作訓練（使用微調產品的情況除外）。

資料來源：Cloudflare Blog