AI 快讯 | Cloudflare 开源决策模型 Clef：27B／9B 两档、Apache 2.0 权重，兼容 Jev 的 System One API

文档资源
, , ,
1

一句话核心

:fire: Cloudflare 于 2026-10-01 发布并开源两个自训决策模型：Clef（27B） 与 Clef-flash（9B）——权重在 Hugging Face 以 Apache 2.0 开放，同时托管在其 Workers AI 上。两者沿 Typesafe 的 System One API（noul／choice／score 三类问题，每次最多问 64 个），不做自由文本生成，直接返回每个允许答案的概率；官方称在 10 项决策基准中有 7 项由 Clef 系模型取得最高分，并首次推出配套的强化学习微调服务。

图 1

图 1：Cloudflare 官方博客页首，可见标题、署名与页内日期 October 1, 2026。来源：Cloudflare 官方博客，2026-10-01。

背景脉络

  • 发布方与日期：这是 Cloudflare Workers AI 团队第一次自己训练的模型——官方在开发者更新日志里的原话是「the first models trained by the Cloudflare Workers AI team」。更新日志页载 October 1, 2026，博客页首同样标 OCTOBER 1, 2026。
  • 「决策模型」是什么（官方定义）：它不生成文本，而是读入一个输入状态与一组带类型的问答，为每个允许的答案返回概率；下游代码可直接据此路由工单、阻断请求或升级人工。官方强调「没有自由文本要解析，也没有推理 token 要等」。
  • 这条线的由来：Cloudflare 自己说，这事起于 Typesafe AI 的 Jev 带起的热度——是 Jev 把「决策模型」这个概念带进 AI。本条与本站已发的 topic 175（TypeSafe Jev） 同线，与 topic 180（U2-Decision、Jev-Omni 等社区生态） 是同一条线的两个侧面（那边讲社区对标，这条讲大厂自训＋开源），可互引、不合并。
  • 一个容易混淆的点：Cloudflare 是拿 Typesafe 的 Jev Decision Index 来评自己的，并把 Jev、DiffusionGemma Jev、Kev 9B、Laya 都放进了同一张对照表——Clef、Jev、Kev 是三个不同主体（Cloudflare 自训／Typesafe AI 的产品／社区项目 jaredpalmer），Clef 不是 Jev 的后继。

关键细节

1）两个模型与它们的骨架

  • 官方规格：@cf/cloudflare/clef＝27B，定位「最高精度」；@cf/cloudflare/clef-flash＝9B，定位「延迟敏感的热路径」；两者上下文均为 64K tokens。
  • 训练口径（官方原文）：Clef 冻结 Qwen3.8-27B、Clef-flash 冻结 Qwen3.5-9B，联合优化一个路由头与 rank-256 的 LoRA；后训练用标签平滑交叉熵配合 Brier 损失校准概率，另有称为 RLCD（面向校准决策的强化学习） 的优化目标；数据来自其内部合成数据集（对字段顺序、提示词与 schema 结构做排列）。
  • 推理机制：Qwen 只跑一次 prefill，随后并行给各个合法 schema 选项打分；决策步骤是非自回归的，因此没有逐 token 生成的中间文本——官方称这也是它比自回归 LLM 快的原因。
  • 多模态：Hugging Face 模型卡写明 Clef 是 27B 多模态模型，输入可以是文本、JSON、图像或视频；更新日志补一句「可随状态传入最多四张图片」（不同于纯文本的决策模型）。

2）接口与可用范围

  • 它跟随 System One API（官方原文）：现有 Jev 集成只需换端点与模型名即可切过来；每次请求最多问 64 个问题，问题分三类：noul（是／否，返回「是」的概率）、choice（从你定义的选项里选一个，返回所选选项、每个选项的概率与一个置信度）、score（按有序评分档打分，返回概率加权分与各档概率）。
  • 两种获取方式：托管在 Workers AI（端点 @cf/cloudflare/clef 与 @cf/cloudflare/clef-flash，也可走 REST 接口 /ai/run 与 AI Gateway）＋ 权重在 Hugging Face 以 Apache 2.0 开放（Cloudflare/clef、Cloudflare/clef-flash）。
  • 企业口径：官方承诺不读取、不存储、不用客户的请求与响应做训练——除非你使用它的微调产品。
  • 新推出的 RL 微调服务：官方称先由前向部署工程师团队陪跑帮客户微调，之后做自助平台；链路全部由 Cloudflare 自有部件组成：AI Gateway（把 AI 流量自动沉淀成数据集）→ Workers AI（对基座模型生成 rollouts）→ Containers（RL 沙箱打分与回放）→ Trainer（新） → Workers AI ＋ BYO Model（重新部署微调后的模型）。

图 2

图 2：Hugging Face 上的 Cloudflare/clef 模型卡首页，可见 apache-2.0 许可、基座 Qwen/Qwen3.8-27B、27B 参数与 BF16 张量类型。来源：Hugging Face 模型页 Cloudflare/clef，2026-10-02。

数据解读

先说口径：以下 benchmark 与延迟数字全部是 Cloudflare 自测，榜单也是它自建的在线演示站，第三方没有复测。

官方自测：10 项决策基准（6 个模型对照，节选）

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
API-Bank · accuracy 91.93 93.11 88.19 83.66 56.30 11.41
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
When2Call · accuracy 72.37 65.58 80.97 75.44 49.62 11.94
PhishNChips · accuracy 79.60 75.05 62.55 85.35 50.75 50.15
  • 官方结论与其边界：官方称这 10 项里有 7 项由 Clef 系模型取得最高分——按上表可逐项数出；Jev 仍拿下 When2Call（80.97）与 BRIGHT，DiffusionGemma Jev 拿下 PhishNChips（85.35），并非全面领先。
  • 另一块：在 Typesafe 自己的 WorkflowEvals 四项中，官方称 Clef 系赢了 3 项（发票处理、客服、安全事件），仅在「agent trace observability」上以 68.5／69.8 落后 Jev 的 71.6。

延迟（官方表，单位毫秒）

指标 Clef Clef-flash Jev DiffusionGemma Jev Kev-9B Laya
中位 209.3 38.8 524.1 84.4 51.4 5.8
p95 238.6 122.4 536.0 211.2 187.9 222.5
  • 官方口径是「在 43 项基准运行里，Clef 中位比 Jev 快 2.5 倍、Clef-flash 快 13 倍」。但同一张表也说明：Clef 的中位延迟高于 Kev-9B（51.4ms）与 DiffusionGemma Jev（84.4ms），而 Laya 中位最快（5.8ms）却在上表的质量基准里垫底（官方自己也注明 Laya「以质量换取速度」）。⇒ 准确率与延迟必须分开说，不能合并成一句「更快更强」。
  • 一个自有用例（官方给）：在其威胁情报团队做域名分类——配合 Browser Run，Clef 在一个域名上完成抓取、渲染、分类耗时 2.2 秒，对照其最快的通用 LLM gpt-oss-120b 在同一流程 4.7 秒且只返回两个分类。

价格与使用成本

  • Cloudflare 官方定价页本次未取到，官方价目因此无从核实。
  • 第三方转述（须按转述读）：The Register 引述称 Clef 为 $0.24／百万 token、约为 Jev 的 $0.042／百万 token 的 6 倍；同篇引 Cloudflare 的 Michelle Chen 称本地跑的显存门槛是 Clef-flash 需 ≥41GB、Clef 需 85GB。这两组数字均出自该媒体，未在官方页核到。
  • 计费与适用条件提醒：官方更新日志把价格指向其 Workers AI 平台定价页；权重这一侧是 Apache 2.0，但官方原话只写「open-sourcing these models … under an Apache 2.0 license」，训练数据与配方未提 ⇒ 不要把「权重开源」写成「全部开源」。

辩证评估

  • 机会： 它把「决策模型」从一个明星产品变成一个可比较的品类——官方一张对照表就把 Clef／Clef-flash／Jev／DiffusionGemma Jev／Kev 9B／Laya 并排摆开；而且这是这条线第一次出现「大厂自训 ＋ 权重开源 ＋ 配套微调服务」的完整形态。对需要「有限预设答案」的调用场景，非自回归打分＋64K 上下文＋可传图的组合确实比用通用 LLM 做分类更省事。
  • 限制或争议：
    • 所有分数都是自测，榜单是自建演示站；第三方没有复测，官方也没有提外部评测。
    • 准确率与延迟是两回事（见上）；不能写「全面领先」。
    • 价格与本地显存门槛只有媒体转述，官方页未核到。
    • Apache 2.0 只覆盖权重，训练数据与配方未公开。
    • 主体容易混淆：Clef／Jev／Kev 分属 Cloudflare／Typesafe AI／社区项目。

已知 vs 待验证

已知（官方已证实）

  • 发布日 2026-10-01（更新日志与博客页首互证）；两个模型的规格（27B／9B、64K）、训练口径（冻结 Qwen3.8-27B／Qwen3.5-9B ＋ rank-256 LoRA）、API 形态（System One／三类问题／每次最多 64 问）、权重以 Apache 2.0 在 Hugging Face 开放、托管端点，以及企业「不读取、不存储、不训练」的承诺。

独立观察 / 转述

  • The Register 给出的 $0.24／百万 token、约 6 倍于 Jev、以及 41GB／85GB 显存门槛。
  • 全部 benchmark 与延迟为厂商自测（榜单亦为官方自建）。

待验证

  • Cloudflare 官方定价页未取到；官方未说明入门期、区域或速率限制条件。
  • 训练数据与训练配方未公开；官方自建榜单的完整 43 项结果未逐项核对。
  • 官方称目标是把决策模型放进 agent 热路径，尚无第三方在高并发生产环境下的复测。

给读者的建议

  • 先判断你需不需要「决策模型」：如果你的调用是有限预设答案的分类／路由／打分（工单分流、内容分级、风控判定），它比让 LLM 生成再解析更省事；如果你要的是开放式生成或推理，这个品类不适用。
  • 迁移成本很低，值得试：因为跟随 System One API，已有 Jev 集成换端点与模型名即可切过来；要本地跑则去 Hugging Face 取权重（注意上面那组显存门槛是媒体口径）。
  • 对比时把两件事分开看：准确率看那张 10 项表（注意 Jev 仍在 When2Call、DiffusionGemma Jev 在 PhishNChips 更高）；延迟看另一张表（注意 Clef 中位高于 Kev-9B 与 DiffusionGemma Jev，Laya 最快但质量垫底）。
  • 暂不适合谁：想要「一个模型包打天下」的团队——决策模型是给 agent 做有限决策的组件，通常要与一个通用 LLM 搭配使用。

来源链接

官方

独立 / 媒体报道（价格与显存门槛的出处）