CloudFlare 推出開放權重決策模型 Clef 與 Clef-flash，直接對標 JEV 引爆的「決策模型」風潮。Clef 不像一般大型語言模型逐字吐出文字，而是針對預先定義好的選項直接給出機率；官方宣稱 Clef-flash 的中位延遲只有 38.8 毫秒，並以 Apache 2.0 授權釋出權重，連同一套強化學習微調平台一併亮相。
這項發表在 10 月 1 日於 Hacker News 衝上近 400 分，也被 Slashdot、MarkTechPost 等科技媒體跟進報導，成為近期決策模型競賽中最具份量的一次出手。
Clef 是什麼：不寫字，只做選擇
根據 Cloudflare 官方部落格（作者為 Michelle Chen、Alex Reneau 與 Kevin Flansburg），Clef 是一組為代理式工作流程設計的決策模型，輸出的是受限的結構化結果與機率，而不是開放式文字。官方說明它採非自回歸方式，一次平行評分所有候選選項，而不是逐 token 生成。
依 MarkTechPost 整理，這個系列包含 27B 參數的 Clef 與 9B 參數的 Clef-flash，兩者皆以 Apache 2.0 授權，可在 Workers AI 上使用，也能從 Hugging Face 下載自行部署。題型分為是非題的機率、多選項的各選項機率，以及依評分標準給出的加權分數，單次請求最多可帶 64 個問題，並支援文字、JSON、圖片與影片輸入。
與 Jev 的對比：速度與視覺能力是主打
Cloudflare 的比較對象明確指向 Jev。官方指出 Clef 能分類圖片，而 Jev 僅支援文字；上下文長度為 64k，是 Jev 的兩倍。在 Cloudflare 採用 Jev 決策指標所做的測試中，Clef-flash 的 BFCL 案例完全比對得分為 98.76，高於 Jev 的 95.75；Clef 在工具檢索 ToolRet nDCG@10 為 69.19，同樣領先 Jev 的 65.28。
速度差距則更顯著：Clef-flash 的中位延遲為 38.8 毫秒，Clef 為 209.3 毫秒，Jev 為 524.1 毫秒。Cloudflare 並舉內部案例，領域分類任務在 Clef 上花 2.2 秒，同樣工作交給 gpt-oss-120b 則需要 4.7 秒。這些數字都來自 Cloudflare 自家的測試，尚未見到第三方獨立複測。
MarkTechPost 的整理同時提到，Jev 在知識密集型任務仍然領先，例如 GPQA Diamond 為 78.3 對 48.0、MMLU-Pro 為 82.7 對 65.9，顯示兩者定位並不完全相同：Clef 偏向快速分類與路由，不是用來取代通用推理模型。
附帶亮相的強化學習微調服務
除了模型本身，Cloudflare 也預告一套以私有資料進行強化學習微調的平台。目前採由駐點工程師協助的方式，企業可透過設計夥伴表單申請；官方規劃的自助版將整合 AI Gateway 自動建立資料集、以 Workers AI 部署模型、用 Cloudflare Containers 作為強化學習沙盒，並支援自帶模型。Cloudflare 也聲明不會讀取、儲存或拿用戶請求來訓練。
在定價方面，各媒體整理的數字不一，Cloudflare 官方部落格頁面目前並未列出明確的計價結構，實際費用以官方公布為準。
決策模型競賽升溫
TechCrunch 同日報導指出，Amazon 也推出自家的 Jev 類似模型，OpenAI 先前亦有同類動作，加上 Cloudflare 這次以開放權重切入，「專做毫秒級決策的小模型」正快速從單一新創的點子變成各大平台的標準配備。對開發者而言，這類模型適合放在代理流程的路由、意圖分類與工具選擇環節，用低成本、低延遲的方式取代每一步都呼叫大型模型的做法。
至於實際效果能否在不同場景複製，仍有待社群拿到權重後獨立驗證。
來源
Cloudflare 官方部落格：Introducing Clef；MarkTechPost；Slashdot。
