Cloudflare 发布开源决策模型 Clef 与 RL 微调平台

Clef 是什么？谁发布的？

2026年10月1日，Cloudflare 发布了两个自己训练的决策模型，名字叫 Clef 和 Clef-flash。它们托管在 Cloudflare 的 Workers AI 平台上，同时 Cloudflare 把模型开源到了 Hugging Face，使用 Apache 2.0 许可证，任何人都可以下载到自己的电脑上运行和试验。官方还同步推出了一个强化学习微调平台，让客户可以按自己的需求调整 Clef。

决策模型和常见的大语言模型不一样。大语言模型像一位能写文章、能聊天的万能助手，但每次回答可能不太一样；决策模型更像一位分类员，你给它一段文字或一张图片，它快速告诉你这属于哪一类，并且给出一个概率，比如“95% 是时尚网站”。Clef 这个名字来自音乐里的谱号，谱号决定音符在五线谱上的位置，Clef 则帮程序确定接下来该做什么动作。

它和普通大语言模型有什么不同？

普通大语言模型是“生成式”的，它会一个字一个字地写出回答，所以速度较慢，而且每次输出可能不同。Clef 是“非自回归”的，它不需要逐字生成中间文字，而是一次性给所有可能的选项打分，然后直接输出结构化的结果。原文举例说，在威胁情报团队测试中，Clef 用 2.2 秒完成一个网站的抓取、渲染和分类，而最快的通用大语言模型 gpt-oss-120b 用了 4.7 秒，并且只返回了两个分类。

Clef 的输出是严格类型化的，比如“紧急程度”只能选“不紧急、一般、紧急”中的一个，“处理团队”只能从“账单、技术、销售”里选。这种设计让程序很容易接住结果，自动决定是转给人工、触发升级，还是继续自动处理。它兼容 Jev 的 API，所以原本用 Jev 的项目可以很方便地换成 Clef。

Clef 和 Clef-flash 各有什么特点？

Clef 是更强大的精度模型，适合需要高准确率的决策场景；Clef-flash 是速度优先的模型，适合对延迟非常敏感的任务。原文的基准测试显示，Clef 在多个评测中领先，比如在 BFCL 案例精确度上达到 98.47，Clef-flash 达到 98.76；在延迟方面，Clef 中位延迟 209.3 毫秒，Clef-flash 只有 38.8 毫秒，而 Jev 是 524.1 毫秒。

Clef 还具备视觉编码器，可以接收图片并分类视觉内容，而 Jev 目前只做文本分类。Clef 的上下文窗口是 64k，比 Jev 的 32k 大一倍，意味着一次可以塞进更多信息让模型判断。Cloudflare 表示，这些模型已经可以用于企业场景，并承诺不会读取、存储或使用客户的请求和响应来训练模型，除非客户主动使用微调产品。

它能用来做什么？

最直接的用途是帮程序自动做决定。比如客服系统收到一条消息，Clef 可以判断“是否紧急”以及“该由哪个团队处理”，然后代码根据结果自动分派工单。在 Cloudflare 自己的威胁情报团队，Clef 被用来给网站域名分类，快速识别它是时尚网站、电商网站，还是钓鱼网站，从而加快发现恶意域名的速度。

任何需要快速、稳定、可编程决策的场景都可以用 Clef，比如发票处理、安全事件分级、代理轨迹观察等。原文给出的 API 示例中，用户传入一段状态描述和几个问题，Clef 就会返回带概率的答案。因为模型托管在 Cloudflare 的边缘 GPU 上，网络延迟低，可以放进代理的“热路径”里，和 Workers AI 上的大语言模型配合，一个负责决策，一个负责执行。

怎么使用和微调？

开发者可以通过 Workers AI 的 API 直接调用 Clef，原文给出了 curl 示例，请求地址是 Cloudflare 的 AI 运行端点，传入模型名、状态和问题定义即可。如果想在本地运行，可以从 Hugging Face 下载开源模型，Apache 2.0 许可证允许自由使用和修改。Cloudflare 还提供开发者文档和在线演示站点，方便查看基准分数。

如果通用模型不够贴合自己的业务，Cloudflare 提供微调服务。第一阶段由 Cloudflare 的前置部署工程师团队手把手合作调优；之后会推出自助式微调平台，让客户自己训练并把模型重新部署到 Cloudflare 上。原文没有说明微调平台的具体上线日期和价格，需要等待官方后续公布。

有哪些限制和不确定的地方？

Clef 是决策模型，不是聊天机器人，它不能像大语言模型那样自由生成文章或进行开放式推理。它的强项是快速分类和打分，适合有明确选项的决策任务。如果问题本身没有清晰的类别，或者需要创造性回答，Clef 就不合适。另外，虽然 Clef 在多个基准上表现优秀，但原文也提到 Laya 模型在延迟上更快，只是质量有取舍。

原文没有说明 Clef 的具体参数量、训练数据的来源和规模、RL 微调平台的定价和正式上线时间，也没有给出 Clef-flash 的独立开源仓库地址。这些信息目前只能标记为“官方未说明”。对于想要评估是否采用 Clef 的团队，建议先阅读官方文档，在演示站点上查看与自己场景接近的基准，再用 API 做小规模测试。

适合哪些人使用？

Clef 适合需要自动化决策的开发者、AI 代理构建者、安全团队和客服系统工程师。如果你正在搭建一个工作流，里面有很多“如果……就……”的判断，而且希望判断快速、稳定、可编程，Clef 会很有帮助。它兼容 Jev API，所以已经使用 Jev 的团队可以低成本迁移。

对于小学生和初中生来说，可以这样理解：Clef 就像一个超级快的分类小助手，你给它一堆信息，它马上告诉你这些信息属于哪一类，然后你的程序就知道下一步该做什么。它不会自己写故事，但能在需要快速做决定的时候帮上大忙。Cloudflare 把模型开源，也是希望更多人能下载下来，自己动手试试看。