Cloudflare 发布了 Clef 和 Clef-flash，这是其 Workers AI 团队训练的首批模型。它们是决策模型，而非聊天机器人。每个模型读取一个输入状态和一份带类型问题的 schema。它为每个允许的答案返回一个概率，不生成自由文本。两者均以 Apache 2.0 协议开源权重，并兼容 TypeSafe AI 的 Jev API。
它可以部署吗？可以，这两个模型如今已在 Workers AI 上运行，权重也发布在 Hugging Face 上以供自托管。
决策模型能做什么
LLM 一次生成一个 token，其输出仍需解析。决策模型只回答关于某个输入的一组固定问题。Clef 支持 3 种问题类型：
noul：是/否，返回“是”的概率。
choice：从 1 个具名选项中挑选，给出每个选项的概率和一个置信度值。
score：依据有序评分标准打分，返回概率加权后的分数。
在 Workers AI 上，1 次请求最多可携带 64 个问题和 4 张图片。
TypeSafe AI 于 2026 年 9 月 15 日发布了 Jev，这是其首个“System One”模型。随后出现了 Kev-9B 和 Laya 等开放替代方案。Clef 使用相同的 System One API。从 Jev 切换过来只需更改端点和模型名称。
Clef 如何工作
Clef 基于 Qwen3.8-27B 后训练而来，Clef-flash 则基于 Qwen3.5-9B。两者都保留了主干网络的视觉编码器。
推理分为 2 个阶段。主干网络首先对状态和问题执行一次仅预填充的传递。随后，一个小型 transformer——联合 schema 头——读取最终的隐藏状态。它将证据路由到每个问题，让各字段进行交叉注意力，并联合为所有选项打分。每个问题各自的 softmax 将 logits 转换为概率。
训练冻结了两个主干网络，并用秩为 256 的低秩适配器联合优化路由头。损失函数将标签平滑的交叉熵与用于校准的 Brier 损失配对。一个次要目标——校准决策强化学习（RLCD）——为相邻的有序选项给予部分分数。
交互式讲解
基准测试：Clef 在哪里胜出，在哪里没有
在 Cloudflare 从 Decision Index 0.2.1 套件中选出的 10 项基准测试短名单上，Clef 模型在其中 7 项上得分最高。
BANKING77（宏平均 F1）：Clef 94.20 对 Jev 79.74。
CLINC150+OOS（macro-F1）：Clef 97.43 对 Jev 89.27。
家用电器（case exact）：Clef-flash 97.73 对 Jev 52.27。
Jev 在其他方面保持明显领先。完整模型卡显示 Jev 在 GPQA Diamond 上领先（78.3 对 48.0）。它还在 MMLU-Pro（82.7 对 65.9）和 BBH（92.9 对 73.7）上领先。
在 TypeSafe 自家的工作流评测中，Clef 在 4 个领域中的 3 个击败 Jev，优势幅度较小。发票处理为 64.7 对 61.8，客户服务为 76.3 对 76.0，安全事件为 62.9 对 61.7。Jev 在智能体轨迹可观测性上领先，71.6 对 68.5。
在 Cloudflare 的威胁情报工作流中，Clef 用 2.2 秒完成了一个域名的分类。gpt-oss-120b 用了 4.7 秒。
所有数字均由厂商报告，尚无独立复现。
功能对比
功能ClefClef-flashJevKev-9BLaya开发者CloudflareCloudflareTypeSafe AIJared PalmerConvai Innovations规模27B9B未披露9B + 45.4M LoRA421M骨干Qwen3.8-27BQwen3.5-9B未披露Qwen3.5-9B-BaseModernBERT-large权重Apache 2.0Apache 2.0托管 APIApache 2.0Apache 2.0图像输入是是否否否上下文65,53665,53632K（据 Cloudflare）65,536（已验证 8,192）512（英文）中位延迟*209.3 ms38.8 ms524.1 ms51.4 ms5.8 ms托管价格（输入）$0.24/M$0.09/M$0.042/M自托管自托管
*Cloudflare 内部 Decision Index 运行。全部 5 个都实现了 System One API。来源：Clef 文档、Clef-flash 文档、Clef 模型卡、Jev 帖子、Kev-9B 模型卡、Laya 模型卡。
部署与微调
两个模型均可通过 Workers AI 绑定（env.AI.run()）、REST API 或 AI Gateway 调用。对于自托管，模型卡列出了在单张 H200 上使用 BF16 权重进行的测试。
Cloudflare 还宣布了一项用于在私有数据上微调 Clef 的强化学习服务。它从 Cloudflare 的前线部署工程师开始，之后会推出自助平台。该流水线结合了 AI Gateway、Workers AI、Containers 和一个新的 Trainer 组件。团队可以通过设计合作伙伴表单申请。
关键要点
Clef（27B）和 Clef-flash（9B）是 Apache 2.0、兼容 Jev 的决策模型。
中位延迟：Clef 为 209.3 ms，Clef-flash 为 38.8 ms，Jev 为 524.1 ms。
Clef 可在 64K token 的上下文窗口内读取文本、JSON、图像和视频。
Jev 在 GPQA Diamond、MMLU-Pro 和 BBH 等知识密集型测试中仍然领先。
一项 RL 微调服务由 Cloudflare 的前沿部署工程师启动。
查看模型权重、Demo 和技术细节。所有功劳都归功于该项目的研究人员。也欢迎在 Twitter 上关注我们，别忘了加入我们拥有 15 万+ 成员的 ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们了。
需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或产品发布或网络研讨会等？联系我们
文章 Cloudflare Releases Clef and Clef-flash: Open-Weight Decision Models That Return Typed Probabilities Instead of Text 首次出现在 MarkTechPost 上。