Cloudflare 10 月 1 日喺官方部落格發表決策模型 Clef，並把 270 億參數嘅權重以 Apache 2.0 授權放上 Hugging Face，任何人免費下載，亦可商用。
Clef 同 ChatGPT 呢類聊天模型唔同。開發者提供一份「狀態」——文字、JSON、圖片或影片——再附上事先定義好嘅問題清單，問題分三類：是非題、選擇題、評分題。模型讀完資料，單次運算就為每個問題嘅每個允許選項打出機率，不產生自由文字。模型頁示範係判斷一張發票嘅狀態，選項只有「已付款」「逾期」「草稿」，模型直接回傳三個選項各自嘅機率，答案可以直接接進後續流程，唔會像聊天模型偶爾答非所問。
呢類「決策模型」嘅概念由 TypeSafe 帶起。TypeSafe 把 Jev 定位為「System One」，專責分流、分類、驗證、排序等需要固定答案嘅環節，經 OpenRouter 等平台提供 API，只對輸入計費、輸出不收費。Clef 嘅 API 與 Jev 相容，原本用 Jev 嘅開發者幾乎唔使改程式就換到。
成績方面，Cloudflare 自行公佈：BFCL 函式呼叫測試 98.5 分，高於 Jev 嘅 95.8；API-Bank 91.9 分，對 Jev 88.2；中位延遲 209.3 毫秒，約係 Jev（524.1 毫秒）嘅 4 成。但考驗廣泛知識嘅 MMLU-Pro，Clef 只得 65.9 分，明顯落後 Jev 嘅 82.7 分。以上皆係 Cloudflare 自報之數，尚待第三方驗證。
模型本身以阿里巴巴嘅 Qwen3.8-27B 為基礎，外加影像編碼器。另有 Clef-flash，用 90 億參數嘅 Qwen3.5-9B，中位延遲壓到 38.8 毫秒。
Clef 嘅起點係 Cloudflare 內部需求：資安情報團隊要判斷網域係電商、時尚定釣魚；客服團隊判斷工單緊急程度同交接；機器人管理產品分辨爬蟲善意定惡意。呢類判斷量大、選項固定，交畀聊天模型又慢、格式難控。Cloudflare 將 Clef 定位為替 AI 代理（agent）做每步判斷嘅元件，寫內容嘅活仍交畀大型語言模型（LLM）。
商業上，Clef 同 Clef-flash 已上架 Cloudflare Workers AI，官方未公佈價格。模型頁顯示係喺單張 NVIDIA H200 上測試，企業可自建於自家機房。Cloudflare 同步推出客製化微調服務，先由前置部署工程師團隊協助調校，之後再開放自助平台。以開源模型吸引開發者、再靠雲端託管同客製服務收費，係常見路線。對 TypeSafe 而言壓力直接落在定價，Jev 需靠知識型任務準確度同服務品質守住客户。Clef 能否走出 Cloudflare 自家產品、被其他企業採用，Workers AI 定價係第一個觀察點。
模姐驗嚇貨：呢度要分清楚，Apache 2.0 開放權重唔等同完整開源，可以免費下載商用不等於代碼、數據全部公開。另外呢組跑分係 Cloudflare 自報，MMLU-Pro 上 Clef 明顯落後 Jev，顯示「快」同「廣」之間有取捨。決策模型呢個新類別對 AI 代理架構有意思，但知識型任務嘅準確度同獨立驗證仲係欠埋嘅課。
模姐｜深度調教
