Cloudflare推出面向自主AI代理的高速Clef决策模型
The Decoder··作者 Jonathan Kemper
关键信息
Clef支持文本和图像，官方称其上下文窗口为64,000个token，并基于Qwen3.8-27B；Clef-flash则使用Qwen3.5-9B。Cloudflare利用合成数据训练额外组件，并采用一种强化学习校准决策方法；不过性能数据来自Cloudflare自行进行的43项基准测试，校准效果和真实场景错误率仍需要独立验证。
资讯摘要
Cloudflare推出了Clef和Clef-flash，目标是服务于自主AI代理工作流。与输出长度和内容可能变化的传统语言模型不同，决策模型会从预定义答案中进行选择，并为结果附加概率。例如，Clef可以判断客户支持消息的紧急程度，并识别应负责处理的团队，后续代码就能自动分派工单、触发升级，或将案件交给人工。Cloudflare表示，这类模型可以帮助代理收集上下文、做出决策并执行任务，也可以在需要时转交人工；但“人类不再需要处于环路中”更像是可实现的工作方式，并不意味着所有场景都能取消人工监督。
在Cloudflare进行的43项基准测试中，公司报告称Clef-flash的响应中位延迟约为39毫秒，Clef约为209毫秒，而TypeSafe AI的Jev略高于524毫秒。Cloudflare还称，其威胁情报团队使用Clef对网站进行分类，在一个示例中，模型给出该域名属于时尚网站的概率为95%，属于在线商店的概率为85%，成为钓鱼网站的概率低于1%。抓取、渲染并分类该网站总共耗时2.2秒，而Cloudflare最快的通用语言模型耗时4.7秒且只返回两个类别。Clef支持图像，官方称其上下文窗口为64,000个token，并基于Qwen3.8-27B；Clef-flash则基于Qwen3.5-9B，两者都保留基础模型，并加入使用合成数据和RLCD变体训练的额外组件。
资讯正文
Cloudflare称，其全新 Clef 模型意味着 AI 代理不再需要人类参与决策闭环
要点
Cloudflare 发布了 Clef 和 Clef-flash，这两款面向 AI 代理的决策模型将直接与 TypeSafe AI 的 Jev 竞争。
这些模型不生成文本，而是为预先设定的答案选项分配概率，从而让下游系统能够根据结果自动采取行动。
两款模型均基于 Qwen 构建，支持文本和图像。Cloudflare 报告称，Clef-flash 的响应时间中位数为 39 毫秒，Clef 为 209 毫秒，速度快于竞争对手的决策模型。
Cloudflare 正在发布 Clef 和 Clef-flash，这两款面向 AI 代理的决策模型。与领先产品 Jev 竞争时，该公司主打的是速度。
决策模型返回的是带有概率的简短分类结果，而不是冗长的文本回复。以一条客户支持消息为例，Clef 会评估其紧急程度，并确定应由哪个团队处理。下游代码可以利用这些结果来分派工单、触发升级流程，或将案件交给人工处理。
Cloudflare 表示，“对于代理式决策而言，人类不再必然需要处于决策闭环之中”。代理可以“以编程方式收集上下文、对任务作出决策并采取行动，或者在需要时交由人工处理”。Cloudflare 从音乐领域借用了这一名称：在音乐中，谱号（clef）会为五线谱上的线指定音高。类似地，决策模型为后续行动设定框架。它在发音上与“Jev”相似，可能也并非巧合。
这些“决策模型”填补了大型语言模型与传统分类器之间的空白。语言模型能够进行推理并调用工具，但输出结果可能不稳定，而且速度较慢。传统分类器速度快，但每增加一个新类别就需要重新训练。Cloudflare 将 Clef 视为对 TypeSafe AI 的 Jev 模型的直接回应，并保持 API 完全兼容，以便客户轻松切换。
Clef-flash 可在 39 毫秒内返回决策
Cloudflare 表示，在 43 项基准测试中，Clef 和体量更小的 Clef-flash 的速度均超过所有相关竞争决策模型。该公司报告称，Clef-flash 的延迟中位数约为 39 毫秒，Clef 约为 209 毫秒，而 Jev 则略高于 524 毫秒。两款模型均直接运行在 Cloudflare 的基础设施上。该公司称，这也使它们能够受益于靠近边缘数据中心所带来的优势。
Cloudflare 的威胁情报团队已经在测试 Clef，用于对网站进行分类。在一个示例中，Clef 判断某个域名属于时尚网站的概率为 95%，属于在线商店的概率为 85%；它是钓鱼网站的概率则低于 1%。抓取、渲染并分类该网站总共耗时 2.2 秒。Cloudflare 速度最快的通用语言模型完成同一流程耗时 4.7 秒，而且只返回了两个类别。
Cloudflare 表示，Clef 还能够处理图像，而 Jev 目前仍仅支持文本。Clef 的 64,000 token 上下文窗口所能容纳的输入量是 Jev 的两倍。在 Cloudflare 自行进行的基准测试中，Clef 在 Jev Decision Index 上的表现也更胜一筹。
Cloudflare 基于 Qwen 模型构建。
Cloudflare 表示，其新的 Clef 模型意味着 AI 智能体不再需要人类介入
据 Cloudflare 称，Clef 基于 Qwen3.8-27B，而 Clef-flash 则基于更小的 Qwen3.5-9B。Cloudflare 在训练过程中保持基础模型不变，并使用自有合成数据训练额外组件。这些组件会根据模型的内部计算结果生成答案选项及其概率。
Cloudflare 还采用了自有版本的“校准决策强化学习”（Reinforcement Learning for Calibrated Decisions，RLCD）。TypeSafe 曾使用这种训练方法训练 Jev。RLCD 会训练模型在一次调用中针对同一个输入回答多个问题，目标是让模型给出的概率与答案实际正确的频率相匹配。此前，该公司还曾使用 DiffusionGemma，从语言模型的内部计算结果中推导出固定的决策值。
客户将能够针对自己的任务微调 Clef
伴随此次发布，Cloudflare 正在推出一项强化学习服务，让客户能够根据自身任务定制 Clef。最初，一支由前线部署工程师组成的团队将与客户合作完成微调，之后公司计划推出自助服务平台。
客户可以通过 AI Gateway 记录请求来构建数据集，然后在充当强化学习沙盒的容器中评估这些请求。新的训练器组件将允许客户把微调后的模型部署到 Workers AI 上。为了运行定制模型，Cloudflare 使用了 Replicate 的技术；该公司于 2025 年底收购了 Replicate。
Cloudflare 表示，计划在内部使用 Clef 审核滥用举报、整理支持请求，并区分有用的机器人和有害机器人。两个模型都运行在 Cloudflare 的 Workers AI 平台上，并以 Apache-2.0 许可证发布于 Hugging Face。
这种方法由 TypeSafe AI 推广开来。这家初创公司由前 OpenAI 研究员 Diogo Almeida 创立，并于 9 月中旬推出了 Jev。TypeSafe 将 Jev 宣传为“不会产生幻觉”的模型，不过这只保证它会在预先定义的答案选项范围内作答，并不能防止它错误地选择答案。9 月下旬，OpenAI 推出了后续产品 Decisions API。该 API 基于 GPT-6 Luna，同样接受文本或图像形式的上下文。
Cloudflare 主要运营全球网络，为内容分发、DNS 和安全服务提供支持，在自有 AI 模型方面一直没有受到太多关注。该公司近期与 AI 相关的新闻重点在于让网站所有者控制访问权限。7 月，Cloudflare 允许网站运营者根据 AI 机器人的用途选择阻止或放行这些机器人。
来源与参考
收录于 2026-10-03