Cloudflare 开源决策模型 Clef：Agent 时代的「选择题专用模型」

10 月 1 日，Cloudflare 在生日周扔出了一颗不算大、但信号很强的炸弹：Clef 与 Clef-flash——两个开源的「决策模型」（decision models），以及一个配套的强化学习微调平台。一周之后，10 月 9 日，Cloudflare 乘胜追击：发布多模态的 Clef-omni，把 Clef 的推理速度提了最多 2 倍，把 Clef-flash 的价格砍到比竞争对手还便宜。

这不是一次普通的模型发布。它是两周之内，第三家科技巨头下场「决策模型」这个新品类——此前有 OpenAI 的 Decisions API 和 AWS 的 Strands Decider 2B，而 Cloudflare 是其中唯一开源权重的玩家。当 Cloudflare 这种靠卖流量和算力赚钱的公司，开始把模型权重免费送人，值得认真看一眼它到底想干什么。

不是又一个聊天模型：Clef 只做「选择题」

先说清楚 Clef 不是什么：它不写文章、不聊天、不生成代码。它干的事情极其专一——你给它一段「状态」（state，比如一条客服消息、一个域名、一张截图），再给它几个类型化问题（typed questions）：这是不是紧急工单？该分给哪个团队？严重程度打几分？它返回的不是一段话，而是每个选项的概率。

技术上，这靠的是一次「只做 prefill」的前向传播：冻结的 Qwen 骨干网络读一遍输入，然后一个专门的评分头并行地给所有合法选项打分。整个过程是非自回归的——没有 token 逐个生成的环节，自然也就没有输出 token。用 Cloudflare 自己的话说，这让决策模型比自回归大模型「显著更快」。

问题类型目前有三种：是非题（noul）、多选题（choice）、打分题（score）。调用长这样（示意）：

{
  "model": "clef",
  "state": "用户反馈：结账页面连续一小时所有订单都失败",
  "questions": {
    "urgent": { "type": "noul", "instructions": "这条反馈是否紧急？" },
    "team": {
      "type": "choice",
      "instructions": "应该分给哪个团队？",
      "criteria": {
        "billing": "支付、发票与退款",
        "technical": "故障、报错与配置",
        "sales": "套餐与升级"
      }
    },
    "severity": {
      "type": "score",
      "instructions": "客户影响有多严重？",
      "criteria": ["无影响", "轻微", "严重", "致命"]
    }
  }
}

返回的是一组带概率的类型化答案，你的代码可以直接拿去做路由、升级或转人工。Cloudflare 对这类模型的定位很直白：让 Agent「程序化地收集上下文、做决策、执行动作」，人类不必再卡在每一个决策点上。

名字的来历是个音乐梗：五线谱开头的谱号（clef）决定了后面每个音符的音高，决策模型也一样——先「定调」，后面的动作才有意义。顺带一提，CF 正好也是 Cloudflare 的缩写。

两周之内，巨头第三次下场「决策模型」

把时间线拉开看，这件事的产业含义比模型本身更大。TypeSafe 的 Jev 率先定义了「决策模型」这个品类：输出有界、带概率、便宜又快，专门塞进工作流里做决策。然后 OpenAI 跟进 Decisions API，AWS 拿出 Strands Decider 2B，接着 Cloudflare 在 10 月 1 日发布 Clef——三家巨头在 48 小时内先后落子。

但三家的姿势完全不同。OpenAI 和 AWS 卖的是 API 调用，Cloudflare 直接把权重按 Apache 2.0 开源，扔上 Hugging Face，还托管在 Workers AI 上，同时完全兼容 Jev 的 API——意思是你把原来调 Jev 的代码里的模型 ID 一换，就能无缝切到 Clef。

这是一种阳谋：Cloudflare 的生意是边缘网络和算力。决策模型的调用频次注定比大模型高一个数量级（Agent 每走一步都可能要做一次判断），而高频、低延迟的推理天然适合跑在离用户最近的边缘节点上。把权重免费送出去，换来的是全世界 Agent 的「判断环节」都跑在 Cloudflare 的基础设施上。这笔账，Cloudflare 算得很清楚。

技术上它到底做了什么

根据官方博客披露的训练细节，Clef 家族的技术路线可以概括为「大模型做理解，小头做决策」：

• 冻结骨干 + 轻量适配：Clef 基于 Qwen3.8-27B，Clef-flash 基于 Qwen3.5-9B，骨干权重全部冻结，只联合训练一个路由评分头和 rank-256 的低秩适配器（LoRA）。训练数据是 Cloudflare 内部合成的，刻意打乱字段顺序、提示词和结构，逼模型对格式变化鲁棒。
• 两阶段注意力路由：每个候选选项先从输入中抽取相关证据，再让各字段向量在全上下文上交叉注意力，最后算出置信度分数。配合词法先验，保证选项的语义在打分过程中不漂移。
• 校准过的概率：用标签平滑交叉熵训练分类准确性，再用 Brier loss 校准概率——这很关键。决策模型的输出是要被代码直接消费的，概率必须「说到做到」：说 90% 就得真有九成把握，而不是大模型那种随口一说的自信。
• RLCD 二次优化：Cloudflare 还自研了 Reinforcement Learning for Calibrated Decisions，对相邻有序选项给部分 credit，奖励完全精确的记录输出，并用 reference penalty 防止分布漂移。

规格上，Clef 上下文窗口 64k（Jev 是 32k），并且带视觉编码器——Jev 目前只做纯文本分类，Clef 从第一天就能看图。这是 Cloudflare 在博客里反复强调的差异点。

性能与价格：把账算清楚

Cloudflare 在发布时公布了 43 项评测，核心结论是：Clef 家族在 Jev Decision Index 上领先 Jev，但自家公布的数字要打折看——有赢有输才是正常的。下面是官方博客原表里最值得看的几行：

基准	Clef 27B	Clef-flash 9B	Jev
BANKING77（意图分类，macro-F1）	94.20	90.93	79.74
CLINC150+OOS（macro-F1）	97.43	66.77	89.27
家电分类（case exact）	82.95	97.73	52.27
When2Call（何时该调用工具）	72.37	65.58	80.97
BRIGHT（检索，nDCG@10）	45.91	39.26	47.52
中位延迟	209.3ms	38.8ms	524.1ms
p95 延迟	238.6ms	122.4ms	536.0ms

诚实地说：Clef 在分类类基准上赢得干脆（BANKING77 高出近 15 个点），但在 When2Call 和 BRIGHT 这类更偏推理的基准上输给了 Jev。这恰恰说明了决策模型的边界——它是「快思考」（System 1），不是「慢思考」。让它做它擅长的事，别让它替你推理。

延迟数字更值得玩味：Clef-flash 中位 38.8ms，是 Jev 的十三分之一。Cloudflare 内部实测了一个威胁情报场景：给 Clef 一个域名，它抓取、渲染、分类全套下来 2.2 秒，而自家最快的大模型 gpt-oss-120b 同样流程要 4.7 秒，还只返回了两个分类。2 倍的时间，换来的是更完整的结构化结果。

价格是 10 月 9 日更新后最有杀伤力的部分：

模型	托管价格（每百万输入 token）	备注
Clef-flash	$0.038（原价 $0.09）	已比 Jev 便宜；托管版上下文从 64k 缩到 24k
Clef	$0.24	64k 上下文不变；10 月 9 日提速最高 2 倍
Clef-omni	$0.15	多模态，10 月 9 日新发布

注意两个细节。第一，决策模型只按输入 token 计费，没有输出 token——因为它根本不生成文本。这对成本模型的改变是结构性的：大模型的账是「输入 + 输出」两头烧，输出还更贵；决策模型的账是单头的，而且输入可以被缓存、被复用。

第二，Clef-flash 降价的代价是托管版上下文从 64k 砍到 24k。Cloudflare 给出的数据是：只有 0.24% 的请求超过 24k token。Hugging Face 上的权重没动，自托管依然支持 256k 上下文。这个取舍摆得非常透明——长输入的用户要么切到 Clef，要么自己托管权重。开源在这里第一次变成了定价策略的一部分。

Clef-omni：把音视频也塞进一道「选择题」

10 月 9 日的第二篇博客带来了 Clef-omni：基于 Qwen3-Omni-30B-A3B-Instruct 的 MoE 架构（300 亿参数，激活 30 亿），音频（wav/mp3）、视频（mp4/webm）、图像、文本全部走同一条管线、一次调用。

在此之前，对一段视频做决策是典型的「流水线地狱」：语音转文字、音画分离、抽帧、再分别过文本模型，最后拼结果。Clef-omni 把声画对齐后直接打分：纯文本决策中位约 130ms，图像约 150ms，音频几百毫秒，一段 21 秒带声音的视频约 1.5 秒出结果。

官方举的例子很 vibe coding：一次调用里同时传「设备安装照片 + 运行录音 + 风扇视频」，问三个问题——铭牌是否可见？运转声音是否正常？风扇在转吗？这种「多感官质检」场景，以前要搭三四个模型，现在是一次 API 调用。

基准上 Clef-omni 也没掉队：BANKING77 拿到 94.8（全场最高），CLINC150+OOS 97.7 也是第一。当然，MoE 架构在 When2Call 上只有 63.3，再次印证：决策模型别指望它做复杂推理。

RL 微调平台：被低估的另一半发布

很多人把 10 月 1 日的发布看成「两个模型」，但 Cloudflare 的另一半心思在 RL 微调平台上。逻辑是这样的：决策模型最大的价值不在通用分类，而在你自己的业务判断——什么样的工单算紧急、什么样的爬虫算恶意、什么样的内容算违规，每家公司的标准都不一样。

Cloudflare 搭的这套 RL 链路，用的全是自家已有的积木：AI Gateway 自动沉淀你的 AI 调用流量变成数据集 → Workers AI 对基础 Clef 模型做 rollouts → Containers 里跑 RL 沙盒做打分和回放 → 新增的 Trainer 更新权重 → 通过 BYO Model（自带模型）重新部署回 Workers AI。先以 FDE（前沿部署工程师）人工服务的形式帮客户调优，再沉淀成自助平台。

这步棋的狠之处在于闭环：AI Gateway 本来就是 Cloudflare 的流量入口，数据沉淀是顺手的事。客户用得越多，私有决策模型越准，迁移成本越高。开源权重负责获客，RL 平台负责留客——典型的 Cloudflare 式打法。

Cloudflare 内部已经在吃自己的狗粮：公开文档仓库用 Clef 自动识别并关闭垃圾 issue，内容管理系统 EmDash 用它审核插件库里的钓鱼内容，数据防泄漏团队用它扫 PII（身份证号之类），威胁情报团队用它做域名分类。这些全是「高频、类型固定、错了可回滚」的场景，正是决策模型的舒适区。

观点：Agent 里 90% 的模型调用不需要「写字」

过去两年，我们给 Agent 接的每一个「判断」，都在付「写作」的钱。决策模型的出现，是把这两件事第一次拆开了定价。

想想一个典型 Agent 的循环：理解用户意图、决定调哪个工具、判断工具结果够不够、决定下一步、检查输出是否合规……这里面真正的开放式生成只有一两处，剩下的全是分类、路由、打分、是非判断。但我们一直在用最贵的通用大模型做这些事，还要忍受它的非确定性——同样的问题问两遍，措辞一变答案就变，下游代码还得写正则去解析。

决策模型把「判断」变成了基础设施：输入确定、输出有界、概率可校准、延迟可预期。这对 Agent 工程是范式级的简化：以前你要写 prompt 工程 + 输出解析 + 重试逻辑三件套，现在变成一次带 schema 的调用，返回的概率直接进 if-else。

但也要泼两盆冷水。第一，决策模型不是小一号的大模型，它是另一种物种。When2Call 和 BRIGHT 上的落后说明：凡是需要多步推理、开放探索的任务，老老实实上大模型。第二，基准成绩是厂商自选的。Cloudflare 的表里 Jev 也有赢的项，独立第三方的复现还没出现，选型前最好拿自己的数据跑一遍——好在权重开源，这件事的成本很低。

给 vibe coding 读者的实操清单

如果你正在用 AI 写应用、搭 Agent，这套东西的落地姿势很具体：

• 什么时候该换：用户输入意图分类、客服工单路由、内容审核打分、Agent 内部「下一步调哪个工具」的选择、RAG 里「这段检索结果够不够用」的判断。特征是：选项固定、调用高频、延迟敏感、错了可回滚。
• 成本账怎么算：打个样——每天 1 万次路由判断，每次输入约 2000 token。用 Clef-flash 托管版：2 万 k token × $0.038/M ≈ 每天 0.76 美元。同样的量如果走通用大模型（输入 $3/M、输出 $0.6/10k token 量级），一天几十美元起步，差出两个数量级。省下来的钱不是重点，重点是 38.8ms 的延迟让「每步都判断一次」的 Agent 架构第一次变得可行。
• 什么时候别换：需要解释原因的（「为什么判为钓鱼」）、选项本身不确定的、需要多步推理的、输出要给人看的。这些场景里，大模型的开放生成仍然不可替代。一个健康的架构是：决策模型做高频判断，大模型做低频 deep work。
• 开源权重意味着什么：三件事。第一，可自托管：敏感数据不出内网，延迟不受公网抖动影响；第二，可审计：权重、训练方法（冻结骨干 + LoRA + Brier 校准）都是公开的，不像闭源 API 是个黑盒；第三，议价权：厂商再怎么调价，你手里永远有个能自己跑的版本。这是 OpenAI 和 AWS 的闭源方案给不了的。
• 上手路径：Clef 完全兼容 Jev API，已经在用 Jev 的改个模型 ID 就能试；新用户可以直接调 Workers AI 的 @cf/cloudflare/clef，OpenRouter 上也有 cloudflare/clef 和 cloudflare/clef-flash。先拿你现有 Agent 里最痛的那个分类环节做 A/B，跑一周看概率校准和业务指标，再决定扩不扩。

时间线与信息来源

• 2026 年 10 月 1 日（Cloudflare 生日周，周四）：官方博客发布《Introducing Clef: our open-source decision models, and new RL fine-tuning platform》，推出 Clef（27B）、Clef-flash（9B）与 RL 微调平台。日期以 Cloudflare 官方博客作者归档页为准。
• 2026 年 10 月 9 日：官方博客发布《Introducing Clef-omni with full multimodality, plus a faster Clef and a cheaper Clef-flash》，推出 Clef-omni（音视频图文本单管线）、Clef 提速最高 2 倍、Clef-flash 降价至 $0.038/M token（托管版上下文同步调整为 24k）。

本文所有技术参数、基准数字与价格均来自上述两篇官方博客原文；其中基准成绩为 Cloudflare 自测数据，尚未有独立第三方复现，引用时请注意这一前提。竞争格局部分（OpenAI Decisions API、AWS Strands Decider 2B、TypeSafe Jev）综合自公开报道。