Cloudflare开源决策模型Clef与Clef-flash：基于通义千问打造38.8毫秒打分不写文本，Apache-2.0协议上线Workers AI

不写文本的模型：把「判断」从大模型里拆出来

10月1日，Cloudflare发布两款开源「决策模型」Clef与Clef-flash，权重以Apache-2.0许可在Hugging Face开放，并同步上线Workers AI（模型ID：@cf/cloudflare/clef）。

决策模型（decision model）是一个正在成型的新品类：它不生成自由文本。输入一段文本、JSON、图片或视频，再给一份由选择题、是非题或排序题组成的schema，模型对每个允许的答案返回概率。典型用途是智能体栈里海量而琐碎的路由与分类调用——工单分流、内容审核、意图判断、智能体下一步动作选择。

Cloudflare的论点很直接：智能体每秒要做大量小型路由判断，用通用大语言模型逐token生成这些判断，又慢又不稳定。

规格：基于通义千问，延迟38.8毫秒

对照系是当下流行的Jev决策接口：Jev中位延迟524.1毫秒、上下文32K、仅文本。Clef两兄弟把上下文翻倍、加入视觉，Clef-flash还快出十余倍，并完全兼容Jev API——已在用Jev类工具的团队可直接替换。

为什么能这么快：一次prefill，并行打分

技术上，Clef采用两阶段注意力路由，让每个合法选项各自拉取所需上下文；推理时只跑一次prefill前向传播，随后对schema中所有合法选项并行打分，没有逐token生成环节。训练侧使用标签平滑交叉熵加Brier损失（概率校准的经典损失），以及Cloudflare称为RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）的方法。

选择Qwen（通义千问）作为基座也值得注意：这是中国开源模型再次成为海外基础设施厂商产品底座的案例——Cloudflare此前的Workers AI也已对Kimi K2.6、GLM 5.2等中国模型做过FP8/INT4适配。开源权重意味着企业可下载到自有GPU运行，不必为托管推理付费。

配套生意：RL微调服务

发布同时，Cloudflare宣布将推出Clef的强化学习微调服务：初期由前线部署工程师与合作伙伴共建（已开放意向表），后续提供自助式数据采集、微调与重新部署平台，定价未公布。决策模型的商业模式由此清晰：模型权重免费开源赚生态，垂直场景的校准微调与边缘托管赚收入。同周PostHog的Jeeves（9B决策模型）、Firelex仅0.8B的Jeff等同类产品密集出现，「决策模型」赛道在一周内从概念变成拥挤货架。

编辑点评

Clef代表了2026年智能体架构的一个重要趋势：把「思考」与「判断」分离。一个语音客服智能体每通电话可能触发几十次意图路由、合规检查与表单分类，如果这些调用都走旗舰生成模型，延迟与成本都不可承受；专用打分模型38.8毫秒的中位数意味着它可以被放进实时对话链路而不被用户察觉。对国内团队的启示有三：其一，智能体成本优化的最大杠杆不在选更便宜的通用模型，而在把高频判断下沉到专用小模型；其二，Qwen基座被Cloudflare级厂商选中并Apache开源，是国产开源底座国际认可度的又一实证；其三，决策模型输出的是概率而非文本，评估与监控体系（校准度、Brier分数）需要团队补齐相应能力。

来源参考：

• Cloudflare官方公告：Introducing Clef decision models
• Clef模型权重（Hugging Face）
• Workers AI模型文档