Cloudflare 开源决策模型 Clef：不写文字，只给概率

先说几个判断：

第一，Cloudflare 这次发布的不是又一个聊天模型，而是一类叫“决策模型”的东西。它不生成句子，只针对你给的状态和问题，给每个选项一个概率。

第二，它瞄准的是一个很具体却长期被忽略的场景——低延迟的结构化决策，比如给请求做路由、给工单做分类、给 Agent 加护栏。这些事过去要么写死规则，要么让大模型吐文本再解析，两头都不舒服。

第三，它直接兼容 TypeSafe 的 Jev 接口，权重以 Apache 2.0 开源。这不只是“开源一个模型”，更像是在“决策模型”这条还没完全成形的赛道上抢标准、抢生态。

第四，速度确实快。官方给出的中位数延迟，Clef 约 209 毫秒，更小的 Clef-flash 约 39 毫秒，比同类的 Jev 分别快约 2.5 倍和 13 倍。不过这些数字来自 Cloudflare 自己的基准，实际表现仍取决于你的部署方式和负载。

下面把这些点展开说一说。

一、事件描述

2026 年 10 月 1 日，Cloudflare 在开发者变更日志发布 Clef 与 Clef-flash，称其为 Workers AI 团队训练的首批模型，也是 Cloudflare 第一个开源的“决策模型”（decision models）。官方把这类模型归到“System One”家族，与 TypeSafe 的 Jev 属同一品类。

这里有个命名上的小彩蛋：System One 这个名字借用了认知心理学里“系统一 / 系统二”的说法——系统一快速、直觉、自动化，系统二慢速、理性、费脑力。决策模型想做的，正是把“系统一”式的快速判断变成可调用的模型能力，而不是每次都调动一个会写长文的“系统二”大模型。

下面这张表整理了官方发布里能确认的关键事实：

表：Cloudflare Clef 系列官方发布要点（依据 Cloudflare 官方变更日志与定价页整理）

二、决策模型到底和“大模型”有什么不同

我们习惯的大语言模型，是给你一段提示词，它吐出一段文本。你需要从中读出“它到底想让我做什么”。决策模型换了一种思路：你给它一个“状态”（state，比如当前请求的数据、几张图、一段上下文），再给它一组“类型化问题”（questions），它直接给每个允许的答案返回一个概率。

这意味着 Agent 拿到的不是一段需要解析的自由文本，而是一组结构化的选项概率。没有等待推理 token 的过程，输出天然就是可排序、可阈值化、可直接拿去执行的。

用一个表格把两者摆在一起看更清楚：

表：生成式大模型与决策模型的能力边界对照（依据官方说明整理）

要注意的是，这并不是说决策模型“更好”或“更高级”。它只是更适合一类明确、可枚举、要快的任务。写诗、做规划、写代码这类开放任务，仍然是生成式模型的天下。

三、两个型号，以及一个视觉编码器

Clef 系列目前有两款，参数和定位拉开了档位：

表：Clef 与 Clef-flash 规格与官方定价（定价来自 Cloudflare Workers AI 定价页，延迟为官方 43 次基准运行的中位数与 P95）

有个容易被忽略的点：Clef（27B 那款）带了一个视觉编码器，可以随状态一起传入最多四张图像，做视觉分类。也就是说它不只是文本决策，还能“看图下判断”。Clef-flash 的页面说明里没有强调视觉能力，定位更偏向延迟敏感的纯文本热路径决策。

价格方面，官方定价页只列出了“每百万输入 token”的单价，没有列出输出 token 单价。这和它的使用方式一致——决策模型的“输出”是几个概率值，计费主要按你喂进去的状态和问题的规模走。对比一下体量：Clef 的输入单价是 Clef-flash 的约 2.7 倍，和两者参数量、精度的落差大致对应。

四、延迟到底差多少：一张对比图

光看数字不够直观，把三款模型在官方基准里的中位数延迟画成条形会更清楚：

图：三款决策模型中位数延迟对比（数据来源：Cloudflare 官方基准，43 次运行的中位数，单位毫秒；条形按真实数值线性映射）

Jev         ████████████████████████████████████████████████  524.1
Clef        ██████████████████████████                         209.3
Clef-flash  ████                                                 38.8

说明：条形长度按各模型中位数延迟的真实数值线性缩放，最长条对应 Jev 的 524.1 毫秒。可以看到 Clef-flash 的延迟条几乎贴着底线，约为 Jev 的十三分之一；Clef 约为 Jev 的 40%。这组数字来自 Cloudflare 自家基准，落到真实业务里请以你自己的压测为准。

官方还给了 P95 延迟：Clef 238.6 毫秒、Clef-flash 122.4 毫秒、Jev 536.0 毫秒。P95 比中位数高，说明长尾请求会明显变慢，但 Clef 系列整体仍明显快于 Jev。快的来源，官方解释是模型跑在 Cloudflare 全球网络的 GPU 上，请求离用户近、网络往返短，可以放在代理的请求路径里实时做决策。

五、输出长什么样：三种问题类型

决策模型不是只回答“是或否”。官方定义了三种类型化问题，单次请求最多可问 64 个：

• noul（是非型）：问一个“是 / 否”问题，返回答案为“是”的概率。比如“这条请求该被拦截吗”。
• choice（选择型）：从你定义的选项集合里选一个，返回所选选项、每个选项的概率，以及一个置信度值。比如“这条工单该分给哪个团队”。
• score（评分型）：按你给定的有序 rubric 评级，返回概率加权后的分数，以及每个级别的概率。比如“这条内容按我们的政策该打几分”。

这三类基本覆盖了“做判断”这件事的主要形态：二分类、多选一、打分排序。对工程来说，最省心的是输出天然结构化——你不用再写正则去抠大模型吐出来的句子，也不用在延迟里等它把理由洋洋洒洒写完。

六、开源与兼容：Cloudflare 在抢什么

把权重以 Apache 2.0 发布到 Hugging Face，并且做到和 TypeSafe 的 Jev “直接兼容、改个端点就能换”，这两步值得玩味。

先看基准。官方称在 10 个决策基准里，Clef 系列在 7 个上拿了最高分；在 TypeSafe 自己的工作流评估里，Clef 在发票处理、客户服务、安全事件三个领域击败 Jev（四项里赢三项）。这些数字当然是 Cloudflare 自己公布的，是否经第三方独立复现，目前还需要观望。

但兼容 Jev 这件事，战略意味比“跑分”更重。Jev 是 System One 这条赛道里已有的玩家，Clef 选择“接口对齐”，等于告诉已经接了 Jev 的开发者：你几乎不用改代码就能换到我这里，还能顺手拿到开源权重和更低的延迟。这是一种用兼容性换生态的打法——先把“决策模型该怎么调用”的事实标准往自己这边拉。

七、能用在哪里：几个真实场景

官方列了几个落地场景，挑几个说：

• 工单分诊（support triage）：判断工单紧急程度并分给对应团队，无需人工介入。
• 威胁情报（threat intelligence）：给网站做分类。配合 Browser Run，Clef 抓取、渲染并分类一个域名只要约 2.2 秒；同一工作流里 gpt-oss-120b 需要约 4.7 秒。
• 信任与安全（trust and safety）：按你自定义的政策 rubric 给内容打分，再按概率决定是否执行动作。
• Agent 护栏（agent guardrails）：在 Agent 调用工具之前，用几十毫秒判断“这一步该不该做”，把风险挡在动作发生前。
• 视觉分类（visual classification）：随状态传入最多四张图像做分类，靠的就是 Clef 的视觉编码器。

这些场景有个共同点：决策要在“请求的路上”实时发生，且结果必须结构化、可被执行。这恰好是写死规则会僵化、调用大模型会太慢的中间地带。

八、结语

Cloudflare 把 Clef 和 Clef-flash 摆上 Workers AI，本质上是把“做决策”从大模型的附庸里拎出来，做成一个独立的模型品类。它会读状态、问类型化问题、吐概率，不写句子，不跟你绕弯子。27B 的 Clef 求精度，9B 的 Clef-flash 求速度；权重 Apache 2.0 开源，接口对齐 Jev，延迟按官方基准比 Jev 快 2.5 到 13 倍。

值得冷静看待的是：所有跑分和延迟都来自 Cloudflare 自己的基准，是否经独立复现仍需时间检验；决策模型也不是要替掉生成式大模型，它只是补齐了“快速、结构化、可枚举判断”这块拼图。对开发者而言，真正有意思的不是“又一个模型”，而是“决策”开始被当作一种可调用、可开源、可标准化的基础设施原语——这件事，可能比单次发布的参数更值得盯着看。