当地时间 2026 年 10 月 1 日，Cloudflare 宣布推出两款开源多模态决策模型 Clef 与 Clef-flash。与传统大语言模型不同，这类决策模型不生成自由文本，而是针对给定的若干选项返回 calibrated 概率，帮助 AI 智能体在路由、分类、工具选择等场景中做出可量化的判断。

模型规格与能力

Clef 系列选用阿里巴巴通义千问（Qwen）作为基座模型。其中，Clef 基于 Qwen3.8-27B 构建，Clef-flash 则基于更小尺寸的 Qwen3.5-9B。两款模型均通过 Apache 2.0 协议在 Hugging Face 上开源权重。

Clef 原生配备了视觉编码器，可直接解析图像输入并对视觉内容进行判别分类。在上下文窗口方面，Clef 系列扩展至 64k，而同类决策模型 Jev 为 32k，这使得开发者能够为模型载入更丰富的系统状态信息，从而做出更全面的综合判定。

性能与延迟表现

Cloudflare 公布的基准测试数据显示，Clef 与 Clef-flash 在 Jev Decision Index 0.2.1 评测中处于领先位置，并且完全兼容 Jev-API，方便开发者进行测试验证。具体指标包括：

– Clef 中位延迟约为 209 毫秒，决策指数得分 61.2；
– Clef-flash 中位延迟约为 38.8 毫秒，决策指数得分 57.1；
– 在 BFCL 函数调用准确率测试中，Clef 达到 98.47%，Clef-flash 达到 98.76%；
– 在 BANKING77 意图分类数据集上，Clef 的 macro-F1 得分达到 94.20。

决策模型的应用价值

在 AI 智能体的实际运行中，大量步骤并非创意写作，而是结构化决策：工单应该分派到哪个类别？这张截图是否安全可发布？下一步该调用哪个工具？传统聊天模型需要先生成文本再解析格式，既慢又容易偏离预期格式。Clef 直接输出各选项的概率分布，让系统可以设置阈值、记录日志，并在置信度不足时转交人工处理。

Cloudflare 还同步推出了面向定制化微调的强化学习产品，帮助客户针对自身业务场景进一步优化 Clef 的决策能力。