认识 Cloudflare Clef —— 一个字都不写，只给概率：38.8 毫秒的决策模型
先坦白一件事：我第一次看完 Clef 的介绍，脑子里冒出来的念头是——这不就是个分类器吗？
然后我把自己骂回去了。
因为我确实干过这种事：为了让 Agent 判断一条工单该给哪个团队，我恭恭敬敬地请一个大模型写三百字的"推理过程"，然后用正则去那坨文本里抠一个 JSON，抠不到就 retry，抠到了还得 validate。这套流程我用了两年，从来没觉得哪里不对。
直到有人问我：你花了几百毫秒和一堆 token，就为了拿一个是或否？
让一个能写诗的模型去回答"是或否"，是这两年 Agent 工程里最普遍、也最没人反省的一种浪费。
2026 年 10 月 1 日，Cloudflare 给出了它的答案：Clef 和 Clef-flash。这是 Cloudflare 自家 Workers AI 团队训练的第一批模型，而这两个模型有一个共同点——它们不生成任何文本。
什么是 Clef
一句话：Clef 是一个"决策模型"（decision model）：你给它一段现状描述和一批带类型的问题，它一次性返回每个允许答案的概率，然后闭嘴。
注意，它和大模型的差别不是"小一点"或"快一点"，是输出形态根本不同：
- 大模型：读你的输入 → 一个 token 一个 token 地生成 → 吐出一段文字/JSON → 你的代码去解析、校验、容错
- Clef：读你的输入 → 单次前向传播（prefill-only）→ 直接给出
billing: 0.98→ 你的代码if一下就完了
中间那堆"推理 token"和"输出解析"，被整段删掉了。
这个品类不是 Cloudflare 发明的。大约一个月前，TypeSafe AI 的 Jev 把它带进了大众视野，整个 AI 圈为之一振。Cloudflare 这次是紧跟其后——而且上来就摆明了三处硬碰硬的差异：
| 对比项 | Clef / Clef-flash | Jev |
|---|---|---|
| 权重 | Apache 2.0，Hugging Face 可下载 | 不公开 |
| 上下文窗口 | 64K tokens | 32K |
| 输入模态 | 文本、JSON、最多 4 张图片、视频（带视觉编码器） | 仅文本 |
另外，Clef 完全兼容 Jev 的 System One API——老集成改个 endpoint 和 model 名就能切过去，不用重写代码。这一手很实在。
基本盘：
| 项目 | 情况 |
|---|---|
| 发布方 | Cloudflare（Workers AI 团队自研，首批自训模型） |
| 发布时间 | 2026 年 10 月 1 日 |
| 模型 | @cf/cloudflare/clef（27B）、@cf/cloudflare/clef-flash（9B） |
| 基座 | Clef 后训练自 Qwen3.8-27B，Clef-flash 后训练自 Qwen3.5-9B（均为冻结基座） |
| 上下文窗口 | 64K tokens（65,536） |
| 架构 | prefill-only，非自回归：冻结 Qwen 骨干跑一遍前向，再由 joint schema head 并行给所有选项打分 |
| 许可证 | Apache 2.0，权重与推理代码均公开 |
| 单次提问上限 | 64 个问题 |
顺手说个名字的由来，我觉得挺有意思：在乐理里，clef（谱号）是写在五线谱最左边那个符号，它决定了后面每条线上是什么音。 Cloudflare 说决策模型就像谱号——它定义了上下文的域，以及后面能弹出哪些音（动作）。而 "CF" 正好是 Cloudflare 的缩写。一个双关，我给满分。
特点
- 三种问题类型，够用了：
noul（是/否，返回"是"的概率）、choice（从你给的选项里挑一个，返回每个选项的概率和置信度）、score（按你定义的有序评分标准打分，返回概率加权分数）。一次请求最多塞 64 个问题。 - 快得不像话：官方 43 次 benchmark 跑下来，Clef 中位延迟 209.3 ms，Clef-flash 38.8 ms，Jev 是 524.1 ms——Clef 快 2.5 倍，Clef-flash 快 13 倍。p95 分别是 238.6 ms 和 122.4 ms（Jev 536.0 ms）。
- 只收输入 token 的钱：Clef $0.24 / 百万输入 token，Clef-flash $0.09 / 百万。没有输出计费——因为它压根不输出文本。按 Cloudflare 的说法，一次决策如果平均吃掉 1,000 个输入 token，做一百万次决策，Clef 花 240 美元，Clef-flash 花 90 美元。
- 跑在边缘 GPU 上：Workers AI 把模型铺在 Cloudflare 全球网络的 GPU 上，网络往返短，所以你敢把它放在 Agent 请求的热路径里——先让 Clef 决策，再交给 LLM 去执行。
- 能看图：这是它跟 Jev 最大的差别之一。Clef 带视觉编码器，可以随 state 一起传最多 4 张图片。文本-only 的决策模型做不到这事儿。
- 还能再调：Cloudflare 同期发布了 RL 强化学习微调服务，可以用你自己的数据把 Clef 调成你的形状。不过目前还是"设计合作伙伴"形式，得跟 Cloudflare 工程师一起搞，自助版本说是在路上。
有人问过我"决策模型会不会取代 LLM"。我的看法是：这问题问错了。它不是来取代的，它是来把 LLM 从一堆它根本不该干的活里捞出来的。
能拿来干什么
官方文档列了五个方向，我挑几个有真实数据的讲。
1. 工单分诊（Support triage） 这是最典型的。给 Clef 一条客服消息，问两个问题：urgent（是否紧急，noul）+ team（该归哪个团队，choice）。它直接给你概率，你的代码照着路由就行，人不需要在环里。
2. 威胁情报（这个有 Cloudflare 自己的实测数据） Cloudflare 的 Threat Intelligence 团队拿 Clef 干的一件事是给网站域名分类。配合 Browser Rendering 抓取渲染，Clef 完成"抓取 + 渲染 + 分类"全流程用了 2.2 秒；同样的流程换成他们手上最快的通用大模型 gpt-oss-120b，用了 4.7 秒，而且只返回了两个分类。
2 倍多的速度差，对威胁情报这种"早一秒发现就少一批人中招"的场景，是实打实的业务价值。
官方举的例子长这样：给 Clef 一个域名，它可能告诉你 95% 概率是时尚网站、85% 电商、<1% 钓鱼。注意这个输出——它不是"我认为这是时尚网站"的一句话，而是每个标签各带一个概率。你的策略层可以定阈值：phishing > 0.3 就拦，> 0.05 就转人工。这种可调的旋钮，是纯文本输出给不了的。
3. 信任与安全（Trust and safety） 拿你自己的政策评分标准去给用户投稿打分，然后按概率行动。
4. Agent 护栏（Guardrails） 让 Agent 在真正调用工具之前，先用几十毫秒问一句"我该不该执行这个动作"。
5. 视觉分类 文本之外的图片场景，比如审核用户上传的图。
至于基准成绩，官方口径是 10 项决策基准里 7 项第一。挑几个出来：
| Benchmark | Clef | Clef-flash | Jev |
|---|---|---|---|
| BFCL (case exact) | 98.47 | 98.76 | 95.75 |
| BANKING77 (macro-F1) | 94.20 | 90.93 | 79.74 |
| CLINC150+OOS (macro-F1) | 97.43 | 66.77 | 89.27 |
| Home appliances (case exact) | 82.95 | 97.73 | 52.27 |
另外在 TypeSafe 自己的工作流评测上，Clef 在 4 个领域里赢了 3 个：发票处理、客户服务、安全事件。
初体验：三分钟跑起来
最省事的路径是直接用 Workers AI，几行代码的事：
const response = await env.AI.run("@cf/cloudflare/clef", {
model: "clef",
state: "Checkout has been failing for every customer for the last hour.",
questions: {
urgent: {
type: "noul",
instructions: "Is this support request urgent?",
},
team: {
type: "choice",
instructions: "Which team should handle this request?",
criteria: {
billing: "Payments, invoices, and refunds",
technical: "Outages, errors, and configuration",
sales: "Plans and upgrades",
},
},
},
});
// response.answers.urgent.noul -> 这条请求紧急的概率
// response.answers.team.choice -> 概率最高的团队看清楚这个输入输出——没有 prompt 工程，没有"请你以 JSON 格式输出"，没有 retry，没有 json.loads 外面套 try-except。 你定义问题和选项，它给概率。就这些。
调用方式有两种：Workers AI binding（env.AI.run()）或者 REST API 的 /ai/run，也支持走 AI Gateway。
想自己部署的，权重在 Hugging Face：Cloudflare/clef 和 Cloudflare/clef-flash，Apache 2.0，也能通过 Ollama 在本地跑。
先别急着上，几个坑得说清楚
我这人有个毛病，看见"开源""第一""13 倍"就想泼冷水。以下几个点，你上线前必须知道：
- 它是 open-weight，不是完全 open-source。 Cloudflare 官方通稿用的是"open-source"，但 The Register 找 Cloudflare 的产品经理确认过，训练数据集不公开。权重能下载能部署能商用，但你复现不了训练过程。这个区别现在越来越重要，别被词儿糊弄了。
- 所有 benchmark 和延迟都是 Cloudflare 自己跑的。 包括那张"7/10 第一"的表，出自他们自己的 Decision Index 套件，目前没有第三方独立复现。不是说数据造假，而是说——你自己的场景得自己测，尤其要测校准（calibration）和尾延迟。
- 比 Jev 贵。 Clef $0.24 / 百万 token，Jev 大约 $0.042 / 百万，接近 6 倍。Cloudflare 的理由是"我们不收输出 token"，但对于输入很短的决策场景，这个理由未必能抹平差价。
- Clef-flash 不能无脑替 Clef。 看那张表：CLINC150+OOS 上 Clef 是 97.43，Clef-flash 只有 66.77，差了 30 多分。快是快，但便宜档位在"判断密集型"任务上不是贵档位的平替。合理的用法是按难度分流：清楚的走 flash，模棱两可的走 Clef。
- 本地部署门槛不低。 单并发、64K 上下文下，Clef-flash 至少要 41 GB 显存，Clef 要 85 GB。消费级显卡基本无缘，一张 80GB 的卡刚好能塞下 flash。
- 延迟会叠加。 一个任务里 Agent 分支 20 次，按中位数算，Clef 要等约 4.2 秒，Clef-flash 约 0.8 秒。这个差距决定了你是做交互式流程还是批处理流程——单个数字看着小，乘上分支数就吓人了。
决策模型这东西的价值，不在"它有多准"，而在**"它把不确定性变成了可设阈值的数字"**。概率给你了，阈值你自己定，责任也就清楚了。这是工程上的一大步。
进阶
如果你打算认真用 Clef，我建议这么走：先拿 Workers AI 免费额度把你最痛的那个分支点（通常是意图分类或工具选择）改造成 choice 问题，跑一周，对比一下原来的 LLM 方案在延迟和成本上的差距；确认有效之后再考虑 RL 微调或者自部署。
另外，这个赛道一周之内挤进了四家——Jev、OpenAI 的 Decisions API、亚马逊的 Strands Decider 2B、还有 Clef。这种密度说明的不是"谁家营销厉害"，而是很多团队已经撞上了同一堵墙：用生成式模型做路由，又慢又贵。
更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。