四十八個德瑞克

Cloudflare加入decision model戰局，jev多一個挑戰者

derekhsu
發光的五線譜譜號延伸成分支決策節點網絡的抽象插圖

譯註：Cloudflare 於 2026 年 10 月 1 日發表開源「決策模型」（decision model）Clef 與 Clef-flash，宣稱在 Typesafe Jev 自家的評測指標上領先，並同步發表強化學習微調平台。這篇翻譯全文收錄其架構與基準數字，後半整理 Hacker News 157 則討論——網友一方面肯定開放權重，另一方面質疑「決策模型」概念不新、Cloudflare 自家基準的可信度，實測延遲與價格也未必勝過 Jev。

Cloudflare Blog 原文翻譯

〈Introducing Clef: our open-source decision models, and new RL fine-tuning platform〉

Cloudflare Blog｜2026 年 10 月 1 日

作者：Michelle Chen、Alex Reneau、Kevin Flansburg

過去幾週，圍繞「決策模型」（decision models）有非常多討論，例如 Typesafe AI 的 Jev System One 模型。分類模型（classifier models）雖然存在已久，但 Jev 為 AI 世界引入了新的決策模型概念——一個能便宜、快速且一致地產生有界結構化輸出的模型，當工作流程中需要做出「決斷」時就能接進去。這類模型足夠聰明，可以在任何輸入組合上運作，而不需要為了納入新的分類類別而不斷重新訓練模型。這與大型語言模型（LLM）的世界形成對比：LLM 大體上是非決定性的，但其開放性足以進行推理，並為 agentic 工作負載產生文字與工具呼叫。

今天，我們在 Workers AI 上發布兩個由 Cloudflare 訓練的決策模型：Clef 與 Clef-flash。以 Jev Decision Index 評測來看，Clef 目前是領先者，完整結果可見即時基準測試展示網站。這些模型更聰明、更快，而且完全相容 Jev API，讓你輕鬆試用這些託管模型。我們也將這些模型以 Apache 2.0 授權在 Hugging Face 上完全開源，供你本地執行與自行實驗。

最後，我們很高興首度推出全新的強化學習（RL）產品，允許客戶微調 Clef 以符合自己的使用場景。

什麼是決策模型？

決策模型進行分類，依據特定機率幫助 agent 決定該如何行動。例如，你可以傳入一則客服訊息（輸入），詢問它是否緊急、該由哪個團隊處理。決策模型會回傳帶機率的型別化答案（輸出），你的程式碼可據此路由工單、觸發升級通報，或轉交人工處理。這意味著 agentic 決策不再一定需要人類在迴圈中（human-in-the-loop）——agent 能以程式化方式蒐集脈絡、做出決策並對任務採取行動，或在需要時轉交人工。

更具體地，在 Cloudflare 內部，我們一直在測試新的 Clef 模型，協助威脅情報（Threat Intelligence）團隊對網站網域進行分類。把一個網域交給 Clef（搭配 Browser Run），它能快速辨識該網域所屬的類別——例如，它可能以 95% 的機率判定某網域是時尚網站、85% 是電商、低於 1% 是釣魚網站等。這次分類，我們的 Clef 模型花費 2.2 秒完成抓取、渲染與分類網站；相比之下，我們最快的通用 LLM gpt-oss-120b 在相同工作流程中花了 4.7 秒，而且只回傳兩個分類結果。身為使用者，你可以想像延遲減少 2 倍、結果更豐富，如何幫助我們改善威脅情報工作流程、更快識別惡意或正當網域。將此推廣到任何需要快速做出程式化決斷的場景，你就能解鎖強大的 agentic 工作流程，自主地決策、推理與執行。

在樂理中，譜號（clef）是放在五線譜開頭的符號，用來指定各線與各間的音高名稱。決策模型與樂譜號類似，因為它有助於定義脈絡的範圍，以及隨後的音符（行動）。我們選擇 Clef 作為這一系列決策模型的名稱，正是因為它有相似的用途，而其中的 CF 則呼應 Cloudflare。

Clef 與其他決策模型有何不同？

雖然市場上決策模型日益擁擠，Clef 仍有一些讓我們興奮、值得公開發布的獨特之處。第一，它有視覺編碼器（vision encoder），因此能接收圖片並分類視覺內容。這與 Jev 不同，Jev 目前只做文字分類。其次，我們的模型有 64k 上下文視窗（相較於 Jev 的 32k），讓使用者能塞進更多輸入狀態供模型分類。

第三，我們的模型準確且強大，在多項品質基準上與市場其他決策模型相比具有競爭力。我們在下方精選了若干對 Jev Decision Index 定義之「決策」重要的評測，並對市場上較熱門的模型進行評分。請看下方的基準表，或到我們的即時 decision index 展示網站查看分數：

基準測試 Clef Clef-flash Jev DiffusionGemma Jev Kev 9B Laya
BFCL · case exact 98.47 98.76 95.75 96.52 94.51 38.13
ToolRet · nDCG@10 69.19 66.43 65.28 61.21 64.26 12.69
API-Bank · accuracy 91.93 93.11 88.19 83.66 56.30 11.41
Home appliances · case exact 82.95 97.73 52.27 42.05 25.00 0.00
When2Call · accuracy 72.37 65.58 80.97 75.44 49.62 11.94
BANKING77 · macro-F1 94.20 90.93 79.74 74.28 84.83 14.29
CLINC150+OOS · macro-F1 97.43 66.77 89.27 83.49 79.03 3.19
BRIGHT · nDCG@10 45.91 39.26 47.52 42.94 38.53 19.90
Amazon ESCI · macro-F1 57.48 57.39 55.21 53.37 49.22 24.40
PhishNChips · accuracy 79.60 75.05 62.55 85.35 50.75 50.15

我們也在 Typesafe 自家的評測套件上跑了基準，Clef 系列表現良好，在 4 項領域中打贏 Jev 3 項。值得注意的是，考慮到 Clef-flash 快上許多，它的表現尤其出色：

工作流程 Clef Clef-flash Jev
發票處理 64.7 57.1 61.8
客戶服務 76.3 77 76.0
安全事件 62.9 61.7 61.7
Agent trace 觀測性 68.5 69.8 71.6

在我們執行的 43 項評測基準中，Clef 系列在延遲上擊敗其他決策模型（唯有 Laya 極快，但在上述品質基準上有所取捨）：

基準測試 Clef Clef-flash Jev DiffusionGemma Jev Kev-9B Laya
中位延遲 · ms 209.3 38.8 524.1 84.4 51.4 5.8
p95 延遲 · ms 238.6 122.4 536.0 211.2 187.9 222.5

除了模型本身的延遲優勢之外，我們的 Clef 模型託管在 Workers AI 上。由於託管於 Cloudflare 基礎設施，我們能善用邊緣的 GPU，帶來低網路延遲與更快的決策。這代表你可以把 Clef 放進 agent 的熱路徑（hot path）做決策，再搭配 Workers AI 上的任一 LLM 來執行動作。


curl https://api.cloudflare.com/client/v4/accounts/$CLOUDFLARE_ACCOUNT_ID/ai/run/@cf/cloudflare/clef} \
  -X POST \
  -H "Authorization: Bearer $CLOUDFLARE_AUTH_TOKEN" \
  -d '{
    "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"
        }
      },
      "severity": {
        "type": "score",
        "instructions": "How severe is the customer impact?",
        "criteria": ["No impact", "Minor", "Major", "Critical"]
      }
    }
  }'

Clef 也產生與 Jev 類似的嚴格型別化輸出，且完全 API 相容，因此替換非常容易。較大的 Clef 是更強的精準模型，而 Clef-Flash 則適合延遲關鍵的決策。這些模型已達企業級，我們保證不會讀取、儲存或以你的請求與回應進行訓練（除非你想使用我們下方介紹的微調產品）。你可以今天就從開發者文件開始使用 Clef 模型，或在 Hugging Face repo 上玩玩開源模型。

如果你希望有人協助針對特定工作負載調校 Clef，我們也提供微調服務——先由前部署工程師（FDE）團隊手把手合作，之後再推出自助式微調平台，供客戶訓練並將模型重新部署到 Cloudflare。

我們如何訓練 Clef

在 Jev 推出的同一週，我們也發布了自家決策模型的一些實驗。我們的展示說明了如何改造 DiffusionGemma 模型——透過揭露 LLM 產生的 logprobs，使其輸出決定性機率。我們的初步方法建立在 Matt Mastracci 的獨立研究之上，他長期活躍於機器學習（ML）社群，分享新想法並向 vLLM 推理引擎提交 pull request，以強化 DiffusionGemma 的支援。

Clef 建立在這個概念之上，但使用了不同的基座模型作為骨幹。我們目前以 Qwen 作為基座模型，並對其進行後訓練以符合決策模型的使用場景。推理時，Clef 先用 Qwen 做一次僅預填（prefill-only）的傳遞，然後平行地對所有合法的 schema 選項打分。決策步驟是非自回歸（non-autoregressive）的，沒有逐個 token 產生的中間文字，使 Clef 明顯快於自回歸 LLM。Clef 與 Clef-flash 不是先產生中間文字再產出結構化答案，而是直接從內部骨幹表徵（backbone representations）導出 schema 選項。這種方法依賴專門的兩階段注意力路由過程：每個合法選項抽取與提示詞相關的脈絡，讓各個欄位參數能交叉注意（cross-attend）其他欄位、並在打分前回頭注意原始輸入。藉由利用詞彙先驗（lexical prior），模型在各選項之間保留語意意圖。最終，這個架構統合了選項專屬的證據路由、跨欄位聯合注意力，以及受 schema 約束的打分。

透過凍結 Qwen3.8-27B（Clef）與 Qwen3.5-9B（Clef-flash），我們對路由頭（routing head）與 rank-256 低秩適配器（LoRA）進行聯合優化。我們的後訓練對合法 schema 輸出使用標籤平滑交叉熵（label-smoothed cross-entropy），並搭配 Brier loss 來改善機率校準（probability calibration）。訓練使用我們自家的內部合成資料集，對欄位順序、提示詞與 schema 結構進行排列變化。我們還開發了「校準決策的強化學習」（RLCD, Reinforcement Learning for Calibrated Decisions）作為次要優化目標：對相鄰的序數選項給予部分學分、獎勵完全精確的記錄輸出，並施加參考懲罰以防止分佈偏移，從而帶來更好的準確度與泛化能力。

這意味著我們藉 Clef 達成了幾項新穎的成果：提升了模型在分類上的準確度；將其約束為只輸出機率而非文字生成；並使其比 Jev 與基座 Qwen 模型更快。

微調如何擴展 Clef 的能力

我們聽到很多內部場景需要微調 Clef，才能導入 Cloudflare 的 agentic 工作流程。例如，內部團隊希望有一個分類模型能評估信任與安全（Trust & Safety）提交內容、協助分類 Cloudflare 支援請求，甚至內建到我們的 Bot 產品中，判斷某個爬蟲是好機器人還是壞機器人。

這些使用場景極為特定，而我們有多年已標註的決策資料可用來訓練專用分類器。微調模型時，你可能會犧牲部分通用能力，換取特定領域的更高準確度。由於 Cloudflare 擁有橫跨多個領域、超過 15 年的網路資料，我們可以微調模型以契合這些特定場景，比通用 Clef 更準確、也更快。我們已與內部團隊合作，研究如何對 Clef 進行後訓練、打造強大的 ML 模型，以提升影響力並改善 Cloudflare 全公司的流程。這些內部團隊與使用場景正是我們新 FDE 微調團隊的下一個職責範圍，也是我們強化學習（RL）產品的基礎。

我們新的 RL 服務

我們提供一項服務，透過實戰經驗豐富的 FDE 團隊協助客戶微調 Clef 以符合其工作負載。從中，我們將汲取親手實作的經驗，打造一個自助平台，讓客戶能擷取資料、微調並重新部署模型，全程都在 Cloudflare 上完成。

這其實醞釀已久——我們一直在建構 AI 平台所需的正確原語（primitives），以便能打造自訂 RL 產品。Jev 引起的興趣顯示了市場對「快速、小型、專用分類模型」的需求，我們選擇這一點作為利基，開始實驗 RL 環境。

為此，我們利用已在 Cloudflare 平台上建好的原語：

這結合了 AI 平台數個進行中的成果，包括擷取你 AI 流量的 AI Gateway（讓你能利用自己的請求／回應資料）、作為 RL 沙盒的 Containers，以及自我們收購 Replicate 以來持續推進的 Workers AI「自帶模型」（Bring Your Own Model / Cog）工作。

今天就試試看

我們很高興今天推出 Workers AI 團隊的第一個 Cloudflare 訓練 ML 模型。我們仍在早期，還有許多改進在路上，但這是 AI 平台團隊辛勤工作的一次精彩首秀。我們相信 Clef 有潛能顛覆我們使用 agent 的方式，這也自然契合 Cloudflare 成為「agent cloud」的使命。

如果你有特定使用場景、且已是這些產品的客戶——我們很樂意在這個領域探索時與你交流，一起擔任設計合作夥伴。

試用 Workers AI 上託管的 Clef 模型，想自己探索的話可到 Hugging Face 下載權重，若有微調需求也歡迎聯絡我們。

我們的 ML 團隊影響力持續成長，從模型優化到模型訓練研究。如果你有興趣加入我們的使命，歡迎查看我們的職缺。

Hacker News 討論整理

討論串： Clef: Open-weight decision models, and new RL fine-tuning platform

分數： 410 points｜留言： 157 則｜發文者： jasondavies

一、整體氛圍

正面居多但審慎。多數人肯定 Cloudflare 開放權重、當天即可試用的作法；同時不少人質疑「決策模型」是不是被過度包裝的舊東西，以及 Cloudflare 宣稱的基準是否經得起第三方驗證。

二、「幾週內就做出比 Jev 更好的模型」——門檻有多低？

三、要求驗證效能數字：第三方實測與質疑

– Jev/TypeSafe：中位 230ms、平均 254ms

– Jev/OpenRouter：中位 237ms、平均 267ms

– Clef Flash：中位 661ms、平均 806ms

– 「What gives?（這怎麼回事？）」

四、官方親自回答：校準（calibration）怎麼做的

五、對 TypeSafe（Jev）的同情與商業模式質疑

六、「開源 vs 開放權重」之爭（HN 版主介入改標題）

七、「決策模型」到底是不是新東西？

八、競品與替代方案現身（含自我宣傳插曲）

九、正面與期待

十、題外但熱烈：「低垂果實」大辯論

由 Clef 是否「簡單」延伸（seizethecheese 問「列幾個剩下的低垂果實」）：

十一、其他值得注意的留言

總體調性

HN 的共識大致是：Clef 本身是不錯的開放權重發布（有視覺輸入、64k 上下文、API 相容），但「決策模型」概念不新、Cloudflare 自家基準可信度存疑、第三方實測延遲與價格未必勝過 Jev。 正面評價集中在「開放權重、當天可用、刺激競爭」，負面集中在「行銷成分、基準自證、延遲數字與實測不符」。若這門生意存在護城河，多數留言者認為它在校準、資料與產品整合，而不是 I/O 形狀本身；同時也有聲音提醒，能在一個月內被抄出翻版的東西，本來就談不上太深的壁壘。

（轉譯自 Cloudflare Blog〈Introducing Clef: our open-source decision models, and new RL fine-tuning platform〉2026 年 10 月 1 日新聞稿，原文連結：https://blog.cloudflare.com/clef-decision-models/ 。Hacker News 討論串：https://news.ycombinator.com/item?id=49923692 ，網友回饋擷取截至 2026 年 10 月 2 日。）

Exit mobile version