Clef
Cloudflare 的开放决策模型:给它一个情境和若干问题,一次推理就返回每个选项的概率。
一句话概括. Clef 是 Cloudflare 推出的模型,它做的是快速决策,而不是写文字。你描述一个情境,比如一条客服消息或一张收据照片,再问几个问题,比如是否紧急、该由哪个团队处理,它会给出每个可能选项的概率,你的代码可以据此行动。它有 27B 和更小更快的 9B 两种尺寸。
概述
Cloudflare 于 2026 年 10 月 1 日发布 Clef 和 Clef-flash,这是它在 Workers AI 上第一批自行训练的模型,权重以 Apache 2.0 许可证发布在 Hugging Face 上。公告把它们称为决策模型,这个类别由 Typesafe AI 的 Jev 带火。你发送一个状态(文本、JSON、图像或视频)和带类型的问题,模型一次前向计算就返回每个允许选项的概率。问题可以是真假判断(API 中叫 noul)、在命名选项中选择,或者在有序量表上打分。模型不写自由文本,所以没有什么需要解析。请求格式与 Jev 和 SystemOne 一致,客户端可以在它们之间切换。
Clef 基于 Qwen3.8-27B 后训练,较小的 Clef-flash 基于 Qwen3.5-9B,并保留了视觉编码器。Cloudflare 冻结 Qwen 主干,训练了一个小型联合头,它把输入中的证据路由到每个问题,并联合给所有问题的所有选项打分,另外还有秩为 256 的 LoRA 适配器。训练用到带标签平滑的交叉熵和用于校准的 Brier 损失、Cloudflare 自己的合成数据,以及公司称为 RLCD 的强化学习步骤。由于决策步骤只读一遍输入、不生成 token,Cloudflare 托管服务的中位延迟在 Clef 上是 209 毫秒,在 Clef-flash 上是 39 毫秒,同一张表里 Jev 是 524 毫秒。这些是服务端数字,来自 Cloudflare 自己的测试,在你的硬件上会有差别。宣传的上下文是 64K token,而示例代码默认的 max_length 是 16,384。
自行运行有三条路。模型卡的 PyTorch 和 Transformers 代码在单张 H200 上测试过,SGLang 有开发版镜像和 H200、B200、B300 的启动命令,llama.cpp 则在 2026 年 10 月 3 日合并了仅文本的支持。BF16 仓库约 55 GB 和 19 GB,ggml-org 提供 19.5 GB(Q4_K_M)和 6.7 GB 的 GGUF 文件。Cloudflare 自己运行的 Decision Index 里,按我们对模型卡表格的统计,Clef 在 41 项基准中有 26 项领先 Jev,15 项落后。Jev 领先最多的是 GPQA Diamond(48.0 对 78.3)、BBH 和 MMLU-Pro,这说明偏重推理的问题更适合更大的模型。Cloudflare 称 Clef 在该指数上总体领先,这是它自己的说法。截至 2026 年 11 月 11 日的 30 天内,Hugging Face 统计 Clef 约有 72,000 次下载,Clef-flash 约 37,000 次。
适合做什么
- 智能体内部的路由、分诊和打标签步骤,需要一个可以设阈值的概率
- 按你定义的模式对文本、图像或视频分类,新增标签不用重新训练
- 本地的快速决策:9B 的 Clef-flash BF16 约 19 GB,4 位 GGUF 为 6.7 GB
- Apache 2.0 许可证可商用,兼容 Jev 的 API 可直接替换现有客户端
需要注意
- 它不能写文字、不能解释答案、也不能调用工具,只会给你提供的选项打分
- 偏重推理的判断在 Cloudflare 的表格里落后于 Jev,Clef-flash 在 CLINC150+OOS 和 RAGTruth 上大幅下降
- 基准和延迟数字都来自 Cloudflare 自己的测试,延迟指的是它的托管服务
- 需要模型卡的自定义代码、SGLang 或 llama.cpp,而且 llama.cpp 的支持仅覆盖文本
- 示例代码的默认输入上限是 16,384 个 token,低于宣传的 64K 上下文
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 Clef-flash (9B, lowest latency) 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| Clef-flash (9B, lowest latency) BF16 | 9.41B | 22 GB | 11 GB | 6.49 GB | 笔记本或手机 |
| Clef (27B, precision decisions) BF16 | 27.4B | 63 GB | 31 GB | 19 GB | 游戏显卡 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- Clef 是什么?
- Clef 是 Cloudflare 推出的模型,它做的是快速决策,而不是写文字。你描述一个情境,比如一条客服消息或一张收据照片,再问几个问题,比如是否紧急、该由哪个团队处理,它会给出每个可能选项的概率,你的代码可以据此行动。它有 27B 和更小更快的 9B 两种尺寸。
- Clef 可以商用吗?
- 可以。Clef 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Clef 是开源的吗?
- Clef 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Clef 吗?
- 可以。最小版本 Clef-flash (9B, lowest latency) 在 4 位精度下约需 6.49 GB 内存,现代笔记本或中端显卡即可胜任。
- Clef 是什么时候发布的?
- Clef 由 Cloudflare 于 2026年10月1日 发布。
- Clef 的上下文窗口有多长?
- Clef 支持最长 64K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Introducing Clef: our open-source decision models, and new RL fine-tuning platform (Cloudflare blog, 1 Oct 2026) blog.cloudflare.com
- Cloudflare/clef model card (Hugging Face) huggingface.co
- Cloudflare/clef-flash model card (Hugging Face) huggingface.co
- llama.cpp pull request 29831: add support for the clef decision model (text-only) github.com
- ggml-org/Clef-GGUF model card (Hugging Face) huggingface.co
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Qwen3.8-27B Alibaba Qwen | 27.8B | 256K | Apache 2.0 (宽松) | 19 GB 游戏显卡 | |
| Qwen3.5 Alibaba Qwen | 873M – 403B 激活 17B | 256K | Apache 2.0 (宽松) | 0.602 GB 笔记本或手机 | |
| DiffusionGemma Google DeepMind | 25.2B 激活 3.8B | 256K | Apache 2.0 (宽松) | 17 GB 游戏显卡 | |
| AutoTrust Decider AutoTrust AI Lab | 8.95B – 36B 激活 3B | 256K | Apache 2.0 (宽松) | 6.18 GB 笔记本或手机 |