Clef:Cloudflare 面向智能体工作流的开放决策模型

Cloudflare 以 Apache 2.0 发布 Clef 和 Clef-flash:27B 和 9B 的决策模型,基于 Qwen 后训练,不写文字,而是给你定义的每个选项返回一个概率。

  • 新发布
  • 阅读约 3 分钟
  • 发布于

Cloudflare 于 2026 年 10 月 1 日发布了 Clef,并在 Hugging Face 上公开了两套权重:270 亿参数的 Clef 和 90 亿参数的 Clef-flash。两者都是决策模型,这类模型几周前由 Typesafe AI 的 Jev 带火。它们是 Cloudflare 的 Workers AI 团队训练的第一批模型,采用 Apache 2.0 许可证。

有什么新东西

决策模型不写文字。你发送一个情境(文本、JSON、图像或视频)和带类型的问题:真假判断、在命名选项中选择,或在有序量表上打分。模型一次推理就返回每个允许选项的概率,你的代码可以据此路由工单、升级处理,或交给人处理。Cloudflare 称它的威胁情报团队用这种方式给网站域名分类,耗时 2.2 秒,同一工作流中 gpt-oss-120b 需要 4.7 秒。

Clef 基于 Qwen3.8-27B 后训练,Clef-flash 基于 Qwen3.5-9B,并保留了视觉编码器。Cloudflare 冻结了 Qwen 权重,训练了一个小型联合头和 LoRA 适配器,用到合成数据和它称为 RLCD 的强化学习步骤。Jev 只能读文本,而 Clef 还能接收图像和视频,宣传的上下文是 64K token,Jev 是 32K。API 与 Jev 和 SystemOne 兼容。

Cloudflare 自己运行的 Decision Index 结果有好有坏。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,差距最大的是 GPQA Diamond、BBH 和 MMLU-Pro。Cloudflare 报告在它的托管服务上,Clef 的中位延迟为 209 毫秒,Clef-flash 为 39 毫秒,Jev 为 524 毫秒。

怎么运行

BF16 仓库分别约 55 GB 和 19 GB。模型卡里的 PyTorch 和 Transformers 代码在单张 H200 上测试过,SGLang 有开发版镜像,以及 H200、B200、B300 的启动命令。llama.cpp 在 10 月 3 日合并了仅文本的支持,ggml-org 提供 GGUF 文件:Clef 的 Q4_K_M 为 19.5 GB,Clef-flash 为 6.7 GB,通过 /v1/systemone 接口提供服务。据我们估算,4 位的 Clef 约需 19 GB 内存,Clef-flash 约 6.5 GB。示例代码默认的输入上限是 16,384 个 token,输入更长时请调大 max_length。

许可证

两个仓库都采用 Apache 2.0,沿用了 Qwen 基础模型的许可证,没有营收上限、地区限制或命名要求。Cloudflare 还在 Workers AI 上托管这些模型,并通过自己的工程师提供微调服务,自助平台正在计划中,但开放权重与这些服务是分开的。

为什么重要

我们目录里的开放模型大多是写文字的,所以智能体里需要一个“是”、一个团队名或一个严重程度分数的步骤,只能去问聊天模型再解析回复。Clef 展示了另一条路:带类型输出的打分模型,给出可以设阈值的概率。它不能解释自己,偏重推理的检查更适合更大的模型,而且所有基准和延迟数字都来自 Cloudflare 自己,所以请用你自己工作流里的标注样例来测试。我们的编程与智能体榜单介绍了围绕这类步骤的聊天模型。

来源

本文涉及的模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Clef Cloudflare 9.41B – 27.4B 64K Apache 2.0 (宽松) 6.49 GB 笔记本或手机
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
gpt-oss OpenAI 21B – 117B 激活 5.1B 128K Apache 2.0 (宽松) 15 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