Cloudflare宣布推出自行訓練的決策模型Clef，以及速度更快的輕量版Clef-flash，兩款模型已經整合進旗下的Workers AI服務，並且以Apache 2.0授權開放模型權重，讓開發者可以直接下載使用。
與一般大家熟悉的大型語言模型不同，決策模型不負責寫文章或聊天，它專門處理範圍明確的判斷。開發者可以先設定好可接受的答案，模型讀進資料後，直接回傳符合格式的答案和每個選項的機率，適合用在AI代理的分類、分流與下一步動作的選擇。
Clef採用與Jev相容的程式介面，原本使用Jev的應用比較容易改換成Clef。除了文字之外，Clef也可以處理圖片，上下文長度為64K，在代理應用中能一次讀進較長的輸入資料再做出判斷。
一個典型的使用情境是客服系統：收到使用者的訊息後，交由Clef判斷這件案子是否緊急、應該分給業務、帳務還是技術團隊，以及嚴重程度。應用程式拿到結果，就能直接分派案件、啟動後續流程，如果模型無法確定，就轉交人工處理。
推論方式是這兩款模型縮短處理時間的關鍵。一般生成式AI通常需要逐步產生輸出內容，而Clef先讀取輸入資料，再直接針對預先設定的答案計算分數，不必先產生一段文字，因此在AI代理只需要分類或選擇下一步動作時，可以省下產生文字的過程。
根據Cloudflare公布的43項評測結果，Clef的中位延遲為209.3毫秒，Clef-flash為38.8毫秒，Jev則為524.1毫秒。兩款新模型的延遲都明顯低於Jev，其中Clef-flash快了將近十倍。不過在準確度上，各模型在不同測試中的表現並非由Clef全面領先，例如Jev在部分測試仍然取得較高的成績。
Cloudflare表示，Clef以Qwen3.8-27B為基礎，Clef-flash則以Qwen3.5-9B為基礎，再針對決策工作進行訓練。這意味著兩款模型都繼承了開源模型的能力，並針對判斷類任務做了專門的最佳化。
目前開發者可以透過Workers AI直接使用這兩款模型，也可以從Hugging Face取得模型權重自行執行。不想自己動手的人，可以選擇Cloudflare提供的託管服務。
除了現成的模型，Cloudflare還開始提供模型微調服務，由工程團隊協助客戶依照特定的工作調整Clef。後續也規劃推出自助式平台，讓客戶自行準備資料、微調並重新部署模型。
這項發布顯示Cloudflare正在把戰線從網路服務延伸到AI基礎設施。對開發AI代理的團隊來說，開源權重加低延遲的判斷模型，提供了一個直接的選項，特別是那些原本就在使用Jev的應用，遷移的門檻相對較低。
接下來可以觀察實際開發者的採用情況，特別是在需要大量即時判斷的代理應用中，Clef的延遲優勢能否轉換為實際的導入。
後續發展方面，Cloudflare的自助式微調平台何時上線，以及社群會基於開放權重做出哪些客製版本，都是值得關注的方向。
