Cloudflare开源Clef决策模型并推出强化学习微调服务

Cloudflare 于 2026 年 10 月 1 日发布了两款决策模型（decision model）Clef 和 Clef-flash。据该公司介绍，这是其 Workers AI 团队自行训练的首批模型。两款模型均已托管在 Cloudflare 的 AI 平台 Workers AI 上，模型文件也以 Apache 2.0 许可证在 Hugging Face 上开放下载，企业可以在自己的服务器上运行。在同一公告中，Cloudflare 还推出了一项基于强化学习（RL）的微调服务，可按客户自身的工作负载对 Clef 进行训练。

决策模型为各个选项给出概率

决策模型是一类专为工作流程中需要快速做出判断的环节而设计的模型。用户向模型提供一个状态（例如一条客户支持消息）以及答案预先设定好的问题：请求是否紧急、应由哪个团队处理（账单、技术或销售）、对客户的影响有多严重。模型无需写出长篇回答，直接为每个选项返回一个概率。程序可以据此把工单转给相应团队、升级紧急情况，或在把握不足时把决定交给人工。由于选项在每次请求中都可以重新定义，增加新的类别无需重新训练模型。

Cloudflare 表示，这类模型近几周因 Typesafe AI 的 Jev 而受到关注。Clef 的请求与响应格式与 Jev 兼容，已在使用 Jev 的应用可以轻松切换。该公司称，已在自家威胁情报团队中试用 Clef 对网站进行分类：模型可一次性评估某个域名属于哪些类别，包括其为钓鱼网站的可能性。

两种规格、支持图像输入与较长上下文

据公告介绍，较大的 Clef 基于 Qwen3.8-27B，较小、较快的 Clef-flash 基于 Qwen3.5-9B。Cloudflare 保持 Qwen 基础模型不变，在其上加入一个为选项打分的小型模块以及额外训练的适配层。模型只读取一次状态，即可同时为所有选项打分；由于不需要逐词生成文本，其速度明显快于通用语言模型。据 Hugging Face 页面，两款模型都可以接受文本、JSON、图像和视频帧作为输入。公告称模型的上下文窗口为 64K 词元（token）。Cloudflare 建议在需要精度的任务中使用大模型，在对延迟敏感的决策中使用 Clef-flash。

在 Cloudflare 公布的对比中，Clef 在 Jev Decision Index 上排名第一，并在 Typesafe 自己的多数工作流测试中胜过 Jev；在部分测试中则是竞争模型领先。相关结果也发布在 Cloudflare 搭建的实时排行榜上。

上线渠道与微调服务

在 Workers AI 上，可通过 @cf/cloudflare/clef 调用模型。Cloudflare 表示不会读取、存储这些请求，也不会用其训练模型；选择微调服务的客户适用单独的条款。想在自己的硬件上试用的用户可以从 Hugging Face 下载，模型卡中提供了 Python 使用示例。最新价格请见 Cloudflare 官网。

新的强化学习服务分两个阶段推出。第一阶段，由 Cloudflare 直接对接客户的前线部署工程师团队与客户合作，按其工作负载微调 Clef。之后计划推出自助平台，客户可以收集自己的数据、微调模型并重新部署到 Cloudflare 上；该阶段尚未公布时间。整个系统整合了 Cloudflare 现有的组件，例如用于记录流量的 AI Gateway、用作训练沙箱的 Containers，以及用于部署微调后模型的 Workers AI。有意参与的企业可以填写申请表。

已公布的对比均由 Cloudflare 自行完成。公告和模型页面没有说明模型支持哪些语言以及效果如何，因此在处理非英文文本前，最好先用自己的样例进行测试。自行运行大模型需要性能强大的数据中心 GPU；据模型卡介绍，测试是在单张 NVIDIA H200 上完成的。想了解模型的真实表现，值得关注独立研究人员的评估。

来源：Cloudflare：Clef 决策模型与强化学习微调服务、Hugging Face：Cloudflare Clef、Hugging Face：Cloudflare Clef-flash。