Cloudflare开源Clef智能体决策模型

一句话结论：智能体缺的不是嘴，是裁判

Clef 与 Clef-flash 是两款不生成任何文字的模型。它们只回答三类问题：是或否、在若干候选中选一个、在有序标准上打一个分，并为每个允许的答案返回概率。据 Cloudflare 官方博客 2026 年 10 月 1 日发布的说明，9B 参数的 Clef-flash 在其内部决策评测中的中位延迟为 38.8 毫秒，27B 参数的 Clef 为 209.3 毫秒。

真正值得关注的是分工被重新划了一次。大模型继续负责写作与推理，判断这类高频、低创意、必须稳定可编程的动作，被单独拆出来交给小模型。对每天要跑成百上千次路由、分流、风控的智能体（AI Agent）来说，先让对方写一段话再解析出结论，本身就是浪费。

Clef 究竟是什么：把输出从「段落」换成「概率」

一句话定义：决策模型只做一件事——你交给它一份输入和一个允许答案的集合，它一次性返回每个答案的概率，绝不组织句子。

这正好卡在智能体的关键位置。工具调用前的选择、输入是否安全、工单归入十二类中的哪一类，这些环节不需要文采，只需要可编程的确定输出。据 Cloudflare 官方博客介绍，Clef 拥有 270 亿参数，基于 Qwen3.8-27B 构建；Clef-flash 拥有 90 亿参数，基于 Qwen3.5-9B 构建。两者均支持 64000 令牌的上下文窗口，并能读取图像与视频，单次最多处理 4 张图片。

授权方式上，两款模型以 Apache 2.0 协议在 Hugging Face 开放权重，同时托管在 Cloudflare 的 Workers AI 平台，可通过 TypeSafe AI 的 Jev 接口调用。这也是 Cloudflare 首次公开由自有团队训练的模型。

横向对比：两款模型怎么分工

维度	Clef	Clef-flash
参数量	270 亿	90 亿
底座	Qwen3.8-27B	Qwen3.5-9B
中位决策延迟	209.3 毫秒	38.8 毫秒
上下文	64000 令牌	64000 令牌
适用环节	复杂分类、风险评级	高并发路由、实时护栏
授权	Apache 2.0	Apache 2.0

选择逻辑并不复杂。延迟敏感、调用量巨大的链路交给 Clef-flash；需要更高判断质量、可以忍受两百毫秒的分类任务交给 Clef。

为什么这件事对一人公司也是利好

第一，成本结构变了。判断环节不再依赖昂贵的大模型按令牌计费，护栏和路由可以高频跑而不心疼预算。

第二，工程链路变短。以往要让智能体输出结构化结论，需要提示词约束加正则解析，出错率不低；现在直接拿到概率分布，写代码的人少掉一整段胶水逻辑。

第三，可观测性变好。概率是可以设阈值的数值，调参、回滚、灰度都有了抓手，而不是「感觉它变笨了」。

据 Cloudflare 官方博客披露，其内部决策评测中两款模型分别取得 209.3 毫秒与 38.8 毫秒的中位成绩，该数据为厂商自测口径，任务不同结果会有差异，第三方尚未完整复现。拿它做关键链路前，仍建议用自有数据做一轮小规模回归。

落地建议：三条可执行的做法

先把「判断」和「生成」拆开。凡是能用固定答案集描述的决策，都不要塞给写作模型。
用阈值而不是布尔值。概率高于某个数值才放行，模糊区间转人工，智能体的行为会稳定得多。
记录分布漂移。同一类判断的概率均值随时间变化，往往是最早暴露问题上游变化的信号。

与其他方案的差异：为什么不让大模型兼职判断

把判断交给通用大模型，是过去两年最常见的做法，代价有三个。一是延迟，同一次分类往往要几百毫秒到数秒；二是成本，每次判断都按令牌计费，调用量一上去账单就失控；三是稳定性，输出是自然语言，需要额外解析，格式偶尔跑偏就会让整条链路报错。

专用决策模型把这三件事一次性解决：延迟压到几十毫秒，判断按次计费更可控，输出直接是概率数值，不需要写解析逻辑。据 Cloudflare 官方博客介绍，两款模型均支持 64000 令牌上下文，并具备图像与视频理解能力，单次最多处理 4 张图片，这意味着它们不只能判断文本，还能对多模态输入直接给出结论。