文章目录先说名字两条路线的根本区别三个 Jev 没有的能力速度Clef-flash 快得离谱质量跑分互有胜负架构细节两阶段注意力路由零格式幻觉架构层面的硬约束RL 微调服务Clef 的差异化生态怎么选Jev 发布两周后Cloudflare 就跟上了。2026 年 10 月 1 日Cloudflare 在 AI 生日周推出了两款决策模型Clef 和 Clef-flash。Apache 2.0 开源权重HuggingFace 可下载Workers AI 托管可调用。从产品定位到技术架构到 API 协议正面对标 Jev而且有几个地方确实走在了前面。上一篇文章我聊了 Jev 是什么、为什么火了。这篇专门拆 Clef说清楚三件事它跟 Jev 有什么不一样、技术上怎么做到的、值不值得用。先说名字Clef 这个名字来自音乐理论里的谱号。五线谱开头的那个符号定义了每条线和间对应的音高。Cloudflare 的意思是决策模型定义了业务上下文的动作边界就像谱号定义了音高区间。同时 CF 恰好是 Cloudflare 的缩写。起名这个事能看出一点 Cloudflare 的产品哲学它不是在做又一个 Jev而是在用自己的语言定义品类。从后面的技术架构差异看这个态度是一以贯之的。两条路线的根本区别上一篇文章提过Jev 是从零开始为决策任务设计的专用架构不含任何生成能力的冗余参数。Clef 的路线不一样它是在通用大模型底座上改造的。具体说Clef 冻结了 Qwen 的底座权重Clef 用 Qwen3.8-27BClef-flash 用 Qwen3.5-9B只训练了一个轻量级的 schema head 和 rank-256 LoRA 适配器。推理时让 Qwen 执行一次 prefill-only 前向传播然后 schema head 并行对所有候选选项打分。这个路线跟 Jev 的区别可以这样理解Jev 是原生决策芯片从设计图纸上就只做决策Clef 是通用芯片加了个决策外挂底座还是通用大模型但推理的时候不走自回归生成那套而是直接从内部表征导出结果。两种路线各有优劣。Clef 的好处是底座经过通用训练语义理解能力强而且继承了 Qwen 的视觉编码器天然支持图片和视频输入。Jev 的好处是没有生成能力的参数冗余同等参数量下决策效率更高。但从基准跑分看Clef 在分类和工具调用类任务上反而领先 Jev说明通用底座加专用头这条路至少不比纯专用架构差。三个 Jev 没有的能力Clef 相对 Jev 的差异化官方主打三点。多模态。Clef 保留了 Qwen 的视觉编码器可以接受文本、JSON、图片、视频帧混合输入。Jev 目前只支持纯文本。这个差异在实际场景里影响很大做内容审核的时候你想判断一张图片是不是违规内容用 Clef 可以直接扔进去用 Jev 得先用别的模型把图片转成文字描述再判断多了一层不确定性。Cloudflare 自己的威胁情报团队已经在用这个能力。他们用 Clef 加 Browser Run 做域名分类抓取网页、渲染页面截图、然后让 Clef 判断这个域名属于什么类别。全流程 2.2 秒。对比他们之前最快的 gpt-oss-120b 通用大模型同样的事要 4.7 秒而且只能返回两个分类结果Clef 能返回更多维度。上下文窗口。Clef 支持 64kJev 只有 32k。这意味着你可以往 Clef 里塞更长的日志、更完整的工单记录、更多的上下文信息。对于需要处理长文档的场景这个差异是实打实的。开源 自托管。Clef 的权重在 HuggingFace 上以 Apache 2.0 开源可以本地部署。Jev 是闭源托管 API数据必须过他们的云。如果你的业务有数据驻留合规要求或者数据不能出内网Clef 的自托管方案是更现实的选择。不过有个细节要注意Cloudflare 官方说的开源是指权重开源训练数据集并不公开。严格来说算 open-weight不是 fully open-source。速度Clef-flash 快得离谱这是 Clef 最硬的数据。延迟对比模型中位延迟p95 延迟Clef-flash38.8ms122.4msClef209.3ms238.6msJev524.1ms536.0msClef-flash 的 38.8ms 中位延迟比 Jev 快了 13 倍以上。这意味着 AI 判断可以放在请求的热路径上用户感知不到延迟。你发一个请求中间过一层 Clef-flash 做分类路由再转发到对应的后端整个过程在毫秒级完成。当然延迟不是唯一指标。还有个叫 Laya 的开源决策引擎中位延迟 5.8ms比 Clef-flash 还快。但 Laya 的质量在多数基准上大幅落后属于典型的用精度换速度的极端取向。Clef-flash 在速度和精度之间的平衡点拿捏得更好。不过有个事得说清楚这些延迟数据都是 Cloudflare 自己跑的跑在自家 Workers AI 的边缘节点上。依托 Cloudflare 的全球基础设施边缘 GPU 节点离用户更近网络延迟本来就低。你如果自己部署开源权重延迟要看你的硬件和位置。质量跑分互有胜负基准测试ClefClef-flashJevDiffusionGemma JevKev 9BLayaBFCL・精确匹配98.4798.7695.7596.5294.5138.13ToolRet · nDCG1069.1966.4365.2861.2164.2612.69API-Bank・准确率91.9393.1188.1983.6656.3011.41家电分类・精确匹配82.9597.7352.2742.0525.000.00When2Call・准确率72.3765.5880.9775.4449.6211.94BANKING77・宏平均 F1 值94.2090.9379.7474.2884.8314.29CLINC150OOS・宏平均 F1 值97.4366.7789.2783.4979.033.19BRIGHT · nDCG1045.9139.2647.5242.9438.5319.90亚马逊 ESCI・宏平均 F1 值57.4857.3955.2153.3749.2224.40PhishNChips・准确率79.6075.0562.5585.3550.7550.1543 项评测Clef 系列整体表现最好但不是全面碾压。基准指标ClefClef-flashJevDiffusionGemma JevKev-9BLaya中位延迟・毫秒209.338.8524.184.451.45.8P95 延迟・毫秒238.6122.4536.0211.2187.922.5Clef 系列领先的分类匹配、工具调用、结构化索引类任务。BFCL 精确匹配 Clef 98.47 分Clef-flash 98.76 分Jev 95.75 分。API-Bank 准确率 Clef-flash 93.11 分Jev 88.19 分。BANKING77 宏平均 F1 值 Clef 94.20 分Jev 79.74 分。这些差距不小。Jev 领先的需要泛化推理的任务。GPQA、MMLU-Pro、BBH 这类基准Jev 的表现更好。这说明 Jev 从零设计的专用架构在需要推理的判断上确实有优势而 Clef 的通用底座在纯分类匹配上更强。端到端业务流测试Cloudflare 跑了发票处理、客服工单、安全事件、Agent 可观测性四个场景。Clef 系列在三个场景领先但整体差距在个位数水平。换句话说在真实业务场景里两者的差距没有跑分表上看起来那么大。这其实是个好消息说明决策模型这个品类已经过了谁碾压谁的阶段进入了各有侧重、按需选择的阶段。架构细节两阶段注意力路由Clef 的技术架构有几个值得拆开讲的细节。核心是prefill-only 单次前向 并行 schema 打分。Qwen 底座执行一次前向计算处理全部输入不做逐 token 生成。然后一个叫 joint schema head 的小型 transformer 读取底座最后一层隐藏态并行对所有问题、所有候选选项联合打分。打分结果直接输出 logit经 softmax 转概率。这个 schema head 的注意力路由分两个阶段第一阶段选项专属证据路由。每个候选选项先从上下文里抽取跟自己相关的语义证据。比如你判断一封邮件该归账单组还是技术组账单组这个选项会去找邮件里提到钱、发票、退款的部分技术组会去找提到报错、中断、配置的部分。每个选项只看跟自己相关的上下文。第二阶段跨字段交叉注意力。各个字段之间、字段和原始输入之间做交叉验证。比如紧急程度和该归哪个组之间可能有关联——如果是技术组且紧急程度高可能需要触发升级流程。跨字段注意力让模型能利用这种关联。训练方面底座全部冻结只优化 schema head 和 rank-256 LoRA 适配器。损失函数有三层标签平滑交叉熵保证格式合法Brier 损失优化概率校准RLCD校准决策强化学习作为第二优化目标。RLCD 的逻辑跟 Jev 一样都是让模型输出的置信度和真实准确率对齐但 Clef 把它当第二目标Jev 把它当核心目标。训练数据用的是内部合成数据集覆盖了字段顺序、提示词、schema 结构的多种排列组合提升泛化能力。零格式幻觉架构层面的硬约束这点跟 Jev 一样。决策空间是输入的一部分输出字段完全由输入 schema 定义模型没有生成新字段或新选项的能力。它可能把类别判错但不会返回一个你没定义的选项也不会输出多余的自然语言。不是零错误是零格式幻觉。对生产环境来说这个区别很重要分类错误可以靠置信度阈值兜底格式错误会直接让代码崩掉。RL 微调服务Clef 的差异化生态Clef 发布的同时Cloudflare 还推出了一个 RL 微调服务。这是 Jev 目前没有的。逻辑是这样的Cloudflare 有 15 年的网络数据积累包括爬虫识别、信任安全审核、工单分诊等场景的标注数据。客户可以基于这些数据微调出专用的 Clef 版本在特定领域比通用 Clef 更准。整个微调闭环AI Gateway 自动沉淀 AI 流量作为训练数据Workers AI 部署基础模型和灰度版本Cloudflare Containers 提供强化学习沙箱Trainer 组件更新模型权重BYO Model 把微调后的模型重新部署到 Workers AI初期由 Cloudflare 的前置部署工程师团队提供一对一服务后续会推自助式平台。如果你有垂直场景需要定制决策模型这个服务值得关注。不过得提一句微调会牺牲一部分通用性能。你在特定领域拿到更高准确率的同时其他场景的表现会下降。这个取舍得想清楚。怎么选把 Jev 和 Clef 放在一起选型逻辑其实挺清晰的。选 Clef 的情况需要多模态输入图片、视频需要更长的上下文窗口数据不能出域要自托管有垂直场景需要微调专属模型延迟敏感需要放在热路径上选 Clef-flash。选 Jev 的情况纯文本决策就够了任务偏向泛化推理而非纯分类匹配不想自己管模型运维要开箱即用已经接入了 Jev阈值体系和校准曲线都调好了迁移成本高于收益。通用提醒接口兼容不等于业务阈值通用。Clef 的 API 完全兼容 Jev 的 System One 协议切换端点就能做影子流量测试。但两者的置信度计算逻辑、选项数量上限、校准曲线都不同你原来调好的阈值不能直接用必须拿自己的真实业务数据重新标定。还有一点公开基准数据只用于初步筛选不能直接做采购决策。所有跑分都是各家自己跑的第三方独立验证还很有限。真要选用你自己的数据做双通道测试比看任何跑分表都靠谱。Clef 的出现对开发者来说是好事。一个新品类在一个月内从一家独大变成多选项竞争受益的是使用方。Cloudflare 走的通用底座加专用头路线跟 Jev 的纯专用架构路线形成了有意思的对照。从跑分看Clef 在分类和工具调用类任务上领先Jev 在泛化推理类任务上领先说明两种路线各有适用场景不是谁能替代谁。Clef 的多模态能力是实打实的差异化。现在很多内容审核、威胁情报场景需要同时处理文本和图片Jev 做不了。加上开源权重和自托管选项对有数据合规要求的团队来说Clef 的适用面更广。但有个事得保持清醒Cloudflare 的跑分都是自己跑的延迟数据受益于自家边缘基础设施。你用开源权重自己部署数字不会这么好看。Clef 27B 版本需要约 85GB 显存才能本地跑Clef-flash 9B 也要 41GB硬件门槛不低。决策模型这个品类还在很早期。Jev 9 月发布Clef 10 月跟进APUS 做了开源复现Laya 走极端低价路线。一个月内涌出四五个玩家说明方向踩中了真实需求。但最终谁的产品形态更合理、定价水平更可持续、精度上限更高都需要更多真实业务数据去验证。不过有一点我已经比较确定了把判断和生成分开用不同范式的模型各做各擅长的事这个思路比一个模型干所有事靠谱。无论你选 Jev 还是 Clef这个方向是对的。Introducing Clef: our open-source decision models, and new RL fine-tuning platform | Cloudflare Blog