Cloudflare 于 10 月 1 日在官方博客发布两款自家训练的 AI 决策模型 Clef 与 Clef-flash。两款模型已经上线 Workers AI，模型权重也以 Apache 2.0 许可在 Hugging Face 开源。Cloudflare 同时推出一项强化学习服务，允许企业围绕 Clef 做微调。
只做分类，不生成文本
Cloudflare 表示，决策模型的职责是做分类，帮助 AI 代理决定下一步动作，而不是生成文字内容。以客服消息为例，模型可以判断消息是否紧急、应该交给哪个团队处理，并返回带有类型和概率的答案，程序随后可据此分派工单、升级处理，或转交人工。
Cloudflare 提到，近几周 Typesafe AI 推出的 Jev 带动了这类模型的讨论。
Cloudflare 披露的测试数据
Cloudflare 称，其威胁情报团队已经使用 Clef 对网站域名做分类。例如，模型可以判断某个域名有 95% 的概率属于时尚网站、85% 的概率属于电商网站，而被判定为钓鱼网站的概率不到 1%。
在这一流程中，Clef 完成抓取、渲染和分类共耗时 2.2 秒。Cloudflare 表示，同样流程如果使用公司最快的通用模型 gpt-oss-120b，需要 4.7 秒，而且只返回两个分类结果。
根据 Cloudflare 公布的测试结果，Clef 在 Jev 决策指数评测中领先。中位延迟方面，Clef 为 209.3 毫秒，Clef-flash 为 38.8 毫秒，Jev 为 524.1 毫秒。Cloudflare 还称，Clef 相比 Jev 增加了视觉编码器，能够对图片内容做分类；上下文长度也从 32k 提高到 64k，并且与 Jev 的 API 完全兼容。
模型架构与推理方式
技术层面，Clef 以冻结的 Qwen3.8-27B 为骨干模型，Clef-flash 则以 Qwen3.5-9B 为骨干，再进行后训练。Cloudflare 表示，这类模型在推理时只运行一次预填，然后并行为所有合法选项打分，不需要像一般自回归语言模型那样逐字生成中间文本，因此速度更快。
同步推出强化学习微调服务
除模型发布外，Cloudflare 还推出强化学习服务。现阶段，这项服务将先由前线部署工程团队协助客户，针对各自工作负载微调 Clef；后续再做成客户可自助收集数据、微调和重新部署的平台。
Cloudflare 表示，公司内部已经有团队希望将其用于审查信任与安全申报、分流客服请求，以及判断爬虫是好是坏。
开发者在 X 上转发消息
开发者 Peter Steinberger 在 X 上转发这则消息时写道：「从没看过一个点子扩散得这么快。」