Cloudflare 近日正式发布了名为 Clef 的决策模型系列，包含标准版 Clef 和轻量高速版 Clef-flash。该系列模型旨在提供结构化问答能力，支持是/否判断、多选项选择及排名任务，其功能定位与 TypeSafe 推出的 Jev 模型相似。
在技术架构上，Clef 基于 Qwen3.8-27B 构建，而 Clef-flash 则基于 Qwen3.5-9B。Cloudflare 指出，这些模型采用了经过特殊训练的“冷”版本，其中 Qwen 骨干网络仅在推理过程中执行预填充（prefill）步骤，随后并行进行评分。这种设计使得 Clef 在保持较高准确性的同时，具备较快的响应速度。相比之下，TypeSafe 并未公开 Jev 的具体底层架构细节。
根据 Cloudflare 提供的基准测试数据，Clef 在多项指标上表现优于其他开放决策模型。虽然其运行速度略慢于部分竞品，但准确率更高；而 Clef-flash 则在保持与大多数模型相当准确率的同时，实现了更快的处理速度。在与 Jev 的直接对比中，Cloudflare 声称 Clef 在四个评估领域中的三个领域胜出，仅在代理痕迹可观测性方面略逊一筹。需要注意的是，上述基准分数由 Cloudflare 自行报告，尚未被官方决策指数收录或独立复现。
除了文本分类，Clef 还支持图像和视频数据处理，并拥有 64k 的上下文窗口。尽管 Jev 也支持单次请求处理多达 64k 个 token，但其状态加上最长单个问题的限制为 32k。在价格方面，Clef 的托管服务成本为每百万 token 0.24 美元，约为 Jev 价格（0.042 美元/百万 token）的近六倍。
对于希望本地部署的用户，Clef 模型已在 Hugging Face 平台开放下载，遵循 Apache-2.0 许可证。Cloudflare AI 平台组产品经理 Michelle Chen 向 The Register 证实，虽然模型权重开源，但其训练数据集并未公开。关于硬件要求，Chen 表示，在假设单一并发且使用 64k 上下文窗口的情况下，Clef-flash 需要至少 41GB VRAM 的 GPU，而完整版 Clef 则需要 85GB VRAM。
此外，Clef 的 API 完全兼容 Jev，用户无需重构现有的决策模型架构即可通过本地部署或 Cloudflare 托管选项进行迁移和使用。
