模型卡｜Clef（Cloudflare）

TL;DRClef（27B，基於 Qwen3.8-27B 後訓練）與 Clef-flash（9B，基於 Qwen3.5-9B）：64k context window、支援圖片/影片輸入、Clef 定價 $0.24/1M input tokens（Clef-flash $0.09，無 output 計費)、BFCL case exact 98.5%、BANKING77 macro-F1 94.2%、CLINC150+OOS macro-F1 97.4% 均超越 Typesafe Jev；架構上以 prefill-only 打分取代逐 token 生成，接在 Typesafe Jev、OpenAI Decisions API、Amazon Strands Decider 2B 之後，是一週內第三個登場的「決策模型」

#ai-agent #model-release #daily #cloudflare #model-family-clef

系列: AI Model Tracker (38 / 41)

模型卡｜IQuest-Q1 模型卡｜Kolibri 1

🌏 English version

模型資訊

項目	值
Model ID	`@cf/cloudflare/clef`（另有輕量版 `@cf/cloudflare/clef-flash`）
廠商	Cloudflare（Workers AI 團隊）
參數量	Clef 27B（後訓練自 Qwen/Qwen3.8-27B）；Clef-flash 9B（後訓練自 Qwen/Qwen3.5-9B）
Context Window	65,536 tokens
Input 定價 (USD/1M tokens)	Clef $0.24；Clef-flash $0.09
Output 定價 (USD/1M tokens)	不適用——模型不生成文字，只回傳每個問題選項的機率，官方未提供獨立 output 計費
開源	是（Apache-2.0，權重與推理程式碼皆公開）
發布日	2026-10-01
官方公告	Cloudflare Blog：Introducing Clef
HuggingFace	Cloudflare/clef、Cloudflare/clef-flash
家族	Clef（Cloudflare 首個自研 ML 模型家族）

能力亮點

架構上跳脫逐 token 生成：Clef 用 Qwen backbone 做一次 prefill，再用一個獨立的「joint schema head」對所有合法選項平行打分，整個決策是非自回歸的——沒有中間文字生成，也沒有輸出解析這一步
原生支援多模態輸入：接受文字、JSON、圖片（最多 4 張）、影片，這是 Clef 相對 Jev（純文字）的差異化賣點，官方以網域威脅分類（結合 Browser Rendering）為實測案例，2.2 秒完成抓取＋渲染＋分類，比自家最快的通用 LLM gpt-oss-120b（4.7 秒、且只回兩個分類）快超過 2 倍
在多數分類型基準上超越 Jev：BANKING77 macro-F1 94.2%（Jev 79.7%）、CLINC150+OOS macro-F1 97.4%（Jev 89.3%）、Home appliance 模拟器 case exact 準確率 83.0%／Clef-flash 97.7%（Jev 52.3%）
託管在 Cloudflare 邊緣 GPU 上：透過 Workers AI 部署，官方強調低網路延遲，可以把 Clef 放進 Agent 決策的 hot path，再接另一個 Workers AI 上的 LLM 執行動作

Benchmark 表現

Benchmark	Clef	Clef-flash	競品最強（Jev）
BFCL（case exact accuracy）	98.5%	98.8%	95.8%
BANKING77（macro-F1）	94.2%	90.9%	79.7%
CLINC150+OOS（macro-F1）	97.4%	66.8%	89.3%
ToolRet（nDCG@10）	69.2	66.4	65.3
Median latency（ms，越低越好）	209.3	38.8	524.1

⚠️ 以上均為 Cloudflare 官方跑的內部 Decision Index 0.2.1 測試集，尚無獨立第三方覆現；其中 GPQA Diamond、MMLU-Pro、BBH 等需要深度推理的測試上 Clef 反而明顯落後 Jev（例如 BBH：Clef 73.7% vs Jev 92.9%），顯示 Clef 犧牲了部分通用推理能力去換取分類任務的速度與精準度。

與前代/競品比較

Clef 是 Cloudflare 的第一個自研 ML 模型，沒有「前代」可比，只能放進決策模型這個新類別裡看。跟目前唯一有公開基準對照的對手 Typesafe Jev 比，Clef 在偏「分類」的任務（BANKING77、CLINC150、Home appliance 模擬器）全面領先，但在偏「深度推理判斷」的任務（BBH、MMLU-Pro、GPQA Diamond）反而輸給 Jev 兩位數百分點——這呼應了兩家模型選擇的 backbone 不同：Jev 架構未公開，Clef 直接站在 Qwen3.8-27B／Qwen3.5-9B 上後訓練，繼承了 Qwen 在分類任務的優勢，但也繼承了它在某些推理基準上的弱點。

定價策略上 Clef（$0.24/1M input）比 Jev（$0.042/1M input）貴了近 6 倍，但 Clef 開源、Jev 目前僅開放 API 搶先體驗；Clef 多了圖片／影片輸入能力，Jev 目前仍只支援文字。

值得注意的時間點：Cloudflare 公告當天，Amazon 也發佈了自己的決策模型 Strands Decider 2B，OpenAI 兩天前才上線 Decisions API 限量預覽——三家平台廠商在一週內各自推出「決策模型」，顯示這已經從單一新創（Typesafe）的概念驗證，變成巨頭們認定值得卡位的新產品線。

對 Agent 開發的意義

Clef 把自己定位成 Agent 工作流裡的「路由層」，而不是取代生成式 LLM。

如果你在用 Cloudflare Workers 做 Agent：Clef 已經原生整合進 Workers AI（env.AI.run("@cf/cloudflare/clef", ...)），不需要額外串接第三方 API，而且 API 格式與 Jev／SystemOne 相容，兩者可以互換測試
如果你的 Agent 需要對圖片或影片內容做分類路由（如客訴附圖判斷優先級、合規稽核影像篩選）：這是目前唯一同時開源、支援多模態、API 相容 Jev 的決策模型，Jev 做不到這一步
如果你本來就在用 LLM 做純文字分類（情緒標註、工單分派、意圖判斷）：BANKING77／CLINC150 等基準顯示 Clef 準確率明顯優於 Jev，且因為開源，可以自行用 RL 微調（Cloudflare 同步推出的 fine-tuning 服務）貼合自己的標籤體系
不適合：需要深度多步推理才能下判斷的場景（法律文件因果推論、複雜財報分析），BBH／GPQA Diamond 的落差說明 Clef 的「快」是用犧牲深推理能力換來的；也不適合已經鎖定 Jev 生態、且不需要圖片輸入的團隊——純文字分類兩者基準互有勝負，換模型的遷移成本不一定划算

今日收穫

一週內 Typesafe、OpenAI、Amazon、Cloudflare 四家各自端出「決策模型」，但 Clef 的基準數據也同時暴露了這類模型的共同取捨：分類類基準分數全面提升，深推理類基準分數反而全面下滑。這提醒我，評估「決策模型」不能只看官方主打的分類準確率，要先確認自己的 Agent 工作流屬於哪一類判斷，再挑對應強項的模型。