Cloudflare 开源 Clef：决策模型八天四款成形

10 月 1 日，Cloudflare 开源了两个「决策模型」：Clef 和 Clef-flash。它们不写文章、不聊天，只做一件事——你给它一段输入和一组候选答案，它返回每个答案的概率。同一周里，亚马逊、Liquid AI 也各自发布了同类模型。八天之内，这个品类出现了四款产品。

对做 Agent 的人来说，这件事的分量不在于又多了两个模型，而在于「该让大模型做什么」这条边界，第一次被厂商明确地划了一道线。

一、事实梳理：Clef 到底是什么

先把能核实的信息摆出来（来源：Cloudflare 官方博客与开发者文档，10 月 1 日）：

两个规格。Clef 27B（基于 Qwen3.8-27B），Clef-flash 9B（基于 Qwen3.5-9B）。均为 Apache 2.0 开源，权重发布在 Hugging Face，同时托管在 Cloudflare Workers AI 上。
只出概率，不出文本。支持三种提问形式：是非题、单选题（给选项带置信度）、量表打分。一次请求最多携带 64 个问题，最多 4 张图片。没有自由文本，也就没有「解析 JSON 失败」这一类问题。
延迟。中位延迟 Clef 209.3ms、Clef-flash 38.8ms，官方对比对象是决策模型 Jev 的 524.1ms；上下文窗口 64K。
基准成绩有领先也有落后。官方自报在 43 组测试中，Clef 系在 10 项决策基准里 7 项最高——比如 BANKING77 拿到 94.20（Jev 79.74）、工具选择基准 BFCL 98.5%。但在 GPQA Diamond、MMLU-Pro 这类考「知识」的基准上，它明显落后于 Jev。这组数字要注意：全部是厂商自报，暂无独立复现。
价格未公布。官方只指向定价页，目前流传的每百万 token 单价来自二手报道。
配套服务。Cloudflare 同时推出基于强化学习的微调服务（先由工程师驻场，后续开放自助平台），并称内部会用它做滥用举报审核、支持工单分诊、判断爬虫好坏。

四家在同一周押同一个方向，而且论证是同一句话：让一个 27B 模型去「写」一段 JSON，是在为一个它根本没用到的能力付钱。Clef 还兼容 Jev 的接口，迁移只改端点和模型名——连迁移成本都被算进了竞争里。

值得一提的是，Cloudflare 是这批玩家里第一个把权重开放出来的。这和站内此前讨论过的 Cloudflare 爬虫治理策略是同一条思路：先用开放降低采用门槛，再用托管和微调服务收钱。

「生成」和「选择」开始分工。一个 Agent 里真正需要「写」的步骤其实很少，绝大多数步骤只是在「选」——选工具、选分类、选是否升级、选该不该拦。过去这些都用同一个大模型干，现在多了一层：分诊台用小模型，主治医生用大模型。
概率让「自动化阈值」第一次有依据。决策模型不只给答案，还给置信度，而且做了校准（官方训练里用了 Brier loss 与 RLCD 来对齐概率与实际正确率）。这意味着「置信度低于 0.7 就转人工」这类规则，终于有了可执行的输入，而不是拍脑袋。这比单纯省成本重要得多。
延迟从「等待」变成「无感」。38.8ms 的决策，用户感知不到。有些过去因为太慢而不值得做的实时判断（每条请求都过一遍安全过滤、每条消息都先分诊），现在变得可行。
成本结构会重排。若决策步骤被剥离出去，Agent 的 token 花费会明显向「真正需要生成」的部分集中。这和缓存优化是同一个方向：把不该花的钱省下来。
对工具选择这类难题是直接利好。BFCL 98.5% 的工具选择成绩，正好对上了工具数量膨胀这个老问题——把一个「选哪个工具」的判断交给专门做选择的模型，比让大模型在一长串工具描述里挑更稳，机制可参考 Function Calling 那篇。

第一，别被「开源」两个字带跑。权重的确开放了，但真正的生产级服务还是在 Cloudflare 的托管上跑，微调服务也先走驻场。开源在这里主要作用是降低试用门槛，不是让你免费自建。

第二，看清它的能力边界。Clef 在「归类」和「分诊」上很强，在「需要知道点什么才能判断」的任务上明显弱。所以它不是大模型的替代品，是前置过滤器。把需要知识的判断硬塞给它，只会错得又快又自信。

第三，真正值得现在动手的，是先把「你的 Agent 里哪些步骤其实只是在选」列出来。列完之后你会发现，能剥离的比例比想象的高；如果比例很低，那说明你的 Agent 还太「重」，值得先按评分器与判断设计那套思路把判断逻辑理一遍。

第四，价格没公布之前，任何「成本降多少」的说法都先打个问号。一个以「每次决策成本」为卖点的产品，把价格留到后面说，本身就是个信号。

事实：10 月 1 日 Cloudflare 开源 Clef（27B）与 Clef-flash（9B），输入 + 候选答案 → 概率输出，中位延迟 38.8–209.3ms，Apache 2.0，兼容 Jev 接口。
趋势：八天内四款决策模型（Jev、OpenAI Decisions API、Liquid d1、Strands Decider 2B、Clef），「选择」被从「生成」里拆出来成为独立品类。
影响：Agent 架构走向「小模型分诊 + 大模型主治」；概率校准让自动化阈值可执行；延迟和成本结构都会重排。
边界：知识型判断仍打不过大模型；价格未公布；基准是厂商自报。
建议：先盘点自己 Agent 里「只选不写」的步骤，再决定要不要接。