原文標題：Introducing Clef: our open-source decision models, and new RL fine-tuning platform
Cloudflare 10 月 1 日推出兩款由自家訓練的決策模型 Clef 與 Clef-flash，並部署在 Workers AI。這類模型不以長篇文字生成為主要用途，而是針對有限選項或結構化欄位做快速判斷，例如分類、路由、嚴重度評分與工具選擇。Cloudflare 同時把模型以 Apache 2.0 授權放上 Hugging Face，允許開發者自行執行與實驗。
兩款模型都與 Jev API 相容。Cloudflare 表示 Clef 在其採用的 Jev Decision Index 評測中表現領先，Clef-flash 則偏向延遲敏感場景；官方列出的 43 項測試中，Clef 與 Clef-flash 的中位延遲分別約 209.3 毫秒與 38.8 毫秒。這些數據是 Cloudflare 自行執行的評測，實際效果仍取決於工作負載與基準選擇。
架構上，Clef 以 Qwen3.8-27B 為骨幹，Clef-flash 則使用 Qwen3.5-9B。模型先做 prefill，再直接對合法 schema 選項評分，而不是像一般自回歸 LLM 一樣逐字產生中間文字。Cloudflare 認為這能在需要結構化輸出的代理流程中降低延遲與不確定性，也方便把決策模型放進應用的 hot path。
Cloudflare 另外公布強化學習微調產品，先由 forward-deployed engineer 團隊協助客戶調整特定工作負載，之後再提供自助式微調平台。這表示 Workers AI 不只提供通用模型推論，也開始把專門決策模型、部署與客製化訓練整合成一套服務。
發生了什麼事
Cloudflare 發表 Clef 與 Clef-flash 決策模型，於 Workers AI 提供託管版本，並以 Apache 2.0 開源，同時公布新的強化學習微調服務。
為什麼重要
許多代理工作其實需要的是快速、穩定的結構化決策，而非完整文字生成。專門決策模型有機會降低延遲與成本，也讓工具路由與流程控制更容易驗證。
影響哪些人
使用 Workers AI、建置多代理或工具呼叫流程的開發者，以及需要分類、路由、風險評分等結構化決策的企業團隊，都是直接目標使用者。
已確認與未確認
模型、基礎架構與開源授權已確認；效能領先等結論主要來自 Cloudflare 自行公布的評測，不代表所有實際工作負載都會得到相同結果。