Cloudflare 开源了一个只做选择的模型

客服工单进来，最贵的不是写回复，是决定它该进哪个队列。 Cloudflare 在生日周放出的 Clef 只干这件事：在一组预设选项里挑一个，同时给出概率。 它不写句子。输入是一段状态，加一份带类型的问题 schema；输出是每个选项各自的概率。

一、发生了什么

据 InfoQ 10 月 21 日报道，Cloudflare 发布了 Clef 系列开放权重模型，有 90 亿和 270 亿两个参数版本，另配一套把模型适配到具体决策任务的平台。270 亿那版是多模态的，文本、JSON、图像、视频都能作为状态输入，一次前向推理就把所有候选的概率算完，不需要先生成自由文本再解析。上下文窗口 64k，Cloudflare 在博客里特意对比了 Typesafe AI 的 Jev System One——后者是 32k，且目前只做文本分类。Clef 的 API 与 Jev System One 兼容。90 亿的 Clef-Flash 面向延迟敏感场景，Cloudflare 自测中位延迟 38.8 毫秒，270 亿那版是 209.3 毫秒。权重放在 Hugging Face，推理走 Workers AI。微调服务初期由 Cloudflare 工程师陪跑，自助平台还没定日期。Cloudflare 自己给出的两个首批方向是客服工单分级和机器人识别，用的是自家历史标注数据。

二、跟你有什么关系

做 agent 的工程师：把"该调哪个工具、该不该转人工"这类判断从主模型里剥出来，主模型只负责说话。 客服和风控负责人：你真正要的是可解释的分流依据，一组概率比一句"我认为是退款问题"好用得多。 想在本地跑的团队：90 亿这档带视觉编码器，单机部署门槛比通用大模型低，但要先算清楚场景值不值这份运维成本。

三、怎么用

1. 先把决策改写成有限选项。选项要互斥、可穷举。写不出来的部分，说明这活不该交给分类。
2. 给每个字段定类型。枚举、数值区间、布尔，别塞自由文本进去，否则等于又绕回生成。
3. 造一批"该弃权"的样本。误报代价高于漏报的场景，重点看它在边界样本上是不是还很有把握。
4. 用你自己的工单跑一遍，别看公开榜。38.8 毫秒是 Cloudflare 自家基础设施上的中位数，换了机器就不是这个数。

四、三个别信的说法

这是全新的模型品类。 Hacker News 上 Jacek Złydach 的说法很直接：分类头加校准是摆了很多年的现成做法，Typesafe 先把它包装成产品。新的部分是托管形态和一次前向输出全部概率，不是原理。 公开基准能证明它比通用大模型准。 有用户提醒，公开基准很容易被针对性优化。你自己抽两百条真实工单，比看任何榜单都有用。 概率高就可以自动执行。 概率高只说明模型有把握，不说明它有资格。先定阈值和人工兜底队列，再逐步放开自动执行。

五、一句话结论

Clef 卖的不是智能，是把"选哪个"变成一个可测量、可设阈值的工程问题。

信息来源

• Cloudflare 开源面向 AI 智能体的决策模型 Clef，InfoQ，2026 年 10 月 21 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。