來源Cloudflare Blog•近期收集於 7h
Cloudflare 開放決策模型與 RL 微調平台
Cloudflare 將開放決策模型與客製化強化學習途徑結合。
30 秒速覽
有什麼變化
Clef 與 Clef-flash 針對高速分類及代理式工作流程。
為什麼重要
這項發布可能讓小型決策模型更適合對延遲敏感的邊緣與工作流程應用。自訂強化學習可協助團隊調整模型以處理領域特定決策，而不只依賴提示詞。
下一步行動
在 Workers AI 上部署 Clef-flash，處理一項代表性分類工作負載，並與現有模型比較延遲。
誰應關注：Developers & AI Engineers
關鍵要點
- •Clef 與 Clef-flash 針對高速分類及代理式工作流程。
- •這些模型託管於 Cloudflare Workers AI。
- •新 RL 平台支援使用開發者提供的資料進行微調。
深度解析
背景與延伸：來自公開資料，非原文內容。引用 7 個來源。
增強重點摘要
- •Clef 與 Clef-flash 的模型參數規模分別為 27B 與 9B，並以 Apache 2.0 授權在 Hugging Face 開源發布，支援本地或私有基礎架構部署。
- •該系列模型基於修改後的 Qwen 架構，採用非自迴歸（non-autoregressive）的僅預填（prefill-only）評分機制，能直接輸出校準後的邊界綱要機率，專為結構化分類最佳化。
- •兩款模型皆整合原生視覺編碼器，提供多模態輸入支援，可直接處理文字、JSON 格式資料及圖像以執行決策分類。
- •Clef 訓練支援高達 256k tokens 的上下文長度，在 Workers AI 託管版本提供 64k tokens 上下文限制，且與 Typesafe AI 的 Jev API 完全相容，降低遷移門檻。
- •在 Typesafe AI 的 Decision Index 基準測試中，Clef 在 4 個評測類別中有 3 項超越 Jev（如 BFCL case-exact 達 98.47 分），且 Clef-flash 在邊緣 GPU 上的推論速度比 Jev 快約 13 倍。
競品分析
模型架構 / 參數規模
- Cloudflare Clef / Clef-flash
- 27B (Clef) / 9B (Clef-flash)，修改型 Qwen 非自迴歸架構
- Typesafe AI Jev System One
- 專有架構（閉源）
- Amazon Strands Decider
- 2B 輕量化架構
開源許可
- Cloudflare Clef / Clef-flash
- Apache 2.0 開源 (Hugging Face)
- Typesafe AI Jev System One
- 閉源 / 專有 API
- Amazon Strands Decider
- 開源發布
多模態能力
- Cloudflare Clef / Clef-flash
- 支援（原生整合視覺編碼器，支援文字、JSON、圖片）
- Typesafe AI Jev System One
- 純文字決策為主
- Amazon Strands Decider
- 純文字決策
上下文長度
- Cloudflare Clef / Clef-flash
- 託管 64k（最高訓練支援 256k）
- Typesafe AI Jev System One
- 32k
- Amazon Strands Decider
- 較小上下文空間
基準表現 (BFCL)
- Cloudflare Clef / Clef-flash
- 98.47 分
- Typesafe AI Jev System One
- 95.75 分
- Amazon Strands Decider
- 未特別強調該基準分數
部署與推論速度
- Cloudflare Clef / Clef-flash
- 邊緣 Workers AI，Clef-flash 速度快約 13 倍
- Typesafe AI Jev System One
- 集中式雲端 API
- Amazon Strands Decider
- 邊緣與伺服器自託管
| 指標 / 特性 | Cloudflare Clef / Clef-flash | Typesafe AI Jev System One | Amazon Strands Decider |
|---|---|---|---|
| 模型架構 / 參數規模 | 27B (Clef) / 9B (Clef-flash)，修改型 Qwen 非自迴歸架構 | 專有架構（閉源） | 2B 輕量化架構 |
| 開源許可 | Apache 2.0 開源 (Hugging Face) | 閉源 / 專有 API | 開源發布 |
| 多模態能力 | 支援（原生整合視覺編碼器，支援文字、JSON、圖片） | 純文字決策為主 | 純文字決策 |
| 上下文長度 | 託管 64k（最高訓練支援 256k） | 32k | 較小上下文空間 |
| 基準表現 (BFCL) | 98.47 分 | 95.75 分 | 未特別強調該基準分數 |
| 部署與推論速度 | 邊緣 Workers AI，Clef-flash 速度快約 13 倍 | 集中式雲端 API | 邊緣與伺服器自託管 |
技術深入
- 架構設計：基於 Qwen 骨幹網路深度修改，揚棄標準 LLM 的逐 token 自迴歸解碼，改採僅預填（prefill-only）機制，直接為約束綱要計算並輸出經校準的精確機率。
- 多模態編碼：內建原生視覺編碼模組，具備統一處理文字、結構化 JSON 與影像訊號的能力，不需外接多模態轉換管線。
- 上下文規格：架構支援高達 256k tokens 長文本訓練，Cloudflare Workers AI 邊緣端提供 64k tokens 的實際託管處理窗口。
- 微調管線整合：強化學習（RL）平台初步由工程團隊導引部署，後續無縫銜接 Cloudflare AI Gateway、Cloudflare Containers 與 Workers AI，實現全託管資料微調回饋迴路。
- 相容介面：設計具備 API 互通性，提供與 Typesafe AI Jev API drop-in 級別的語法相容，無需重寫評估流程或提示詞架構即可平滑替換。
前景展望基於引用來源的 AI 分析
專門決策模型將大幅取代通用 LLM 於代理工作流中的路由與分類任務
非自迴歸預填架構在確定性結構輸出上具備顯著更低的推論延遲與更高準確率，降低企業運作 Agent 的邊緣算力成本。
邊緣 AI 平台將以開源權重結合受管 RL 微調來建立開發者生態壁壘
Cloudflare 透過 Apache 2.0 授權消除廠商鎖定疑慮，再藉由 AI Gateway 與 Containers 的閉環微調服務提高雲端平台的黏著度。
時間線
2026-10
Cloudflare 於 Birthday Week 2026 發布 Clef、Clef-flash 開源決策模型及 RL 微調平台
- 2026-10Cloudflare 於 Birthday Week 2026 發布 Clef、Clef-flash 開源決策模型及 RL 微調平台
來源 (7)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
1cloudflare.comblog.cloudflare.com2cloudflare.comdevelopers.cloudflare.com3cloudflare.comdevelopers.cloudflare.com4Introducing Clef Our Open Source Decision Models and New Rl Fine Tuning Platform Otmxhxg4edaily.dev5Cloudflare Open Sources Clef Beats Jev Latency on Edge Gpusaiweekly.co65jkxux23digg.com7cloudflare.comblog.cloudflare.com
AI 週報
閱讀本週精選 AI 大事摘要 →
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Cloudflare Blog ↗
每週電子報
每週一封，可隨時退訂。