模型發布
Cloudflare 發布開源決策模型 Clef 與 Clef-flash：支援視覺與 64k 上下文，並推出 RL 微調平台
Hacker News單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
據報導，Cloudflare 發布兩款開源決策模型 Clef 與 Clef-flash，並同步推出供客戶微調模型的強化學習（RL）平台。這兩款模型採 Apache 2.0 授權開源於 Hugging Face，並託管於 Cloudflare 的 Workers AI，與 Jev-API 完全相容。
在規格上，相較於僅支援文本且上下文窗口為 32k 的 Jev 模型，Clef 具備視覺編碼器以支援圖像分類，並提供 64k 上下文窗口。效能數據顯示，Clef 中位數延遲為 209.3ms，Clef-flash 僅 38.8ms，皆大幅優於 Jev 的 524.1ms。在 Jev Decision Index 等 43 項基準測試中，Clef 系列在 BFCL（98.47）、API-Bank（91.93）與 BANKING77（94.20）等多數項目得分領先 Jev 及 DiffusionGemma Jev 等競品。
Cloudflare 內部威脅情報團隊實測顯示，使用 Clef 結合 Browser Run 進行網域分類耗時 2.2 秒；相比之下，其最快的通用大語言模型 gpt-oss-120b 在相同工作流程需 4.7 秒，且回傳的分類結果較少。
讀原始報導背景
決策模型（Decision models）有別於非確定性的生成式大型語言模型（LLMs），能快速且穩定地產出具備機率的結構化結果，適合用於工作流程中的自動化分類與決策。近期 Typesafe AI 推出的 Jev System One 帶起了此類模型的關注，社群也建立了 Jev Decision Index 測試基準，用於評估各開源決策模型在固定測試集上的表現。
社群討論
社群對 Jev 類決策模型迅速湧現感到驚訝，但實測數據顯示 Clef 在成本與延遲上明顯劣於 Jev。網友測試指出，Clef 輸入成本（$0.24/M tokens）約為 Jev 的 6 倍，且延遲顯著較高（中位數 1.9秒 vs 350毫秒），準確率卻僅有微幅差異。此外，討論也點出決策模型並非完全 deterministic，若無法微調或傳入 prior 將限制實用性，並提醒「open weights」不等於真正的開源。