Clef
Cloudflare · 商業 · 其他
Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。
關於 Clef
About
Clef 是什麼
Clef 是一款決策模型。它用機率回答是非題與選擇題，不寫段落。你交給它一個狀態（客服工單、JSON 紀錄、螢幕截圖）和一份題目結構，它針對每個允許選項回傳一個數值。
Cloudflare 訓練了兩個版本。Clef 有 270 億參數，上下文視窗為 65,536 個詞元。Clef-flash 降到 90 億參數與 24,576 個詞元，專門處理位在代理程式關鍵路徑上的判斷。兩者都能讀文字、JSON 與圖片，也都部署在 Workers AI 的同一個端點後方。
優勢在延遲與成本。通用大型語言模型必須先產生詞元才能回答，產出的文字還得再解析一次。Clef 用單次前向運算為所有合法答案評分，因此沒有輸出需要解析，也沒有輸出詞元要付費。Cloudflare 實測 Clef 的中位延遲為 209.3 毫秒，Clef-flash 為 38.8 毫秒，而帶起這類模型的 Jev 是 524.1 毫秒。
限制在於範圍。Clef 只在你定義的選項裡挑答案。問一題你的結構沒涵蓋的問題，它會很有把握地回答錯的那一題。它也不解釋推論過程，判斷邏輯必須留在你的程式碼與紀錄裡。
開始使用
- 建立 Cloudflare 帳號並開通 Workers AI。模型代號是
@cf/cloudflare/clef與@cf/cloudflare/clef-flash。 - 準備要判斷的狀態，可以是純文字、JSON 物件，或放在狀態前面的最多四張圖片。
- 設定 1 到 64 道題目並指定類型：
noul回傳 0 到 1 的機率，choice從命名選項中挑一個，score給出有順序的分數。 - 透過 Workers 綁定或 REST 端點送出請求，讀取
answers後依數值分流、升級處理或轉交真人。 - 需要完全隔離時，從 Hugging Face 下載 Apache 2.0 授權的權重，在自己的 GPU 上執行。
產品資訊
快速了解 Clef 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 後端與平台工程師：拿到的回答帶有型別，服務層可以直接分支，不必再寫解析層。前提是題目結構要涵蓋所有可能結果，包括一個「以上皆非」的退路。
- 信任與安全團隊：網域與內容判讀正是這款模型誕生的場景。Cloudflare 自家的威脅情報團隊用它分類網站只花 2.2 秒，同樣工作交給通用語言模型要 4.7 秒。
- 客服營運主管：急迫性、負責團隊、嚴重程度是三道題目，一次請求就能問完。遇到模型標記為不確定的案件，仍需一條轉交真人的規則。
任務
- 工單分流：送出訊息內容與團隊清單，讀回每個團隊的機率與嚴重程度分數。不必為每個類別另外設計提示詞。
- 內容分類：把它當成 AI 分類模型，依你自訂的分類架構標記頁面、商品或文件，並保留完整機率分布而不是單一標籤。
- 代理程式把關：用一道 `noul` 題目當門檻，決定代理程式要直接執行、要求更多背景，或找真人處理。
- 畫面檢查：把截圖連同狀態一起送出，讓視覺編碼器判斷版面、商品類型或畫面上的錯誤。
情境
- 結帳流程對所有客戶都失敗：客服流程需要在一秒內取得急迫標記與負責人，200 毫秒的判斷能讓升級動作留在同一次請求裡完成。
- 爬蟲得在海量流量下判好壞：Clef-flash 每百萬詞元 0.038 美元的價格，讓每日數百萬次造訪的分類變得可行。
- 既有流程已在呼叫 Jev 端點：請求格式相容，換掉模型代號就是整段移轉工作。
主要功能
帶型別的題目與機率
每次請求都是一份結構。你定義題目代號，選 noul、choice 或 score，再寫下判斷標準。Clef 針對每個選項回傳機率，服務層因此能自訂門檻，不必接受單一標籤。這些結構化輸出可以直接放進 switch，中間不需要轉換。分布也透露模型在兩個答案之間搖擺的時刻，那正是該讓真人看一眼的時候。
多模態輸入
Clef 除了文字與 JSON，也接受圖片。最多四張 PNG、JPEG 或 WebP 可以放在狀態前面，涵蓋結帳頁截圖、破損包裹照片或儀表板畫面。每張圖上限 1,024 個詞元，這些詞元一併計入上下文視窗。
兩種尺寸對應兩種延遲預算
27B 的 Clef 是精度選項，在 Cloudflare 的測試中 BFCL 拿到 98.47，BANKING77 的 macro-F1 為 94.20。Clef-flash 用部分精度換速度，中位延遲 38.8 毫秒，價格低了一個量級。常見做法是先從 Clef-flash 開始，只把錯一次代價很高的題目移到大的模型。
相容 Jev 的 API
請求與回應格式沿用 Jev 帶起的 System One API。已經在呼叫 Jev 的團隊只要換模型代號，解析程式碼原封不動。這份相容性對想拿第二個模型交叉比對、又不想重寫流程的人特別有用。
Apache 2.0 開放權重
兩個模型都放在 Hugging Face，採 Apache 2.0 授權。你可以檢視權重、在本機執行，讓敏感流量不經過別人的網路。對受監管的行業來說，這個選項常常直接決定要不要採用。
透過 Cloudflare 微調
Cloudflare 有一組進駐客戶現場的工程團隊，用你標記過的決策資料調整 Clef，同時在 AI Gateway、Workers AI 與 Containers 之上打造自助式強化學習產品。微調會犧牲一些通用精度，適合長年累積標記結果、領域又窄的團隊。
優缺點
優點
- Clef 約 200 毫秒就能回覆，Clef-flash 低於 40 毫秒，快到可以放在即時請求裡，不必排進背景工作。
- 只計算輸入詞元，沒有輸出詞元要編預算，價格從每百萬 0.038 美元起。
- 視覺編碼器能處理截圖與掃描件，比第一批純文字的決策模型多走一步。
- 開放權重加上相容 Jev 的 API 等於留了退路，自架或換供應商都不必動應用程式碼。
缺點
- Clef 不寫文字、也不說明理由。需要解釋、摘要或呼叫工具的工作，仍然得交給語言模型。
- 準確度取決於你的題目結構。少一個選項、標準寫得含糊，或兩個標籤互相重疊，都會得到理直氣壯的錯誤答案，而回應裡沒有任何警示。
- 它不是每項評測都領先。在 Cloudflare 自己的比較中，When2Call 與 BRIGHT 兩項由 Jev 拿下，花一小時用自己的資料驗證值得。
- 自助微調還沒上線。客製訓練目前要走 Cloudflare 的工程專案，小團隊暫時被擋在門外。
常見問題
Clef 是 Cloudflare 的決策模型系列。它讀取一個狀態和一組帶型別的題目，為每個允許的答案回傳機率。Cloudflare 推出 Clef 與 Clef-flash 兩個版本，都託管在 Workers AI。
相關內容
探索與 Clef 相關的工具、技能與文章。
Clef 替代方案
Knocket
Knocket (Tencent RTC team) · 生產力 · 商業 · 聊天機器人Knocket 是免費的線上客服與聯絡頁面工具，訪客可從網站、App 或一條分享連結傳訊息，你在 Telegram 或單一收件匣就能回覆。
shippedit.me
Krawlup · 行銷 · 商業shippedit.me 現在會轉向 Krawlup，這是一個每週稽核 SEO、AEO 與載入速度的網站平台，並透過 MCP 把修正交給 AI 編碼代理執行。
Ayven
Alknoma · 生產力 · 商業Ayven 是 Alknoma 推出的 AI 控制中心，能把一句話描述的目標變成有日期的計畫，把任務分派給團隊成員與 AI 代理，只在決定權屬於你時請你核准。