Cloudflare 发布 Clef 决策模型，声称人类无需再介入 AI Agent 流程

Cloudflare 正式推出 Clef 和 Clef-flash 两款决策模型，旨在解决传统大语言模型在 Agent 任务中响应慢、输出不稳定的问题。这两类模型不再生成自然语言文本，而是直接返回对多个预定义问题的分类结果及对应概率，使下游代码能够根据确定性数据自动路由工单或触发升级，从而减少人工干预。官方数据显示，Clef-flash 的决策中位延迟仅为 39 毫秒，显著低于竞品 Jev 的 524 毫秒。

技术细节上，Clef 基于 Qwen3.8-27B 构建，Clef-flash 基于 Qwen3.5-9B，两者均保留基座模型参数不变，仅通过合成数据和 RLCD（Reinforcement Learning for Calibrated Decisions）训练额外组件来校准输出概率。与 TypeSafe AI 的 Jev 相比，Clef 不仅支持图像输入，还拥有 64,000-token 的上下文窗口，且在多项基准测试中表现领先。此外，Cloudflare 还推出了配套的强化学习微调服务，允许客户利用 AI Gateway 日志数据在 Workers AI 平台上进行自定义模型的训练与部署。

事实层面，该发布标志着 Cloudflare 从基础设施提供商向 AI 模型层延伸，其核心优势在于依托全球边缘网络实现的极低延迟推理能力。推断来看，这种“决策即服务”的模式可能成为企业级 Agent 调用的标准接口，特别是对于需要高吞吐、低延迟的场景。猜测方面，虽然官方宣称“人类不再需要介入”，但这更多是指常规流程的自动化，复杂异常处理仍需人工兜底，且模型输出的概率校准度在实际业务中的表现仍有待验证。