Cloudflare 在 10 月 1 日发布了两款自己训练的决策模型 Clef 和 Clef-flash托管在 Workers AI 上同时把模型权重以 Apache 2.0 协议开源到了 Hugging Face。它的定位很明确不做生成只做判断。这事的技术含量得从决策模型和大语言模型的分工说起。决策模型到底是个什么东西平时用的大模型是生成式的给一段输入它一个字一个字往外吐产出自由文本。你要做分类或路由还得在输出里解析 JSON、处理幻觉、等它把推理 token 跑完。决策模型的思路反过来。开发者先设定一组可接受的选项带类型的问题模型读入输入状态后直接针对这些选项计算概率并返回不产生任何自由文本也没有需要解析的中间过程。比如客服系统收到一条消息可以一次性问三件事这条是否紧急、该交给业务还是账务还是技术、严重程度几级。拿到概率后程序直接分派工单或者当模型拿不准时转人工。据报道Cloudflare 这次发布的两款模型参数和底子是这样的模型规模基座上下文价格每百万输入 tokenClef27BQwen3.8-27B64K0.24 美元Clef-flash9BQwen3.5-9B64K0.09 美元两款都支持最多 4 张图片输入接口兼容同类决策模型 Jev 的 API既有用 Jev 的应用改起来成本较低。快在哪准在哪Cloudflare 自己公布的 43 项评测里延迟是最扎眼的Clef 中位延迟 209.3 毫秒Clef-flash 中位延迟 38.8 毫秒Jev 中位延迟 524.1 毫秒Clef-flash 的中位延迟不到 Jev 的十分之一。官方在部分标准集上也给了准确率对比例如 BANKING77宏观 F1Clef 94.2、Clef-flash 90.9、Jev 79.7BFCL 上 Clef 98.5、Clef-flash 98.8。但这里必须泼一盆冷水这些数据是 Cloudflare 在自家环境里自测的尚未被第三方独立复现。而且准确度并不是全面领先——云厂商公布的多项指标里Jev 在个别测试上仍然更高。所以最快和最准这两个标签要分开看。真正让它快的原因不是单纯的模型小而是非自回归的决策步骤传统生成式推理要逐步产出文本决策模型跳过了生成文字这个环节直接对预设答案打分。这一步省下来就是延迟从几百毫秒掉到几十毫秒的关键。同时因为答案被限制在预设选项里输出天然无幻觉——它没法编出一个你没给的选项。对开发者和从业者意味着什么第一agent 的热路径有了更便宜的选择。现在很多 agent 每走一步都要调一次大模型成本高、延迟高。把要不要继续该走哪条路这类判断前置给决策模型让大模型只负责真正需要生成和推理的部分账会好看很多。Cloudflare 官方举的例子是一个网站分类任务里Clef 配合 Browser Run 在 2.2 秒完成而同样的流程用 gpt-oss-120b 要 4.7 秒。第二落地成本算得清。0.09 美元/百万 token 的 flash 版本加上 Apache 2.0 的权重团队可以先用托管版试觉得敏感就下载权重自己在边缘或内网跑。# 权重开源在 Hugging Face可以直接拉到本地pipinstall-Uhuggingface_hub[cli]huggingface-cli download Cloudflare/clef第三别把它当万能药。几个实际的坑概率校准比准确率更重要。决策模型输出的是每个选项的概率你要设拒判阈值——低于多少分就转人工。阈值设不好要么大量误判直接进流程要么全部转人工、白用。模型不是越强越好是越合适越好。毫秒级的 guardrail 检查、边缘网关上的前置筛选用 flash 更划算流程复杂、判断维度多、要求准的再上 27B 版本。自测数据要留个心眼。上线前一定用自己业务的真实样本跑一轮别直接拿厂商 benchmark 当预期。客服分流这类场景准确率差几个点用户体感差别很大。收尾从什么活儿都丢给大模型到把判断和生成拆开、各用各的模型这个分工思路其实挺健康。大模型少空转成本账比能力账更好看。不过决策模型这条赛道能走多远还得看第三方能不能复现出同样的延迟和准确率。你会把 agent 里的判断环节换成决策模型吗你怎么看评论区聊聊。