Cloudflare推出基于Qwen的开源多模态决策模型Clef

当地时间10月1日，Cloudflare推出基于Qwen基座的开源多模态决策模型Clef（谱号），包含Clef与Clef-flash两款，这也是Cloudflare首次自行训练并发布的AI模型。

与纯文本的决策模型Jev不同，Clef原生配备视觉编码器，能够直接解析图像输入并对视觉内容作出判别与分类，同时支持图像与视频分类，并将上下文窗口从Jev的32k拓展至64k，让开发者可以载入更丰富的系统状态进行综合判定。两款模型均基于冻结的Qwen主干构建，其中Clef基于Qwen3.8-27B、Clef-flash基于Qwen3.5-9B，并通过训练路由头与低秩适配实现决策打分。

在接口层面，Clef完全兼容Jev-API，已围绕Jev构建系统的团队无需重写集成即可替换路由调用，以结构化的“是/否”“多选”“排序”等方式输出确定性的决策结果。Cloudflare在Workers AI上对Clef定价为每百万输入词元0.24美元、Clef-flash为0.09美元，输出词元不另行计费；本地部署方面，Clef-flash需约41GB显存，Clef在单并发64k上下文下需约85GB显存。模型以Apache-2.0许可证在Hugging Face上开源权重。

在基准表现上，Cloudflare自测显示Clef在BANKING77分类任务上的macro-F1达到94.20，明显高于Jev的79.74；在BFCL与CLINC150+OOS等评测中也保持领先，中位延迟约209毫秒，远低于Jev的524毫秒。不过在When2Call与BRIGHT两项评测中，Jev仍略占上风。整体来看，Clef以“视觉+长上下文+确定性输出”切入决策模型赛道，并配套推出基于强化学习（RLCD）的微调服务，允许企业按自身业务场景定制模型。

Clef的发布恰逢Cloudflare年度“Birthday Week”产品密集期。过去Workers AI主要托管第三方模型，而Clef与Clef-flash是首批由Cloudflare自研训练的模型，标志着这家以网络与边缘计算起家的公司，正式从“模型托管方”迈向“模型制造方”，也反映出决策型小模型在智能体编排中的需求正在快速升温。