Två modeller, ingen textutmatning
Cloudflare har släppt Clef och Clef-flash, två beslutsmodeller som inte genererar text alls. I ett inlägg den 1 oktober uppger bolaget att båda har öppna vikter under Apache 2.0 på Hugging Face och körs på plattformen Workers AI, och att båda är API-kompatibla med Typesafe AI:s Jev System One, modellen som skapade kategorin för några veckor sedan.
En beslutsmodell tar emot ett inmatat tillstånd och en uppsättning typade frågor och returnerar en sannolikhet för varje tillåtet svar. Cloudflares exempel är ett supportärende: är det brådskande, vilket team ska ta det, hur allvarlig är påverkan. Utdata är en strukturerad post med sannolikheter som anropande kod kan agera på utan att någon läser den.
Hur den är byggd
Clef fryser en Qwen3.8-27B-stam och Clef-flash en Qwen3.5-9B, med lågrangsadaptrar av rang 256 och ett dirigeringshuvud tränat ovanpå. Vid inferens gör stammen en prefill-körning, och modellen poängsätter sedan de giltiga schemavalen parallellt. Ingenting produceras token för token, och det är där hastigheten kommer ifrån.
Cloudflare tränade också med en Brier-förlust vid sidan av etikettutjämnad korsentropi för att kalibrera sannolikheterna, och med en metod bolaget kallar förstärkningsinlärning för kalibrerade beslut, som ger delpoäng för närliggande ordinalsvar. Två skillnader mot Jev är enkla att ange: Clef har en bildkodare och kan klassificera bilder, vilket Jev inte gör i dag, och den har ett kontextfönster på 64k mot Jevs 32k.
Siffrorna, och vems de är
Alla siffror nedan är Cloudflares, uppmätta av Cloudflare. I den tioradiga tabell bolaget publicerade från Jev Decision Index har en Clef-modell högst poäng på sju rader — bland annat 94,20 i makro-F1 på BANKING77 mot Jevs 79,74, och 97,73 på ett hushållsmaskinsset mot Jevs 52,27. Jev leder på When2Call och BRIGHT, och DiffusionGemma Jev på PhishNChips.
För latens över 43 testkörningar rapporterar Cloudflare en median på 209,3 ms för Clef och 38,8 ms för Clef-flash, mot 524,1 ms för Jev. En konkurrent som heter Laya är ännu snabbare med 5,8 ms i median, men Cloudflares egen tabell ger den 38,13 där Clef-modellerna ligger över 98, och dess p95-latens är sämre än Clef-flashs. I Typesafes egen utvärderingssvit säger Cloudflare att Clef slog Jev i tre av fyra arbetsflöden, men förlorade på observerbarhet för agentspår.
Det interna resultat som är värt att upprepa kommer från Cloudflares hotunderrättelseteam, som använder Clef för att kategorisera domäner: 2,2 sekunder för att hämta, rendera och klassificera en sajt, mot 4,7 sekunder för gpt-oss-120b, som dessutom bara returnerade två klassificeringar.
Finjusteringsaffären under det hela
Vid sidan av modellerna lanserar Cloudflare en tjänst för finjustering med förstärkningsinlärning, först levererad av bolagets utplacerade ingenjörsteam och senare, uppger det, som självbetjäning. Delarna är befintliga produkter — AI Gateway för att samla in förfrågningsdata, Workers AI för körningar, Containers som RL-sandlåda — plus en ny komponent som heter Trainer och arbetet med egna modeller som kom ur förvärvet av Replicate.
Det är den delen att följa. Öppna vikter gör modellen lätt att prova; finjusteringskedjan är det som skulle få kunder att stanna. Jev är två veckor gammal, Amazon släppte en egen beslutsmodell samma vecka, och ingen utanför leverantörerna har ännu publicerat en oberoende jämförelse av någon av dem.
