原始来源日期:2026年10月1日。Cloudflare发布Clef与Clef-flash,通过Workers AI提供决策模型,并以Apache 2.0许可开放权重。模型接收上下文,对给定Schema中的选项输出类型化结果与概率,支持视觉输入。
官方解释,决策路径使用预填充后的表示对选项评分,而非逐字生成中间答案;训练结合路由结构与概率校准目标。厂商公布的评测显示不同任务上的质量与延迟差异,不能概括为在所有应用中都优于其他模型。
同一文章还介绍由合作工程服务逐步走向自助微调平台的计划。模型可用与完整自助训练流程普遍可用应当区分,基准中的模型耗时也不能直接当作包含检索、网络与工具执行的业务总时延。
量仔观察
本站认为,概率输出使工作流更容易表达“暂不决策”。当两个分类结果接近时,业务可以转交人工或等待更多证据,而非强行把最高分当作确定事实。不过这种做法依赖概率在自身数据上是否校准,不能仅凭输出范围在零到一之间就认为可信。研发评估应检验不同置信度区间的实际错误率。
决策模型也不应拥有独立扩张权限的能力。它可以帮助选择下一步路径,但每个工具允许读取什么、写入什么,以及哪些操作需要更强授权,应由外层系统明确限制。本站会分别记录模型给出的选项和最终执行决定,便于调查是分类错误还是权限规则错误造成结果。
评测还要复现完整输入准备过程。一个网站分类任务可能先经历抓取与渲染,一个工单任务可能需要历史检索;这些步骤常常比决策本身更慢。将模型、上下文构建、规则检查和工具执行分别计时,并使用真实中文与专业领域样本,才有助于判断Clef是否适合进入关键路径,而不是从厂商基准中挑选一个最短延迟替整套Agent作性能承诺。
