Cloudflare 近期在人工智能领域迈出了重要一步，正式推出了两款名为 Clef 和 Clef-flash 的新型开源决策模型。这两款模型以其独特的输出机制和极低的边缘计算延迟，为开发者提供了一个高效、可靠的替代传统大语言模型的解决方案。
Clef 系列模型包括参数量为 270 亿的 Clef 和参数量为 90 亿的 Clef-flash。与当前主流的大语言模型（如 GPT-4）不同，Clef 模型的核心优势在于其“类型化概率输出”能力。传统 LLM 通常输出自由文本，开发者需要复杂的后处理步骤才能将其转化为结构化数据。而 Clef 模型直接返回经过类型校验的概率值，例如浮点数或布尔值，这使得数据验证和解析变得前所未有的简单和准确，极大地降低了企业级应用的数据清洗成本。
在技术实现上，Clef 模型完全兼容 Jev-API，并支持图像输入。这意味着开发者不仅可以利用文本进行复杂的逻辑判断，还能通过图像识别来完成自动化决策任务。更重要的是，这两款模型均针对 Cloudflare 的 Workers AI 平台进行了深度优化。据官方数据显示，Clef-flash 的中位延迟仅为 38.8 毫秒，Clef 的中位延迟为 209.3 毫秒。如此惊人的低延迟，得益于 Cloudflare 强大的边缘计算网络，确保了推理任务在全球范围内都能以毫秒级速度完成，这对于实时性要求极高的应用场景至关重要。
行业分析认为，Clef 模型的发布标志着 AI 推理正从“生成式”向“决策式”转变。生成式模型擅长创造内容，而决策式模型则专注于精准的判断和分类。Cloudflare 通过引入 Clef，实际上是在其基础设施中构建了一个专门用于结构化推理的微型引擎。这为金融风控、医疗诊断、自动化表单填写等领域提供了新的工具，开发者无需自行训练模型，也无需担心高昂的算力成本，只需调用 Workers AI 即可部署。
此外，作为开源权重模型，Clef 和 Clef-flash 的发布也进一步降低了开发者接触前沿 AI 技术的门槛。开发者可以在本地或私有服务器上运行这些模型，满足对数据隐私有极高要求的场景。结合 Cloudflare 网络的全球覆盖能力，Clef 系列模型有望成为构建下一代边缘 AI 应用的基石。
参考资料：MarkTechPost
原文链接：https://www.marktechpost.com/2026/10/01/cloudflare-releases-clef-and-clef-flash/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/10/01/cloudflare-releases-clef-and-clef-flash/
