Cloudflare 发布了名为 Clef 和 Clef-flash 的两款开放权重决策模型，面向结构化的是否判断、多选与排序任务，同时支持图像、视频输入以及最长 64K 的上下文窗口。据 Slashdot 援引 The Register 的报道，Cloudflare 称这两款模型在多项基准测试中成绩超过 TypeSafe 的 Jev，并可从 Hugging Face 下载后在本地运行。
Clef 并非从零训练的模型。据 Cloudflare 介绍，Clef 和 Clef-flash 分别使用经过专门后训练的冻结版 Qwen3.8-27B 与 Qwen3.5-9B，Qwen 主干在推理过程中只执行一次预填充（prefill）阶段，随后并行对各选项打分。Cloudflare 称 Clef 的速度依然很快，快于 Jev。Jev 的底层架构目前并不清楚，TypeSafe 一直未对外公开。
在速度与能力对比上，Cloudflare 使用 Hugging Face 上公开的 Jev Decision Index 对 Clef、Jev 以及其他开放决策模型进行了测试。按该公司自行给出的排名，Clef 比其他开放模型略慢但更准确，Clef-flash 的准确率与多数模型相当，速度则快得多。Cloudflare 承认这些分数由自己上报，尚未在官方 Decision Index 上被复现并纳入排名。
Cloudflare 还用 TypeSafe 自己的基准测试了 Clef，并声称在四个领域中的三个击败 Jev，仅在 agent 轨迹可观测性（agent trace observability）上落后。
即便在速度或准确率上存在差距，Clef 相比 Jev 还有一项明显不同：它不局限于文本分类，也能处理图像和视频。此外，Clef 支持 64K 上下文窗口。Jev 单次请求同样可以处理最多 64K token，但其状态加上最长单个问题被限制在 32K。