据MarkTechPost报道，Cloudflare发布了由其Workers AI团队训练的首批模型Clef和Clef-flash。这两款模型属于决策模型而非聊天机器人：它们读取输入状态和一组带类型的问题架构，对每个允许的答案返回概率，不生成自由文本。两款模型以Apache 2.0协议开放权重，兼容TypeSafe AI的Jev API，目前已在Workers AI上线，权重同步发布在Hugging Face上供自行部署。
Clef支持三类问题。noul为是非题，返回“是”的概率；choice从若干具名选项中选定一项，给出各选项概率和置信度；score按有序评分标准打分，返回概率加权分数。在Workers AI上，单次请求最多可携带64个问题和4张图片。
TypeSafe AI于2026年9月15日推出其首个“System One”模型Jev，随后出现Kev-9B、Laya等开放替代方案。Clef使用同一套System One API，从Jev迁移只需更换端点和模型名。
Clef基于Qwen3.8-27B后训练，Clef-flash基于Qwen3.5-9B，两者均保留骨干的视觉编码器。推理分两阶段：骨干先对状态和问题做一次仅预填充的传递，随后由小型transformer“联合架构头”读取最终隐藏状态，把证据路由到各个问题，让字段之间交叉注意力，并对所有选项联合打分，再由逐问题softmax把logits转为概率。训练时冻结两个骨干，联合优化路由头与rank-256低秩适配器；损失函数将标签平滑交叉熵与用于校准的Brier损失配对，并引入“校准决策强化学习”（RLCD）作为次要目标，对相邻序数选项给予部分得分。
在Cloudflare取自Decision Index 0.2.1套件的10项基准清单上，Clef在其中7项得分最高。BANKING77（macro-F1）为94.20，Jev为79.74；CLINC150+OOS为97.43，Jev为89.27；家用电器（case exact）Clef-flash为97.73，Jev为52.27。Jev在其他项目保持领先：GPQA Diamond为78.3对48.0，MMLU-Pro为82.7对65.9，BBH为92.9对73.7。在TypeSafe自身的工作流评测中，Clef在4个领域中的3个以小幅优势胜出：发票处理64.7对61.8，客户服务76.3对76.0，安全事件62.9对61.7；Jev在代理轨迹可观测性上以71.6对68.5领先。在Cloudflare的威胁情报工作流中，Clef用2.2秒完成域名分类，gpt-oss-120b用时4.7秒。上述数字均由厂商提供，尚无独立复现。
按Cloudflare内部Decision Index运行的数据，Clef中位延迟为209.3毫秒，Clef-flash为38.8毫秒，Jev为524.1毫秒，Kev-9B为51.4毫秒，Laya为5.8毫秒。托管价格（输入）方面，Clef为每百万token 0.24美元，Clef-flash为0.09美元，Jev为0.042美元。Clef与Clef-flash的上下文长度均为65,536。
两款模型可通过Workers AI绑定（env.AI.run()）、REST API或AI Gateway调用。自行托管方面，模型卡列出在单张H200上以BF16权重测试。Cloudflare同时宣布一项强化学习服务，用于在私有数据上微调Clef，初期由Cloudflare的前置工程师参与，后续推出自助平台；该流水线整合AI Gateway、Workers AI、Containers和一个新的Trainer组件，团队可通过设计伙伴表单申请。