Clef 是 Cloudflare 推出的「決策模型」（decision model），搭配輕量版本 Clef-flash 一起開源，採用 Apache 2.0 授權在 Hugging Face 上公開。不同於一般生成式大型語言模型，決策模型只負責從固定選項中做分類判斷，例如把客服訊息標記成「緊急」或「一般」，Cloudflare 內部就用它來即時判斷網域的威脅等級。
技術上，Clef 以 Qwen 模型為基礎進行後訓練微調，採用非自迴歸的決策步驟，直接從模型內部表示中挑出對應的 schema 選項，並透過兩階段注意力機制處理輸入內容與跨欄位關聯。訓練時結合標籤平滑交叉熵與 Brier 損失，並搭配 Cloudflare 自行開發、能提供部分學分的 RLCD 演算法，來提升分類的精準度與泛化能力。
文章公開的效能數字顯示，Clef 的中位延遲為 209.3 毫秒、輕量版 Clef-flash 只要 38.8 毫秒，兩者都比對照的通用模型 Jev（524.1 毫秒）快上許多，在需要即時判斷的代理系統中具有明顯優勢。Cloudflare 同時推出新的強化學習微調服務，讓企業可以用自己的資料，在 AI Gateway、Workers AI 與 Containers 等既有基礎設施上微調並重新部署 Clef。
這則新聞偏向雲端與 AI 基礎設施的產業面，牽涉到模型訓練與大型系統架構，對剛開始學程式的孩子來說門檻較高。不過它說明了一個有用的概念：AI 系統不是只有「聊天機器人」一種形式，像分類、判斷這類需要快速又固定答案的任務，業界會特別設計更小、更快的專用模型來處理，這對未來想往 AI 領域發展的學生是值得認識的方向。
AI開源雲端機器學習