共计 1185 个字符，预计需要花费 3 分钟才能阅读完成。
IT 之家 10 月 2 日消息, 当地时间 10 月 1 日,Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef(谱号), 包 …
Cloudflare 于当地时间 10 月 1 日发布开源多模态决策模型 Clef(谱号), 一次推出 Clef 与 Clef-flash 两个版本。两者均以 Qwen 为基座, 并把视觉输入与更长上下文带进决策类任务。这两款模型能否延续 Jev 的定位, 成为新的开源选择, 成为外界关注点。
📌 两个版本, 定位不同
Clef 基于 Qwen3.8-27B,Clef-flash 基于 Qwen3.5-9B。前者侧重综合性能, 后者面向更轻量、对成本与响应速度敏感的场景。两款模型均以开源形式发布, 团队可以自行部署验证。从命名看,Clef 与 Clef-flash 形成了“强性能 + 轻量”的组合, 覆盖不同部署预算。
🔍 视觉输入与 64k 上下文
Clef 原生配备视觉编码器, 能直接解析图像输入, 并对视觉内容进行判别分类; 现有 Jev 仅支持纯文本分类。在需要同时理解文字与图像的决策任务中,Clef 的输入范围更宽。对于需要从图像中提取判据的业务, 这一变化比单纯扩大文本长度更直接。
上下文窗口也有扩展:Clef 提升至 64k,Jev 为 32k。更大的窗口让开发者可以载入更丰富的系统输入状态, 进行更全面的综合判定。两款模型完全兼容 Jev-API, 已有流程的测试与验证相对方便。
- 多模态: 图像内容可直接参与判别分类
- 长上下文:64k 为复杂判定条件留出空间
- 接口兼容: 兼容 Jev-API, 便于迁移验证
💡 基准表现与微调能力
在 Jev 决策指数 (Decision Index 0.2.1) 的评测中,Clef 处于领先地位。官方称其精度高、综合性能强, 多项基准测试中比肩甚至超越同类模型。不过, 基准领先并不等于真实场景全面胜出, 仍需结合任务数据评估。
Cloudflare 还发布全新强化学习产品。客户可针对自身业务场景, 对 Clef 进行定制化微调, 不必只依赖通用能力。这为企业在特定数据分布和任务要求下调整模型提供了路径。
📊 行业看点
- 开源加 Qwen 基座, 降低上手与二次开发门槛
- 兼容既有 Jev-API, 迁移与验证成本相对可控
- 视觉能力与长上下文组合, 有望拓宽决策任务适用范围
- 强化学习微调产品, 把定制能力做成可交付服务
对开发者而言,这类组合在自动化审核、内容判别等场景中具有潜在价值。如果接口兼容与微调链路顺畅, 团队替换或扩展既有决策服务的阻力会小很多。
从纯文本分类走向图像判别, 决策类模型的输入边界正在被推开。
🚀 总结
Clef 可视为 Cloudflare 在决策模型方向的一次升级: 借 Qwen 基座获得成熟性能底子, 用视觉编码器和 64k 上下文形成差异, 再以强化学习微调承接企业个性化需求。它能否在真实业务中兑现基准表现, 仍需开发者进一步验证。对关注多模态决策与开源模型的团队来说,Clef 值得纳入后续测试清单。
