Cloudflare發布兩款名為Clef與Clef-flash的全新AI決策模型，聲稱這些模型能讓AI Agent自主判斷並執行任務，大幅減少甚至消除人類介入的需求，其反應速度與決策品質均超越現有競爭產品。
網際網路服務公司Cloudflare近期推出兩款全新的決策模型（decision models）Clef與Clef-flash，目標是讓人工智慧（AI）Agent能夠自主運作，在特定任務中不再需要人類介入。這項創新被視為AI自動化領域的一大突破，可望大幅提升企業營運效率。
傳統的大型語言模型（LLM）通常以生成長篇文本為主，但Cloudflare的Clef模型則專注於判斷預設選項的機率，而非生成文字。這表示AI Agent可以根據這些機率結果，自動執行後續動作，例如將客戶服務請求分配至適當部門，或觸發必要的升級處理。Cloudflare強調，透過Clef模型，「人類不再需要持續介入AI Agent的決策過程」。
Clef與Clef-flash模型基於中國阿里巴巴開發的Qwen模型，支援文字與圖像輸入，並已在Cloudflare的Workers AI平台及開源機器學習平台Hugging Face上發布，採用 Apache-2.0 開源授權。根據Cloudflare自行報告的基準測試數據，Clef-flash的平均回應時間為39毫秒，Clef則為209毫秒，比競爭對手TypeSafe AI的Jev模型（超過524毫秒）更快。Cloudflare表示，Clef在決策品質上表現最優異，而Clef-flash則在保持低延遲的同時，準確度幾乎與Jev模型匹敵。
Clef模型具備64,000個Token（處理單位）的Context Window（一次能處理的文字範圍），是Jev模型的三倍。TypeSafe AI曾於9月中旬推出Jev模型，並主打其「無幻覺」（指輸出限制在預定義選項內）的特性；OpenAI也於9月底發布了基於GPT-6 Luna的Decisions API。然而，Cloudflare的Clef模型在速度與處理能力上展現競爭優勢。
Cloudflare已將Clef應用於內部作業，例如其威脅情報團隊正利用Clef進行網站分類，評估網站屬於特定類型的機率。該公司還計畫將其用於審查濫用報告、分類支援請求，以及區分惡意機器人與有用機器人。為了讓客戶能依自身需求客製化模型，Cloudflare將推出一項強化學習（reinforcement learning）服務，初期由工程師協助，未來將提供自助服務平台。
這類無需人類持續介入的AI Agent，將有助於推動產業對AI Agent的需求，特別是製造業等正尋求利用AI提升生產力並加速決策過程的領域。Propel執行長Ross Meyercord就指出，許多製造商已明確知道他們希望AI能做什麼。他強調，AI的應用已從一般性實驗轉向更具體的商業系統整合，而連通產品資料是各功能AI應用的共同核心。