Jev Recipe / 厂商对比

Jev vs Clef:Cloudflare 决策模型正面比较

Cloudflare 用开源的 Clef 回应了 Jev。带出处的记分牌对比:BFCL 与 When2Call 的分裂、38.8ms 托管延迟、Apache 2.0 开源权重,以及「fully Jev-API compatible」这个声明到底承诺了什么。

选定决策模型之前的 6 项检查

01把两边的记分牌连同出处一起读。在 Cloudflare 公开评测里,Clef-Flash 以 BFCL 98.76 对 95.75、BANKING77 macro-F1 94.20 对 79.74 领先;Jev 保住 When2Call 80.97 对 65.58,外加 BRIGHT 与 PhishNChips。不同基准考的是不同能力——格式精确的函数调用与银行意图精度偏向 Clef,工具选择与「知道何时弃权」偏向 Jev。这是发布周(2026-10-01)的厂商评测:强项地图,不是部署判决。
02让输出契约匹配你的风险模型。Jev 决策头返回类型化答案(Choice/Score/Noul)加 RLCD 校准置信度——零生成。托管版 Clef 同样用 prefill 并行给允许选项打分;但开源权重的本地量化路径是另一回事:社区 Q4_K_M 量化包只有 427 个 backbone 张量、零 schema head 匹配,Ollama 的答案是 21–30 个生成 token 拼出的 JSON,没有原生置信度数字。
03两种口径都算一遍成本。Jev 公开定价为每百万输入 token $0.042、输出免费——10 万次决策几美分。Clef 权重是 Apache 2.0,自托管免费、GPU 成本自负;Workers AI 托管价在撰稿时于可核实信源中未见公布。把「定价未公布」当成迁移风险,就像我们对 Luna 预览做的那样。
04诚实地核对部署与模态边界。Clef 是 Cloudflare 生态原住民:Workers AI 托管、视觉编码器、64k 上下文(Jev 为 32k)。Jev 是 TypeSafe 托管 API 加 SDK,文本 state,另有 OpenJev 生态的本地路线。如果你的决策今天就要读图,那是 Clef 有而 Jev 没有的能力——任何对比框架都改变不了这一行。
05把兼容声明当成便宜的 A/B,而不是信仰。Clef 官方自称「fully Jev-API compatible」,同一请求形状应当可以打两个端点。但这是厂商自述——本站没有逐端点验证——所以把调用包进同一个接口,并在任何自动动作之前用约 100 条自己的标注样本重新验证。一张成功截图不是评测:同一句宕机提示词零温度复跑,team 就从 technical 翻成了 billing。
06从第一天就规划混布。两个模型都藏在同一个决策接口后面,让置信度门控降级链把任一厂商的低置信流量送进同一条人工复核队列,并且每月回看一次本页数字——以上全部是发布周厂商数据,发布周的数字会动。
schema / 类型化多问题契约
{
  "routing": {
    "type": "choice",
    "instructions": "Which queue should this ticket go to?",
    "criteria": {
      "billing": "Payment, invoice or refund issue",
      "technical": "Product malfunction or bug",
      "sales": "Buying or upgrade question",
      "abuse": "Safety or abuse report"
    }
  },
  "needs_safety_escalation": {
    "type": "noul",
    "instructions": "Does this ticket require a safety escalation regardless of queue?"
  },
  "urgency": {
    "type": "score",
    "instructions": "Rate how urgent a human reply is, 1 (routine) to 5 (business-stopping)"
  }
}
这套 schema 就是 Jev 契约深度的直观展示——在 Playground 里一次跑三个问题并查看校准置信度。

决策模型记分牌:TypeSafe Jev vs Cloudflare Clef(发布周,逐格标注来源)

METRIC
Jev
Cloudflare Clef
输出契约
原生决策头——类型化答案(Choice/Score/Noul)加 RLCD 校准置信度,零生成
托管 Clef:对允许选项做 prefill 并行打分——模型卡口径为原生概率;本地 GGUF 量化路径生成 JSON(Q4_K_M 检查:427 个 backbone 张量、零 schema head 匹配)
单次决策延迟(来源标注)
单次前向 evaluate 典型 ~70–100ms——Cloudflare 托管评测对 Jev 的计时在 ~205–524ms 之间(因轮次而异);本站 49 任务 P95 系列公开于 /benchmarks
Clef-Flash ~38.8ms / Clef ~209.3ms 中位(Cloudflare 口径,Workers AI)——与本地 Q4_K_M 单请求 ~1.4–2 秒是两种测量
定价(2026 年 10 月)
公开:每百万输入 token $0.042,输出免费——10 万次决策几美分
权重以 Apache 2.0 上架 Hugging Face——自托管免费、GPU 成本自负;Workers AI 托管定价截至撰稿在可核实信源中未公布
部署与模态
TypeSafe 托管 API + SDK——文本 state、32k 上下文、多问题一次调用;OpenJev 生态提供本地路线
Cloudflare 原生:Workers AI 托管、视觉编码器、64k 上下文;开源权重可自托管(原生决策头需要真正加载它的运行时)
校准叙事
RLCD 训练的概率——0.85 阈值表现为准确率合同;ECE 方法论公开于本站基准页
以「Calibrated Decisions」(RLCD)训练并命名,还提供同名微调服务——托管置信度语义为厂商文档口径,校准仍需用自己的标注验证
许可与生态
TypeSafe 托管契约 + SDK——本地推理靠第三方 OpenJev 克隆;GA 以来 API 未变
Apache 2.0 开源权重——发布数日内即出现社区 GGUF 量化与一条命令的 Ollama 安装

代码对比:Jev 类型化调用 vs Clef 本地运行与 A/B 切换

python / jev 类型化多问题 evaluate
import requests

JEV_ENDPOINT = "https://api.typesafe.ai/v1/jev/evaluate"
AUTO_ROUTE_CONFIDENCE = 0.85

QUESTIONS = {
    "routing": {
        "type": "choice",
        "instructions": "Which queue should this ticket go to?",
        "criteria": {
            "billing": "Payment, invoice or refund issue",
            "technical": "Product malfunction or bug",
            "sales": "Buying or upgrade question",
            "abuse": "Safety or abuse report",
        },
    },
    "needs_safety_escalation": {
        "type": "noul",
        "instructions": "Does this ticket require a safety escalation regardless of queue?",
    },
    "urgency": {
        "type": "score",
        "instructions": "Rate how urgent a human reply is, 1 (routine) to 5 (business-stopping)",
    },
}

resp = requests.post(
    JEV_ENDPOINT,
    json={"state": {"ticket": "..."}, "questions": QUESTIONS},
    timeout=5,
)
resp.raise_for_status()
data = resp.json()

route = data["routing"]  # 类型化答案 + 校准置信度,零生成
if (
    route["confidence"] >= AUTO_ROUTE_CONFIDENCE
    and not data["needs_safety_escalation"]["answer"]
):
    lane = f"auto:{route['answer']}"  # 单次前向,仅输入计费
else:
    lane = "review"  # 0.60~0.85 带宽或安全标记
python / Ollama 本地跑 Clef-Flash(Q4_K_M,schema 约束)
import json

import requests

# 来自本站 Clef-Flash 装机实测的已验证本地路径:
# bartowski Q4_K_M GGUF、Ollama 0.35、8GB 笔记本、2048 上下文。
# 机制注记:这条路径是「生成 JSON」(21–30 个 token)——官方
# joint schema head 未被加载(427 个 backbone 张量、零
# schema head 匹配),因此没有原生概率。
OLLAMA_CHAT = "http://localhost:11434/api/chat"

SCHEMA = {
    "type": "object",
    "properties": {
        "urgent": {"type": "boolean"},
        "team": {"enum": ["billing", "technical", "sales"]},
        "severity": {"enum": ["minor", "major", "critical"]},
    },
    "required": ["urgent", "team", "severity"],
}

resp = requests.post(
    OLLAMA_CHAT,
    json={
        "model": "hf.co/bartowski/Cloudflare_clef-flash-GGUF:Q4_K_M",
        "messages": [{
            "role": "user",
            "content": "Ticket: Checkout has been failing for every "
            "customer for the last hour. Reply with urgent, team, "
            "severity as JSON.",
        }],
        "format": SCHEMA,  # 运行时层约束修的是「格式」,
        "options": {"temperature": 0, "num_ctx": 2048},  # 不是「正确性」
    },
    timeout=60,
)
reply = json.loads(resp.json()["message"]["content"])

# 热请求约 1.4~2 秒。我们的测试里,同一句宕机提示词零温度复跑
# 把 team 从 technical 翻成了 billing——路由评测要有标注样本集,
# 不能靠一张成功截图。
typescript / jev 类型化多问题调用
const JEV_ENDPOINT = "https://api.typesafe.ai/v1/jev/evaluate";
const AUTO_ROUTE_CONFIDENCE = 0.85;

const QUESTIONS = {
  routing: {
    type: "choice",
    instructions: "Which queue should this ticket go to?",
    criteria: {
      billing: "Payment, invoice or refund issue",
      technical: "Product malfunction or bug",
      sales: "Buying or upgrade question",
      abuse: "Safety or abuse report",
    },
  },
  needs_safety_escalation: {
    type: "noul",
    instructions:
      "Does this ticket require a safety escalation regardless of queue?",
  },
  urgency: {
    type: "score",
    instructions:
      "Rate how urgent a human reply is, 1 (routine) to 5 (business-stopping)",
  },
} as const;

const resp = await fetch(JEV_ENDPOINT, {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({ state: { ticket: "..." }, questions: QUESTIONS }),
});
const data = await resp.json();

const lane =
  data.routing.confidence >= AUTO_ROUTE_CONFIDENCE &&
  !data.needs_safety_escalation.answer
    ? `auto:${data.routing.answer}`
    : "review";
typescript / 一个闸门、两个后端(兼容性 A/B)
// Clef 官方自称 "fully Jev-API compatible"——如果对你的调用成立,
// 换厂商就是换这个常量。保留意见:这是 Cloudflare 的自述,本站
// 未逐端点验证;而且它描述的是托管模型(本地量化路径生成 JSON、
// 无原生决策头)。把两个后端都藏在同一个接口后面,先在约 100 条
// 标注样本上验证切换,再让自动化依赖置信度数字。
const JEV_ENDPOINT = "https://api.typesafe.ai/v1/jev/evaluate";

const DECISION_ENDPOINT =
  process.env.DECISION_BACKEND === "clef"
    ? process.env.CLEF_ENDPOINT! // 你的 Workers AI / 自托管 Clef 端点
    : JEV_ENDPOINT;

const QUESTIONS = {
  routing: {
    type: "choice",
    instructions: "Which queue should this ticket go to?",
    criteria: {
      billing: "Payment, invoice or refund issue",
      technical: "Product malfunction or bug",
      sales: "Buying or upgrade question",
      abuse: "Safety or abuse report",
    },
  },
} as const;

export async function routeTicket(ticket: string) {
  const resp = await fetch(DECISION_ENDPOINT, {
    method: "POST",
    headers: { "Content-Type": "application/json" },
    body: JSON.stringify({ state: { ticket }, questions: QUESTIONS }),
  });
  if (!resp.ok) throw new Error("decision call failed");
  const data = await resp.json();

  // 各后端的置信度语义可能不同:自动化闸门建立在「按厂商逐个
  // 验证过的校准」上,而不是「存在一个数字」上。
  return data.routing as { answer: string; confidence: number };
}

Jev vs Clef 常见问题

Clef 是什么?和 Jev 是什么关系?

Cloudflare 于 2026-10-01 发布的开源权重决策模型家族:Clef(27B)与 Clef-Flash(9B),从冻结的 Qwen3 底座加 rank-256 LoRA 微调而来,以 Apache 2.0 许可上架 Hugging Face,并由 Workers AI 托管。与 TypeSafe 的 Jev 一样它是非生成型的:在单次 prefill 并行前向里给预定义选项打分,并官方自称「fully Jev-API compatible」。发布当天在 Hacker News 拿下 625 分——本站监测史以来最大单帖——「Jev 兼容」从此从社区复现升级为一线大厂产品动作。

「Jev-API compatible」到底是什么意思?

按 Cloudflare 公告口径,Clef 端点应当接受相同的请求形状——上下文加 questions 加预定义答案集——并返回答案加置信度,于是把 Jev 换成 Clef 是改一个端点而不是重写。两个保留意见:这是厂商自述,本站没有逐端点验证;而且它描述的是托管模型——本地量化路径跑的是另一种机制(生成 JSON、无原生决策头),形状兼容不等于置信度语义兼容。

该选谁?

按场景选,不按记分牌选。Clef 优先:你住在 Cloudflare 生态里、今天就要图像输入、想要可自托管的开源权重,或在意 BFCL/BANKING77 领先(格式精确的函数调用、银行精度)与 ~38.8ms 托管延迟。Jev 优先:你要靠置信度阈值做自动化、需要 RLCD 校准概率、输出免费的仅输入计费、多问题一次调用,或 When2Call 80.97 对 65.58 的画像(带弃权的工具选择)。无论哪边:自动化之前先用约 100 条自己的标注样本过一遍闸门——发布周厂商数字回答的是选型侦察问题,不是部署问题。

Clef 能本地跑吗?

能,但要先问机制。bartowski 的 Clef-Flash Q4_K_M GGUF 在 8GB RTX 4060 笔记本的 Ollama 0.35 里热请求约 1.4–2 秒一次,我们的测试里它也接受了图像输入。但受检量化包只有 427 个 backbone 张量、零 schema head 匹配:Ollama 的答案是生成的 JSON(21–30 个 token),不是官方 joint schema head 的原生概率。要原生决策接口,参考路径是 cloudflare/clef-webcam 仓库(Apple Silicon、32GB+ 内存)。经验法则:查运行时——模型名字不会告诉你跑的是哪种机制。

Clef 免费吗?许可证是什么?

权重以 Apache 2.0 上架 Hugging Face,下载与自托管免费——成本是你的 GPU。Cloudflare 在 Workers AI 上的托管是付费产品,其按 token 计价在撰稿时可核实的信源中未公布(2026-10-05)——如实记为「未公布」而不是免费。Jev 的对照点是公开的每百万输入 token $0.042、输出免费。

基准分数分裂该怎么读?

先问每个基准考什么。BFCL(98.76 对 95.75)与 API-Bank(93.11 对 88.19)奖励格式精确的函数调用——Clef-Flash 领先。BANKING77 macro-F1(94.20 对 79.74)奖励细粒度银行意图精度——Clef 优势最大的一格。When2Call(80.97 对 65.58)奖励选对工具或弃权——Jev 领先最多的一格,工作流层分数也大多跟随(发票处理 61.8 对 57.1、agent traces 71.6 对 69.8、客服则是 77 对 76 的掷硬币)。以上全部是 Cloudflare 公开评测;Jev 的独立数字在本站基准页。分裂本身就是结论:这两个模型擅长不同的工作。

继续深入 Clef 内容簇