Cloudflare 下场了:推出 Clef 硬刚 Jev,AI 决策模型赛道一夜从独舞变混战

原创2026-10-09 18:59:311,464 阅读
文章标签:人工智能大模型AI Agent浏览器控制GUI 自动化

Cloudflare 下场了:推出 Clef 硬刚 Jev,AI 决策模型赛道一夜从独舞变混战

AI 圈最近最戏剧性的一幕,不是哪家大模型发布了新版本,而是一道“选择题”掀起的连锁反应:一个只会做选择题的模型 Jev,在外网被 3500 万人围观,带火了 2170 个衍生项目;紧接着国产开源模型 Intern-Decision 宣布“比 Jev 快 2-3 倍、拿下多模态决策 SOTA”;现在,连 CDN 巨头 Cloudflare 也下场了——被社区曝出推出决策模型 Clef,正面硬刚 Jev。

一个专门“替 AI 做选择”的细分赛道,正在从一家独舞变成三方混战。这场混战的底层逻辑是什么?Jev 派系的开源代表作 jev-ultrafast 到底凭什么把浏览器智能体做到 7 秒级?本文结合社区情报与本仓库源码,拆开这场混战的台前幕后。

Clef 是什么:Cloudflare 为什么要下场做“选择题”

按社区消息,Cloudflare 推出的 Clef 被直接定位为“向 Jev 发起挑战的 AI 决策模型”。这个动作放在 Cloudflare 的战略盘子里看并不意外:它手里有全球最大的边缘网络,有 Workers 无服务器运行时,有海量 Web 流量与 bot 攻防数据,天然是“决策”场景的宿主——浏览器自动化、爬虫识别、边缘路由、缓存策略,处处是判断题而非作文题。

Jev 的走红恰好证明了这一点:决策模型解决的是“动作空间里的选择”,输出是结构化、可校验的有限项,天然适合嵌入现有工程链路。Cloudflare 若把决策能力放进 Workers 生态,等于把“下一个动作是什么”从云端 API 变成边缘原生的基础设施能力——这是它区别于任何模型厂商的独特卡位。Clef 具体的技术参数与发布时间,目前社区信息有限,但“基础设施巨头切入决策模型”这一信号本身,已经足以改写赛道叙事。

为什么是现在:Jev 爆红 2170 个项目之后

要理解 Clef 为什么选这个时机下场,得先看清 Jev 引爆了什么。社区情报里有一组关键事实:

  • 价格打到地板:Jev 每百万输入 token 收费 0.042 美元、输出免费,被网友戏称“AI 界的蜜雪冰城”;
  • 速度颠覆体验:实测玩《杀戮尖塔 2》一次行动思考仅约 0.7 秒,50 局《地铁跑酷》同时运行费用不到 1 美分,火箭仿真 245 次调用约 0.04 美元;
  • 外网 3500 万人围观,创始人出身 OpenAI、参与过 InstructGPT 与人类反馈强化学习研究,全量开放后打出“速度快 193 倍、成本低 444 倍”的旗号;
  • 生态快速裂变:GitHub 周榜上,围绕“Jev 范式”一口气冒出浏览器智能体、上下文压缩、类型化决策引擎等 7 个高星项目,合计 2170 个项目沿着“结构化动作空间、低幻觉、可审计、轻量部署”的路线开枝散叶。

这说明决策模型不是“大模型的子集”这么简单。正如社区开发者总结的:很多 AI 流程卡的不是生成质量,而是每一步都要等模型想很久。Jev 把判断拆小、把输出结构化,游戏和网页操作才能跑顺——一旦延迟可控、成本可忽略,密集调用就从奢望变成默认配置。当这个范式被验证、并被 2170 个项目反复打磨时,巨头下场就成了必然。

源码级解剖:jev-ultrafast 如何把“选择”做到极致

混战中最值得工程读者解剖的样本,是本仓库 jev-ultrafast——它把 Jev 的“选择题”范式用在了浏览器智能体上,实测 7.073 秒完成 Google Flights 苏黎世→伦敦的查询,成为社区“7 秒查航班”玩法的源头(性能报告)。

核心架构:动态操作 + 目标,一次请求双重决策

传统浏览器智能体是“看截图 → 写动作 → 执行”,而 jev-ultrafast 把决策彻底结构化。每一次页面观察都会生成一张带编号的元素表(见 snapshot.js):

[1] button    Change ticket type · Round trip
[2] combobox  Where from?        · San Francisco
[3] combobox  Where to?          · empty
[4] textbox   Departure          · empty
...

操作空间只有 8 种:CLICK、TYPE_TEXT、SELECT、SCROLL_UP、SCROLL_DOWN、WAIT、DONE、BLOCKED。关键设计在 model.py 的 choose():一次 TypeSafe 请求同时问“下一步做什么操作”和“每个操作对应哪个目标”,操作头与各目标头共享同一份观察状态;执行时只消费被选中操作对应的目标头,未使用的目标头永远无法触发动作——两个决策,一次网络往返。

body = {
    "model": os.environ.get("TYPESAFE_MODEL", "jev-latest"),
    "state": {"page": ..., "elements": elements, "recent_actions": history[-10:]},
    "questions": questions,  # operation + 每个操作的 target 头
}

响应还要经过 validate_choice 的严格校验:choice 必须在候选集内、概率必须是有限数、分布必须归一化(误差 < 0.02)、选中项概率必须是最大值——任何一个条件不满足,直接抛 Invalid TypeSafe response; no action executed。模型输出永远成不了选择器、坐标、shell 命令或可执行 JavaScript。

分工范式:决策模型只做判断,小模型只在需要时写文本

README 里一句话点破了整个体系的分工:Jev 挑操作和元素,只有当操作是 TYPE_TEXT 时,才由一个小 LLM 写文本。这条路线在社区被概括为“小模型只在需要时写文本”。

field_text 中,文本助手收到的是精简上下文(目标、字段、可见页面文本前 6000 字符、最近 6 条历史),并以系统提示词 TEXT_VALUE 强制契约:必须返回“只有 text 一个键的 JSON 对象”,不能有注释、代码或浏览器动作,缺失值返回 {"text": null}。两次文本调用在 OpenRouter 上的费用是 0.00006272 美元。

更讲究的是失败安全:field_text 的返回值必须能解析成合法的单键 JSON,多一个键、带注释、非字符串全部拒绝,宁可什么都不输,也不猜测(见 tests/test_agent.py 的 test_text_helper_rejects_invalid_values)。

inspector 界面截图

上图是本仓库自带的本地检查器(demo.py,loopback-only 服务,端口 8766):左边是带编号的元素表,右侧展示操作概率、目标概率与已执行动作,支持“执行前暂停下一步”的人工审计。

性能账本:协议调用减少 90.8%,任务提速 25%

performance.md 记录了六轮交替对照实验:同一任务、同一 Chrome 配置、同一模型版本(TypeSafe jev-1.13.0 + inception/mercury-2.5),原始实现中位数 9.450 秒,优化后 7.092 秒,任务时间降低 25%;浏览器协议调用从 1092 次降到 101 次,减少 90.8%;TypeSafe 请求从 22 次降到 17 次。完整记录里,17 次 Jev 请求、10 次交互加 1 次显式 WAIT、2 次文本助手调用,搜索在 5.217 秒执行,7.073 秒完成最终校验。

这些数字从哪来?关键在于“少做无用功”:

  • 无截图推理:默认循环不依赖多模态截图,Jev 消费的是结构化状态;
  • 原子化单次读取:一次浏览器调用读完可见控件的名称、值、文本,用 WeakMap 给真实 DOM 节点分配代码自有身份(见 snapshot.js),并做语义级新鲜度检查——比“每次 DOM 突变都重试”节省一个数量级;
  • 执行前兜底:点击/选择前重新解析几何、命中测试、遮挡检查(见 browser.py),动画导致的页面变化不会强推重预测。

演示动画截图

上面是官方 1× 速度的真实录屏:从一句自然语言目标出发,动态生成城市名并持续做操作/目标决策,直到航班结果可见。

值得抄的边界意识

这个项目最可贵的不是性能,而是对“确定性 UI 交互”与“通用智能体”之间边界的清醒认知,写在 README 的 Evidence and limits 一节:DONE 选择仍需独立结果校验(examples/flights.py 的 verify() 会解包 URL 里的 tfs 参数、核对单程/出发地/目的地/日期/可见航班,模型说“完成”不算数);DOM 读取器覆盖常见 HTML/ARIA 控件,但不支持完整可访问名算法、shadow root、iframe、canvas、上传、弹窗、嵌套滚动与任意键盘组件。60 次浏览器动作、120 次决策请求封顶(MAX_STEPS = 60,见 questions.py)。这些限制不是缺陷,而是工程诚实的体现——也正是决策模型能承诺“低幻觉、可审计”的前提。

Flights 搜索结果截图

上图是任务成功后的最终页面快照:苏黎世→伦敦的单程航班选项已可见,且经过独立校验。

混战前夜:Jev、Clef、Intern-Decision 三方格局推演

把情报与源码拼在一起,可以看清三方各自的牌面:

Jev(TypeSafe):范式定义者。以“输出免费、输入 0.042 美元/百万 token”的价格锚点确立了决策模型的商业模型,靠 2170 个项目完成了生态教育,且已有 jev-ultrafast 这种把范式压到工程极致的样板。它的护城河是“决策质量 + 延迟”与开发者心智,弱点在于 API 依赖——正如社区多篇实测文章反复提醒的:密钥、配额、厂商策略都会影响落地确定性。

Intern-Decision(智源系):走“开源模型”路线,以“比 Jev 快 2-3 倍”和多模态决策 SOTA 打差异化。它的存在意味着决策模型可以本地化、可私有部署、可微调——这与社区里“Jev 模型本地部署(Ollama/llama.cpp、GGUF 量化)”的热潮直接对撞。开源把决策能力变成可审计、可自控的资产,这是 API 厂商最难防御的侧翼。

Clef(Cloudflare):带着“边缘基础设施”入场。如果 Clef 只是又一个决策 API,那它只是价格战;如果 Clef 与 Workers、浏览器自动化、网络流量治理绑定,那它改的是决策模型的分发方式——模型不必被“调用”,而是内生于处理每一条请求的边缘逻辑。这会让“决策”从模型功能变成云能力,重构竞争维度。

三方混战的真正赌注,不是谁的排行榜更高,而是三件事:决策延迟能否从“秒级”压到“毫秒级”(游戏 0.7 秒、浏览器 178ms 都只是起点);决策过程能否被审计与验证(jev-ultrafast 的独立校验、严格 JSON 契约、概率分布校验代表了这个方向);决策能力能否下沉到终端与边缘(本地部署 vs. 边缘内嵌 vs. 云端 API)。谁在这三条线上同时站稳,谁就是下一个十年的“AI 操作系统级”入口。

一夜之间,AI 决策模型从一个人的独舞,变成了巨头、开源社区与生态样板的三方混战。而对工程师来说,最好的应对方式不是站队,而是像 jev-ultrafast 一样把“选择题”做对、做快、做可验证——这套源码,就是最好的起手式。

登录后查看全文
jev-ultrafast