Clef：面向结构化决策的27B多模态概率输出模型

Hugging Face 上出现热度模型 Clef，作者未知，任务为 image-text-to-text，点赞 2204、下载 20723、热度分 153。该模型基于 Qwen/Qwen3.8-27B 及视觉编码器后训练，约 27B 参数，将状态与带类型问题的 schema 作为输入，状态可为文本、JSON、图像或视频，单次前向为每个问题的每个允许选项输出一个 logit，按问题做 softmax 得到概率，不生成自由文本，也无需解析输出。

常见多模态模型输出自由文本，再依赖解析或后处理提取结果；Clef 改为直接对预先定义的问题与选项给出概率，把输出空间限制在 schema 内。这使模型输出更易被程序直接消费，也把评估对象从文本质量转为决策概率与选项排序。

Clef 以 Qwen/Qwen3.8-27B 为骨干并保留视觉编码器，新增联合 schema 头，读取骨干最终隐藏状态，将状态中的证据路由到每个问题，并联合打分所有问题的所有选项。按问题分别做 softmax 即得概率，因此无需自由生成和输出解析。模型提供独立头权重与加载脚本，声明兼容 Jev 与 SystemOne，采用 Apache-2.0。

对产品与研发而言，接入方式从调用生成接口再写解析规则，转为先定义问题 schema、再读取结构化概率，可减少后处理与格式校验代码。对需要多选项判断、可审计阈值的流程更直接。但 schema 设计、选项枚举和概率阈值校准成为新的工作项。

• 在客服或内容审核流程中，先定义有限问题与选项，用 Clef 输出各选项概率替代自由文本分类结果。
• 基于 clef-evals 决策榜单搭建内部评测集，比较不同 schema 设计与阈值对决策准确率的影响。
• 验证 Clef API 与 Jev、SystemOne 的兼容性，评估能否复用现有推理服务与调用封装。

• Clef 的作者与发布机构未在证据中说明。
• Jev 与 SystemOne 的具体功能及兼容范围未被证实。
• 27B 模型的实际推理成本、延迟与部署硬件要求未见数据。
• Clef-Flash 的规模、性能差异及可用性尚无证据。