決定型 AI 是什麼？OpenAI、Cloudflare 同週推出只做判斷的 AI｜AIRUN
決定型 AI 是什麼？OpenAI、Cloudflare 同週推出「只做判斷的 AI」
決定型 AI 是專門回答「是或否、選哪一個、打幾分」的 AI 模型。它不寫文章，直接回傳固定格式的答案和機率，讓程式自己決定下一步。2026 年 10 月，Cloudflare 與 OpenAI 在一週內先後推出這類產品，這個類別正式成形。
發稿日期：2026-10-09。本文的規格、價格與評測數字都取自 OpenAI 與 Cloudflare 的官方文件和部落格，均為廠商自己公布，發稿後可能調整，請以原始頁面為準。
決定型 AI 是什麼？
決定型 AI 是我們對英文「decision model」的中文說法，本站先前的文章稱為「決策模型」，兩者指的是同一件事。你給它一段內容和一組事先定好的問題，它回傳有型別的答案，例如一個機率、一個選項或一個分數，程式可以直接拿去用。
Cloudflare 在 2026 年 10 月 1 日的發表文裡這樣定義：決策模型做分類，依機率幫 AI 代理決定怎麼行動。例如丟進一則客服訊息，問它急不急、該交給哪個團隊，它會回傳附機率的答案，程式據此分派工單、升級處理，或交給真人（Cloudflare）。
同一篇文章也點出它跟大型語言模型的差別：大型語言模型的輸出大多不固定，但夠開放，能推理、寫文字、呼叫工具；決策模型的輸出有邊界、便宜、快速而且一致，適合嵌在流程裡需要做決定的那一步。
這個類別最早由 TypeSafe AI 的 Jev 帶起話題，Jev 是什麼、Red Hat 怎麼評測它，本站已經寫過：Jev 決策模型是什麼？、browser-use 靠 Jev 查航班、Red Hat 拿 9 組護欄對照 Jev。這篇把焦點放在兩家大廠剛推出的產品，以及 Cloudflare 自己怎麼用。
決定型 AI 能回答哪三種問題？
OpenAI 的 Decisions API 文件把題型分得最清楚，只有三種：是非、單選、分級。看懂這三種，就知道公司裡哪些判斷可以交給它（OpenAI 文件）。
| 題型 | 用來做什麼 | 回傳什麼 | 文件裡的例子 |
|---|---|---|---|
| 是非（predicate） | 檢查一個條件成不成立 | 0 到 1 的機率 | 這張商品照片有沒有凹痕？ |
| 單選（choice） | 從固定選項挑一個 | 選中的選項＋各選項機率＋信心值 | 「我被重複扣款」該交給哪個部門？ |
| 分級（score） | 依有順序的等級打分 | 依機率加權的分數＋各級機率＋信心值 | 問題嚴重程度：外觀、可繞過、完全卡住 |
分級題的分數會落在等級之間。文件的例子是三個等級的機率分別為 0.1、0.7、0.2，算出來的分數是 1.1，代表「大致是可繞過，略偏嚴重」。
文件還給了兩條實用建議。第一，選項涵蓋���了所有情況時，要放一個「其他」，讓程式把這類案件丟進一般人工審查。第二，門檻要用自家已標好答案的例子來定，依「誤判成有問題」和「漏掉真問題」各自的代價，決定信心多高才自動處理。
OpenAI 和 Cloudflare 各推出了什麼？
Cloudflare 在 10 月 1 日推出開源的 Clef 與 Clef-flash，OpenAI 在 10 月 6 日推出 Decisions API 測試版。前者可以下載自己架，後者是付費雲端服務、目前只有一個模型。
| 比較項 | Cloudflare Clef／Clef-flash | OpenAI Decisions API |
|---|---|---|
| 推出日期 | 2026-10-01 | 2026-10-06（公開測試版，官方預計幾週內正式推出） |
| 能不能下載 | 可以，Hugging Face 開源，Apache 2.0 授權 | 不行，只能呼叫 API |
| 模型 | Clef（底層 Qwen3.8-27B）、Clef-flash（底層 Qwen3.5-9B） | 目前只有 gpt-6-luna |
| 能看圖嗎 | 可以，內建影像編碼器 | 可以，文字、圖片或兩者一起 |
| 可讀內容長度 | 64k，官方說是 Jev 的兩倍 | 本文參考的文件未列出 |
| 速度 | 中位數延遲：Clef 209.3 毫秒、Clef-flash 38.8 毫秒（Jev 524.1 毫秒） | 官方說比 Responses API 快約 10 倍 |
| 價格 | 發表文未列出 | 輸入每百萬 token 0.10 美元，輸出不收費 |
| 資料 | 官方保證不讀取、不儲存、不拿請求訓練（使用微調服務除外） | 符合資格的客戶可用零保存與 HIPAA；資料落地限美國與歐洲 |
資料來源：Cloudflare Clef 發表文、OpenAI Decisions API 文件、OpenAI 開發者更新紀錄。
幾個值得注意的細節：
- Clef 跟 Jev 的 API 完全相容。 Cloudflare 說原本接 Jev 的程式可以很容易換過去。Cloudflare 另外推出強化學習微調服務，先由他們的工程師陪客戶做，之後再開放自助。
- OpenAI 只收輸入費。 token 是模型計算字數與費用的單位。依文件價格，每百萬輸入 token 0.10 美元，沒有輸出、快取讀寫費用；另有區域處理加價與長內容加價。以我們自己的估算，一萬次判斷、每次約 800 token，合計 800 萬 token，大約 0.8 美元，未含加價。
- 「快 10 倍」是 OpenAI 自己的比較。 比較對象是自家的 Responses API，文件沒有列出具體延遲毫秒數。
廠商公布的評測數字可以全信嗎？
不能全信，但可以當作參考起點。Clef 的成績是 Cloudflare 自己跑的，用的評比之一還是 Jev 定的「Jev Decision Index」；而且在幾個項目上，Jev 的分數其實比 Clef 高。
Cloudflare 公布，在自己跑的 43 項評測中，Clef-flash 的中位數延遲是 38.8 毫秒，Clef 是 209.3 毫秒，Jev 是 524.1 毫秒。延遲指的是一次請求從送出到拿到答案的時間。
挑幾項 Cloudflare 公布的分數來看（Cloudflare）：
| 評測項目 | Clef | Clef-flash | Jev |
|---|---|---|---|
| BFCL（工具呼叫，完全正確） | 98.47 | 98.76 | 95.75 |
| BANKING77（銀行客服意圖分類，macro-F1） | 94.20 | 90.93 | 79.74 |
| CLINC150+OOS（意圖分類含範圍外問題，macro-F1） | 97.43 | 66.77 | 89.27 |
| When2Call（判斷該不該呼叫工具） | 72.37 | 65.58 | 80.97 |
| BRIGHT（檢索，nDCG@10） | 45.91 | 39.26 | 47.52 |
在 TypeSafe 自己的四項流程評測裡，Clef 贏了三項，「AI 代理執行紀錄觀察」一項由 Jev 領先（71.6 對 68.5）。另外，同一張表裡偵測釣魚內容（PhishNChips）的最高分是 DiffusionGemma 版的 Jev 式模型（85.35），Clef 是 79.60。
我們的看法跟上週寫 Red Hat 評測 時一樣：評測數字只告訴你「值得試」，決定要不要換，要用自家資料測過。Clef-flash 在某些項目比大的 Clef 還高，在 CLINC150+OOS 又掉到 66.77，顯示不同題目差異很大，別人的分數不能直接套到你的工作上。
Cloudflare 自己怎麼用決定型 AI？
Cloudflare 在 10 月 7 日公開自家資安值班系統的做法，決定型 AI 只負責其中兩步：先篩掉大量假警報，再從程式事先縮小的分類清單裡挑答案。最後的判斷與處置，仍由真人分析師負責（Cloudflare）。
他們一開始讓一個通用 AI 代理包辦整個調查，結果它寫出證據撐不住的說法。Cloudflare 歸納出三個反覆出現的問題：
- 線索被當成證據。 一則警報只是假設，不代表攻擊真的發生，通用 AI 代理容易把兩者混為一談。
- 範圍會跑掉。 AI 代理可能查錯帳號、查錯時間區間。提示詞擋不住邊界，邊界要靠程式卡死。
- 失敗會消失。 查詢逾時的結果，可能分不出是「沒查」還是「查了沒找到」。
- 程式先蒐證
- Clef 初篩
- 四個專家 AI 代理平行分析
- Clef 從程式縮小的清單裡挑
- AI 寫建議報告
- 真人分析師決定
由真人分析師決定要不要採納、怎麼處置
改版後的流程是：程式先蒐證，固定跑一組查詢，把客戶身分、過往紀錄、流量基準等資料標好來源、版本、時間；接著由 Clef 初篩，被判定高機率是假警報的就不往下送；需要深查的，交給四個專家 AI 代理平行分析，各自只看自己的領域；然後由 Clef 從程式縮小的清單裡挑出攻擊分類與處置建議；最後 AI 寫建議報告，由真人分析師決定要不要採納、怎麼處置。
最值得學的是三種狀態的區分。Cloudflare 的報告會分開標示「沒查」「查了沒找到」「查了且有證據證明沒有」。證據不足時，系統不給分類，也不給處置建議。
這套做法把決定型 AI 放在「快速、大量、有固定選項」的位置，蒐證和劃定範圍交給程式，最後拍板交給人。
中小企業可以先把決定型 AI 用在哪裡？
先用在量大、選項固定、判錯可以挽回的判斷上，例如客服分類、詢問分流、內容是否要人工複查。動到錢、合約、對外承諾的決定，先不要交給它。
適合先交給決定型 AI
- 判斷型態
- 量大、選項固定
- 判錯的後果
- 可以挽回，例如分錯部門再轉
- 例子
- 客服分類、詢問分流、是否需要人工複查
- 它的角色
- 提出建議、標記可疑
先不要交給它
- 判斷型態
- 每件都要臨場權衡
- 判錯的後果
- 不可逆，例如退款、報價、簽約
- 例子
- 核准付款、對客戶承諾、法律判斷
- 它的角色
- 最後拍板
先交給決定型 AI 的，是量大、選項固定、判錯可以挽回的判斷
我們的結論：先交給決定型 AI 的，是量大、選項固定、判錯可以挽回的判斷。這跟 AIRUN 自己的分工原則一致，AI 能做的交給 AI，錢、承諾、合約留在人手上。
想試的話，可以照這四步：
- 挑一個量最大的判斷。 例如每天上百則的客服訊息該給哪個窗口。選項要寫清楚，再加一個「其他」。
- 先準備標好答案的例子。 從過去的真實紀錄挑一批，由熟悉業務的人標上正確答案。這批資料用來比較不同模型，也用來定門檻。
- 先旁觀、不接手。 讓模型跟著現有流程一起判斷，但結果只記錄、不生效，跑一段時間再對照準不準。
- 依判錯代價定門檻。 信心高的自動處理，信心低或落在「其他」的交給人。
把客戶資料送到外部服務前，先確認資料會去哪裡、會不會被保存。依官方說明，OpenAI 的零保存要符合資格才能申請，資料落地只有美國與歐洲兩區；Clef 則可以下載自己架，但要自己準備能跑 27B／9B 等級模型的運算資源。
如果你對「生成式 AI 和 AI 代理差在哪」還不熟，可以先看這篇老闆版的說明。
結論：決定型 AI 值得現在就導入嗎？
值得先小規模試，還不用急著全面換。OpenAI 與 Cloudflare 同週推出，代表「把判斷從大模型拆出來」已經是大廠認可的方向；但評測數字都是廠商自己公布的，Decisions API 也還在測試版。先挑一個量大、可挽回的判斷，用自家標好答案的資料旁觀比較，數字站得住再讓它接手。
常見問題
決定型 AI 是什麼？
決定型 AI 是專門回答「是或否、選哪一個、打幾分」的 AI 模型，英文稱為 decision model，本站舊文也稱「決策模型」。它不生成文章，直接回傳固定格式的答案、各選項機率與信心值，程式可以直接拿去分派、升級或交給真人。
決定型 AI 跟 ChatGPT 這類生成式 AI 差在哪？
生成式 AI 逐字寫出回答，能推理、寫作、呼叫工具，但每次輸出不一定一樣。決定型 AI 只從事先定好的選項或等級中作答，輸出有邊界、速度快、成本低，適合嵌在流程裡做分類、分流、打分這類小判斷。
OpenAI Decisions API 怎麼收費？
依 OpenAI 文件，Decisions API 使用 gpt-6-luna，輸入每百萬 token 0.10 美元，沒有輸出與快取讀寫費用，另有區域處理與長內容加價。2026 年 10 月 6 日推出公開測試版，官方表示預計幾週內正式推出。
Cloudflare Clef 可以免費下載嗎？
可以。Cloudflare 在 2026 年 10 月 1 日把 Clef 與 Clef-flash 以 Apache 2.0 授權放上 Hugging Face，也能在 Cloudflare Workers AI 上直接呼叫。官方說它與 Jev 的 API 完全相容，可讀內容長度 64k、能看圖片；自己架設要準備能跑這個等級模型的運算資源。
中小企業導入決定型 AI 要注意什麼？
先選量大、選項固定、判錯可以挽回的判斷，例如客服分類；選項要加「其他」。用自家標好答案的資料先旁觀比較，再依判錯代價設定信心門檻。付款、報價、合約與對外承諾，仍由人拍板。