Cloudflare will mit Clef KI-Agenten befähigen, ohne Menschen zu entscheiden

Cloudflare veröffentlicht mit Clef und Clef-flash zwei eigene Entscheidungsmodelle für KI-Agenten. Gegen den Vorreiter Jev tritt das Unternehmen vor allem mit Tempo an.

Ein Entscheidungsmodell liefert statt eines langen Texts eine kurze Klassifizierung mit Wahrscheinlichkeiten. Übergibt man Clef etwa eine Kundensupport-Nachricht, bewertet das Modell die Dringlichkeit und nennt das zuständige Team. Der nachgelagerte Code kann anhand der Ergebnisse ein Ticket weiterleiten, eine Eskalation auslösen oder den Fall an einen Menschen übergeben. Laut Cloudflare muss damit "nicht unbedingt" an jedem Entscheidungspunkt ein Mensch sitzen. Agenten könnten selbst Kontext sammeln, entscheiden und handeln.

Solche Modelle besetzen eine Nische zwischen großen Sprachmodellen und klassischen Klassifikatoren. Sprachmodelle können argumentieren und Werkzeuge aufrufen, arbeiten aber unbestimmt und oft langsam. Klassische Klassifikatoren sind schnell, müssen aber für jede neue Kategorie neu trainiert werden. Cloudflare versteht Clef als direkte Antwort auf das Modell Jev von TypeSafe AI und hält die Schnittstelle vollständig kompatibel, damit Kunden leicht wechseln können.

Den Namen leitet Cloudflare aus der Musik ab. Ein Notenschlüssel (englisch Clef) ordnet den Linien eines Notensystems Tonhöhen zu. Ein Entscheidungsmodell legt analog den Rahmen für anschließende Handlungen fest. Die phonetische Ähnlichkeit zum Vorbild "Jev" dürfte ebenfalls kein Zufall sein.

Clef-flash entscheidet in 39 Millisekunden

In 43 getesteten Benchmarks seien Clef und das kleinere Clef-flash schneller als alle relevanten konkurrierenden Entscheidungsmodelle. Bei der mittleren Latenz nennt Cloudflare rund 39 Millisekunden für Clef-flash und rund 209 Millisekunden für Clef. Jev benötige gut 524 Millisekunden. Da die Modelle direkt auf Cloudflares Infrastruktur laufen, profitieren sie zusätzlich von der Nähe zu den Rechenzentren am Netzrand.

Cloudflares Threat-Intelligence-Team testet Clef bereits zur Einordnung von Websites. Eine Domain werde etwa mit 95 Prozent Wahrscheinlichkeit als Mode-Website klassifiziert, zu 85 Prozent als Online-Shop und zu unter einem Prozent als Phishing-Seite. Abrufen, Darstellen und Einordnen dauerten 2,2 Sekunden. Das schnellste allgemeine Sprachmodell des Unternehmens brauchte im selben Ablauf 4,7 Sekunden und lieferte nur zwei Kategorien.

Clef kann laut Cloudflare auch Bilder verarbeiten. Jev ist bislang auf Text beschränkt. Mit einem Kontextfenster von 64.000 Token fasst Clef zudem doppelt so viel Eingabe wie Jev. In den von Cloudflare selbst durchgeführten Benchmarks liegt Clef auf dem Jev Decision Index vorn.

Qwen-Modelle als Grundlage

Clef basiert laut Cloudflare auf Qwen3.8-27B, Clef-flash auf dem kleineren Qwen3.5-9B. Die Basismodelle bleiben beim Training unverändert. Mit eigenen synthetischen Daten trainiert Cloudflare zusätzliche Komponenten, die aus den internen Berechnungen Antwortoptionen und Wahrscheinlichkeiten ableiten.

Dafür nutzt Cloudflare auch eine eigene Variante des Trainingsverfahrens Reinforcement Learning for Calibrated Decisions (RLCD), mit dem TypeSafe sein Modell Jev trainiert hat. RLCD trainiert Modelle darauf, mehrere Fragen zu einer Eingabe in einem einzigen Aufruf zu beantworten. Die angegebenen Wahrscheinlichkeiten sollen widerspiegeln, wie oft die Antworten tatsächlich richtig sind. Zuvor hatte Cloudflare mit DiffusionGemma experimentiert, um aus den internen Berechnungen eines Sprachmodells feste Entscheidungswerte abzuleiten.

Cloudflare trainiert Clef für Kunden nach

Parallel startet Cloudflare einen Reinforcement-Learning-Dienst, mit dem Kunden Clef auf eigene Aufgaben zuschneiden können. Zunächst übernimmt ein Team von Forward Deployed Engineers das Nachtrainieren gemeinsam mit den Kunden, später soll eine Self-Service-Plattform folgen. Dort sollen Kunden ihre Anfragen über AI Gateway als Datensatz mitschneiden, in Containern als RL-Sandbox auswerten und das nachtrainierte Modell über eine neue Trainer-Komponente auf Workers AI bereitstellen. Für den Betrieb eigener Modelle greift Cloudflare auf Technik von Replicate zurück, das es Ende 2025 übernommen hat.

Intern will Cloudflare Clef unter anderem zur Prüfung von Missbrauchsmeldungen, zur Sortierung von Support-Anfragen und zur Unterscheidung zwischen guten und schädlichen Bots nutzen. Dafür stehen laut Unternehmen mehr als 15 Jahre an Netzwerkdaten zur Verfügung.

Beide Modelle laufen auf Cloudflares Plattform Workers AI und stehen auf Hugging Face unter der Apache-2.0-Lizenz zur Verfügung.

Bekannt gemacht hat den Ansatz das Start-up TypeSafe AI des ehemaligen OpenAI-Forschers Diogo Almeida, das Mitte September Jev vorstellte. TypeSafe bewirbt Jev als Modell „ohne Halluzinationen“. Garantiert ist damit lediglich, dass es innerhalb der vorgegebenen Antworten bleibt. Eine falsche Auswahl ist weiterhin möglich. Ende September zog OpenAI mit einer Decisions-API auf Basis von GPT-6 Luna nach, die Kontext ebenfalls als Text oder Bild annimmt.

Cloudflare betreibt primär ein globales Netzwerk für Content Delivery, DNS und Sicherheitsdienste und ist bislang kaum mit eigenen KI-Modellen aufgefallen. Beim Thema KI machte das Unternehmen zuletzt als Kontrollinstanz für Websites Schlagzeilen. Im Juli erlaubte es Seitenbetreibern etwa, KI-Bots gezielt nach Zweck zu blockieren oder zuzulassen.