Clef: Was Cloudflares 27B-Entscheidungsmodell tatsächlich ist

Clef ist ein multimodales Entscheidungsmodell mit 27 Milliarden Parametern, das von Cloudflare veröffentlicht wurde. Man übergibt ihm einen Zustand – einen String, ein JSON-Objekt, ein Bild, einen Videoclip – plus ein Schema mit bis zu 64 typisierten Fragen, und es liefert in einem einzigen Vorwärtsdurchlauf für jede erlaubte Option jeder Frage eine Wahrscheinlichkeit zurück. In der gesamten Pipeline findet nirgends Textgenerierung statt, und es gibt kein Ausgabe-Parsing: Das Modell gibt einen Logit pro erlaubter Option aus, man wendet Softmax pro Frage an, und fertig. Die Gewichte stehen unter Apache-2.0 und liegen im Repository Cloudflare/clef auf Hugging Face; Cloudflare stellt das Modell außerdem über seine eigene Workers-AI-Plattform bereit.

Zwei Daten sind zur Orientierung wichtig, und keines von beiden ist der Grund, warum es diese Seite gibt. Die Gewichte wurden am 30. September 2026 veröffentlicht, und Cloudflares Ankündigungsbeitrag ist auf den 1. Oktober 2026 datiert, was Clef an dem Tag, an dem dies geschrieben wurde, zwölf Tage alt macht – alt genug, dass es keine Neuigkeit ist, und diese Seite behandelt es nicht als Neuigkeit. Sie existiert, weil „clef“ eine Suchanfrage ist, die Leute tatsächlich eingeben, und bis jetzt hat nichts auf diesem Blog sie beantwortet. Der Launch dient dazu, das Modell zu datieren; worauf es ankommt, ist das Referenzmaterial unten.

Die Größenfrage, vom Verlag geklärt

Zwei Parameterzahlen kursieren nebeneinander, und nur eine davon gehört zu diesem Modell.

• Clef hat 27B. Cloudflares eigene Modellseite beschreibt es als „ein multimodales Entscheidungsmodell mit 27B“, und die Modellkarte von Hugging Face sagt in ihrer ersten Zeile dasselbe: „Clef ist ein multimodales 27B-Modell, das einen Zustand und ein Schema typisierter Fragen in Entscheidungen umwandelt.“

• 9B ist ein anderes Modell, nicht eine zweite Größe dieses hier. Der 9B-Checkpoint ist Clef Flash, ein separates Geschwistermodell mit eigenem Repository und eigener Modellseite. Wer nach einem 9B Clef gesucht hat, suchte Clef Flash. Sie sind nicht austauschbar, und die Zahlen lassen sich nicht übertragen.

• Es gibt noch ein drittes Mitglied. Clef Omni, angekündigt am 9. Oktober 2026, ist ein 30B-Mixture-of-Experts-Modell mit 3B aktiven Parametern, das auf einem anderen Backbone aufbaut. Es liest auch Audio. Wenn Sie „30B“ im Zusammenhang mit Clef gesehen haben, handelt es sich um Clef Omni, nicht um Clef.

Die Größe des Modells auf dieser Seite beträgt also 27B, Punkt. Und das Repository liefert es in BF16-Safetensors aus. Das veröffentlichte Dateiset umfasst ungefähr 55 GB verteilt auf fünfundzwanzig Dateien – das ist die Zahl, die zählt, wenn Sie es selbst hosten möchten, statt es aufzurufen.

Wie Clef zu Clef Flash steht

Cloudflare hat Clef als Familie veröffentlicht, und die Familienstruktur ist der nützliche Teil, nicht nur eine Randnotiz. Clef und Clef Flash folgen demselben Rezept: ein Qwen3.8-27B-Backbone für das größere Modell und ein Qwen3.5-9B-Backbone für das kleinere Modell einfrieren, den Vision-Encoder beibehalten und obendrauf einen kleinen gemeinsamen Schema-Head plus Low-Rank-Adapter trainieren. Gleicher Ausgabe-Kontrakt, unterschiedliche Kapazität und ein sehr unterschiedliches Latenzprofil.

Dieser gemeinsame Vertrag ist der Grund, warum es sich lohnt, beide Modelle gemeinsam zu verstehen: Ein für das eine geschriebenes Schema ist ein Schema für das andere, und der Wechsel, welches Modell antwortet, ist lediglich eine Modellkennung statt einer Umschreibung. Der Kompromiss ist Geschwindigkeit gegen Leistungsfähigkeit, und Cloudflares eigener Beitrag vom 9. Oktober verschärfte diesen Kompromiss, indem er den gehosteten Preis von Clef Flash auf $0,038 pro Million Eingabe-Tokens senkte, während Clef bei $0,24 pro Million Eingabe-Tokens blieb. Beachten Sie, was dieser Beitrag außerdem bewirkte: Er reduzierte das gehostete Kontextfenster von Clef Flash von den zuvor beworbenen 64.000 auf 24.000 Tokens, während Clef selbst bei 64.000 blieb.

Architektur: ein eingefrorenes Backbone plus ein Scoring-Head

Clef ist kein Sprachmodell, das einen Klassifikator-Hut trägt. Es lohnt sich, das Design präzise zu beschreiben, denn es erklärt nahezu jede andere Eigenschaft des Modells.

• Backbone — Qwen3.8-27B einschließlich seines Vision-Encoders, übernommen und eingefroren, als gewöhnliche geshardete Safetensors gespeichert.

• Gemeinsamer Schema-Head — ein kleiner Transformer-Head, der die letzten Hidden States des Backbones liest, Evidenz aus dem Zustand zu jeder Frage weiterleitet und alle Optionen aller Fragen gemeinsam bewertet statt jeweils eine Frage einzeln.

• Training — Low-Rank-Adapter mit Rang 256, label-geglättete Kreuzentropie plus ein Brier-Verlust zur Kalibrierung sowie Cloudflares Schleife „Reinforcement Learning for Calibrated Decisions“.

• Ausgabe — ein Logit pro zulässiger Option, pro Frage. Softmax pro Frage ergibt Wahrscheinlichkeiten. Nichts anderes kommt heraus.

Die gemeinsame Bewertung ist der Teil, der Clef von einem Stapel unabhängiger Klassifikatoren unterscheidet. Da alle Fragen in einem Durchgang gegen denselben verborgenen Zustand bewertet werden, können sich die Fragen gegenseitig informieren, und das Ganze ist nicht-autoregressiv – es gibt keine Decode-Schleife, und genau daraus ergeben sich die Latenzwerte. Cloudflare beschreibt die Inferenz als einen Prefill-only-Pass.

Kontext, Grenzen und was hereinkommt

Hinsichtlich Kontext und Modalität ist das Material des Anbieters konkret, und wo es schweigt, lohnt es sich, dieses Schweigen festzuhalten, statt es zu übertünchen.

• Kontextfenster — 65.536 Token am gehosteten Workers AI-Endpunkt von Cloudflare, laut der Modellseite. Das ist die Zahl, die der Launch-Beitrag von Cloudflare dem 32.000-Token-Fenster gegenüberstellt, das er TypeSafe's Jev zuschreibt.

• Selbst gehosteter Kontext — Cloudflares Beitrag vom 9. Oktober besagt, dass die Gewichte von Hugging Face darauf trainiert wurden, ein Fenster von 256.000 Token zu unterstützen, wenn Sie sie selbst ausführen. Der mitgelieferte Encoder in diesem Repository verwendet standardmäßig max_length=16,384, was ein Standardwert und keine Obergrenze ist, aber genau das, was Sie erhalten, wenn Sie den Loader so verwenden, wie er ausgeliefert wird.

• Maximale Ausgabe — nicht veröffentlicht. Es gibt kein Token-Budget zu veröffentlichen: Das Modell gibt pro Frage einen festen Wahrscheinlichkeitsvektor zurück, sodass die natürliche Obergrenze das Schema ist (1 bis 64 Fragen mit jeweils 2 bis 26 Optionen) und nicht eine Länge in Tokens.

• Eingabemodalitäten — Text, JSON, Bilder und Video. Die Workers-AI-Seite gibt Vision als unterstützt an und akzeptiert PNG-, JPEG- oder WebP-Bilder, bis zu vier pro Anfrage. Clef Omni fügt zusätzlich Audio hinzu; Clef selbst nicht.

• Ausgabemodalität — Wahrscheinlichkeiten. Clef kann keine Antwort verfassen, einen Thread zusammenfassen oder einen Satz erzeugen und wird keine Kategorie erfinden, die Sie nicht deklariert haben.

• Lizenz — Apache-2.0, entsprechend dem Qwen3.8-27B-Basis-Checkpoint. Die Modellseite von Cloudflare verlinkt auf die Lizenzdatei, statt sie im Seitentext zu nennen; die Lizenzdatei selbst ist Apache-2.0.

Ein Implementierungsdetail ist als Falle dokumentiert, und es lohnt sich, es zu wiederholen: Das Feld confidence gibt an, wie stark die Wahrscheinlichkeiten konzentriert sind, nicht die Wahrscheinlichkeit, dass die Antwort richtig ist. Ein gut kalibriertes Modell kann eine korrekte Antwort mit niedriger Confidence und eine falsche mit hoher Confidence liefern.

Was Cloudflare behauptet, und was tatsächlich gemessen wurde

Dies ist der Abschnitt, der sorgfältig gelesen werden sollte, denn der Abstand zwischen den beiden Hälften der Überschrift ist groß.

Sämtliche Leistungsangaben zu Clef stammen von Cloudflare. Die Modellkarte veröffentlicht eine Tabelle mit mehr als vierzig Zeilen aus dem, was sie als „unseren internen Durchlauf der Decision Index 0.2.1 Suite“ bezeichnet, und diese Rangliste wird von Cloudflare gehostet. Die darunter aufgeführten Workflow-Evaluierungen stammen aus TypeSafes öffentlichem Evaluierungsset, doch der Durchlauf ist weiterhin Cloudflares. Stand heute finde ich keine unabhängige Reproduktion durch Dritte für eine der beiden Tabellen – kein externes Labor, keine neutrale Rangliste, keine veröffentlichte Replikation. Betrachten Sie die Zahlen als Best-Case des Anbieters, nicht als Messwerte.

Das Muster in diesen Zahlen ist aussagekräftiger als jede einzelne Zelle. Clefs stärkste Ergebnisse finden sich bei Aufgaben mit Klassifikationscharakter: Im Cloudflare-Durchlauf meldet es 94,2 Macro-F1 bei BANKING77-Intent gegenüber 79,7 für Jev und 97,4 Macro-F1 bei CLINC150 mit Out-of-Scope-Behandlung gegenüber 89,3. Die Out-of-Scope-Zahl ist die operativ interessante, denn das Ablehnen einer Klassifizierung ist die schwierige Hälfte des Routings. Es meldet außerdem 98,5 Case-Exact bei BFCL und 86,7 bei CRUXEval.

Die Verluste weisen konsequent in dieselbe Richtung. In derselben Tabelle meldet Clef GPQA Diamond mit 48,0 gegenüber Jevs 78,3, MMLU-Pro mit 65,9 gegenüber 82,7 und BBH mit 73,7 gegenüber 92,9. Das sind die drei größten Lücken in der Tabelle, und sie beschreiben alle dieselbe Schwäche: Schlussfolgern außerhalb der Muster, auf die das Modell trainiert wurde. Bei den vier End-to-End-Workflow-Bewertungen liegen die beiden Modelle nah genug beieinander, dass die Reihenfolge kein Befund ist.

Latenz ist die eine Stelle, an der der Vorteil strukturell und nicht marginal ist und die daher am ehesten den Kontakt mit der Produktion übersteht. Cloudflare meldet für Clef einen Median von 209,3 ms und einen p95 von 238,6 ms gegenüber 524,1 ms und 536,0 ms für Jev. Diese Reihenfolge ergibt sich aus dem nicht-autoregressiven Design und nicht aus den Eigenheiten eines Benchmarks – doch die absoluten Millisekunden wurden auf Cloudflares eigener Hardware gemessen und sagen für sich genommen wenig aus.

Erwähnenswert für alle, die bereits eine Clef-Benchmark-Tabelle in diesem Blog gelesen haben: Die Serving-Zahlen haben sich am 9. Oktober geändert. Cloudflare hat Clef für das Serving auf SGLang umgestellt und die Arbeit upstream beigesteuert, wobei mediane Beschleunigungen von 1,7× bei etwa 800 Eingabe-Tokens und 2,0× bei etwa 3.400 Tokens gemeldet wurden. Das sind Änderungen auf der Serving-Ebene, keine neuen Gewichte, und das Modell selbst ist unverändert. Wenn Sie einen Latenz-Wert von vor dem 9. Oktober zitieren, ist er veraltet.

Clef anrufen und die Beziehung zu Cloudflare richtig aufstellen

Es gibt zwei Möglichkeiten, es auszuführen, und keine davon ist mysteriös.

Der erste ist Cloudflares eigener Endpunkt. Clef wird von Workers AI bereitgestellt, Cloudflares eigener Inferenzplattform, zu 0,24 $ pro Million Input-Tokens, ohne Berechnung für Output-Tokens – was daraus folgt, dass es keine Output-Tokens gibt. Medien-Inputs werden in Tokens umgewandelt und zum selben Input-Tarif abgerechnet. Dies ist der Herausgeber, der sein eigenes Modell hostet, und das ist die gesamte Beziehung: Die Suchanfragen, die den Namen dieses Modells mit Cloudflare zusammenbringen, verweisen nicht auf einen Drittanbieter-Host, der es zufällig hinzugefügt hat. Cloudflare hat es gebaut.

Das zweite ist Ihre eigene Hardware. Die Gewichte liegen auf Hugging Face unter Apache-2.0, sodass Self-Hosting ohne ein kommerzielles Gespräch erlaubt ist. Cloudflares eigene Tests verwendeten torch 2.11 und transformers 5.10.2 auf einer einzelnen H200, wobei pillow für Bild- und Videoeingabe benötigt wird. Wenn Sie gelesen haben, dass Clef auch auf SGLang läuft, ist das seit der Serving-Änderung vom 9. Oktober korrekt; die Upstream-Arbeit soll in SGLang 0.5.22 veröffentlicht werden.

Die Form der API ist bewusst nicht neuartig. Clefs Request- und Response-Bodies sind mit dem SystemOne-Format von TypeSafe kompatibel, sodass eine Pipeline, die bereits auf ein Entscheidungsmodell dieser Form ausgerichtet ist, auf Clef zeigen kann, indem man eine URL und einen Model-String ändert. Das ist ein echtes Wechselkosten-Argument, und es wirkt in beide Richtungen, was die ehrliche Lesart ist: Weil die Schnittstelle dieselbe ist, ist die Einführung von Clef günstig, und sie wieder aufzugeben ist ebenso günstig. Die sinnvolle Haltung für ein Team, das bereits einen Entscheidungs-Endpunkt in Produktion hat, ist, beide gegen den eigenen Traffic laufen zu lassen, statt zu migrieren. Wenn Sie über OrcaRouter routen, ist Jev 1.13 von TypeSafe ein gelistetes Modell in unserem Katalog, sodass ein A/B zwischen dem bisherigen Anbieter und was auch immer Sie selbst hosten, hinter einem Schlüssel statt zwei Verträgen liegt — über 200 Modelle, Anbieter-Listenpreis ohne Aufschlag pro Token weitergegeben, und Failover für Sie übernommen.

Eines wird Ihnen diese Seite nicht verraten: ob Clef über uns verfügbar ist. Cloudflare veröffentlicht es auf Workers AI und auf Hugging Face, und ich habe keinen Weg über unsere eigene Modellliste verifiziert, also lässt sich nichts behaupten.

Was ist noch ungelöst?

Das mit Abstand Nützlichste, was Clef passieren könnte, ist eine externe Replikation des Decision Index. Die Suite ist öffentlich, und Cloudflare beschreibt die Evals als reproduzierbar, weshalb ein Lauf durch Dritte den Unterschied zwischen einer Anbietertabelle und einer Tatsache ausmacht. Solange es das nicht gibt, lautet die ehrliche Zusammenfassung von Clefs veröffentlichtem Profil, dass es sich um einen sehr starken eingeschränkten Klassifikator mit einem schnellen, nicht-autoregressiven Design handelt und um einen deutlich schwächeren allgemeinen Reasoner als das Modell, an dem es gemessen wurde.

Drei konkrete Dinge würden diese Deutung ändern. Eine neutrale Reproduktion der Out-of-Scope-Zahlen von BANKING77 und CLINC150, denn ein Dreißig-Punkte-Vorsprung gegenüber dem etablierten Anbieter ist entweder die ganze Geschichte oder ein Artefakt. Ein p95-Wert unter echter Nebenläufigkeit, denn ein auf einer einzigen H200 gemessener Median von 209 ms sagt nichts über einen Hot Path unter Last aus. Und ein feinabgestimmtes Clef, das das Basismodell bei einer Aufgabe übertrifft, für die das Basismodell nie trainiert wurde, was Cloudflares RL-Feinabstimmungsplattform hervorbringen soll, aber noch nicht mit einem Kundenergebnis nachgewiesen hat.

Bis dahin kann sich ein Leser auf die Gestalt der Sache verlassen: 27B Parameter, ein eingefrorenes Qwen3.8-27B-Backbone mit seinem Vision-Encoder, ein gemeinsamer Schema-Head, 65.536 Token gehosteter Kontext, Text und JSON sowie Bilder und Video als Eingabe, Wahrscheinlichkeiten als Ausgabe, Apache-2.0. Das reicht aus, um zu entscheiden, ob die Architektur zu Ihrem Problem passt. Die Frage, die sie noch nicht beantworten kann, ist, ob das eigene Scoreboard des Anbieters in Bezug auf das Modell recht hat, und niemand außerhalb von Cloudflare hat das überprüft.