innFactory AI Consulting aus Rosenheim nimmt Clef auf, weil Cloudflare damit die Kategorie der System-One-Modelle, die wir im Beitrag Jev von TypeSafe: Das KI-Modell, das keinen Text schreibt erklärt haben, um ein offenes, multimodales und gehostetes Angebot erweitert. Grundlage dieser Seite sind die Ankündigungsbeiträge im Cloudflare-Blog zu Clef und zu Clef-omni, die Workers-AI-Changelogs vom 1. Oktober und 9. Oktober 2026, die Modellseiten für Clef, Clef-omni und Clef-flash, die Workers-AI-Preisliste sowie die Modellkarten auf Hugging Face. Stand dieser Übersicht: Oktober 2026.
Was ist Clef?
Am 1. Oktober 2026 hat Cloudflare mit Clef und Clef-flash die ersten Modelle veröffentlicht, die das Unternehmen selbst trainiert hat; am 9. Oktober 2026 folgte Clef-omni. Alle drei sind Entscheidungsmodelle: Sie nehmen einen Zustand entgegen (einen Support-Fall, eine Webseite, einen Agenten-Trace, ein Bild, eine Sprachaufnahme) sowie eine Liste typisierter Fragen und geben für jede Frage Wahrscheinlichkeiten über vordefinierte Antworten zurück. Text erzeugen sie nicht. Die Fragetypen sind dieselben wie bei Jev: noul (Ja/Nein als Wahrscheinlichkeit), choice (eine Option aus einer Liste mit Wahrscheinlichkeit je Option) und score (Stufe auf einer Rubrik). Cloudflare bezeichnet die Modelle als vollständig kompatibel zur Jev-API.
| Clef | Clef-omni | Clef-flash | |
|---|---|---|---|
| Workers-AI-ID | @cf/cloudflare/clef | @cf/cloudflare/clef-omni | @cf/cloudflare/clef-flash |
| Basis | Qwen3.8-27B (eingefroren) mit Vision-Encoder | Qwen3-Omni-30B-A3B-Instruct mit Vision- und Audio-Encoder | Qwen3.5-9B (eingefroren) mit Vision-Encoder |
| Parameter | 27 Milliarden | 30 Milliarden, davon 3 Milliarden aktiv (MoE) | 9 Milliarden |
| Eingaben | Text, JSON, Bilder, Video | Text, JSON, Bilder, Audio, Video mit Ton | Text, JSON, Bilder, Video |
| Kontext (Workers AI) | 65.536 Token | 64.000 Token | 24.576 Token |
| Preis (Workers AI) | 0,24 USD pro 1M Input-Token | 0,15 USD pro 1M Input-Token | 0,038 USD pro 1M Input-Token |
| Mittlere Latenz (Cloudflare, H200) | 209,3 ms | nicht in der Vergleichstabelle | 38,8 ms |
| Lizenz | Apache 2.0 | Apache 2.0 | Apache 2.0 |
Technisch sitzt auf dem Qwen-Backbone ein gemeinsamer Schema-Kopf, ein kleiner Transformer, der die Evidenz aus dem Zustand den Fragen zuordnet und pro Option genau ein Logit ausgibt. Trainiert wurde laut Blog mit label-geglätteter Kreuzentropie, einem Brier-Loss für die Kalibrierung und Reinforcement Learning for Calibrated Decisions (RLCD) als Zweitziel. Der Backbone bleibt dabei eingefroren, angepasst werden Low-Rank-Adapter (LoRA); Clef-omni wurde laut Cloudflare mit denselben Verfahren trainiert.
Clef-omni: Audio und Video mit Ton
Clef-omni liest alle Modalitäten in einer Anfrage: Text, JSON, Bilder, Audio (WAV oder MP3) und Video (MP4 oder WebM). Bei Videos wertet das Modell die Tonspur zusammen mit den Frames aus, sodass eine Entscheidung auf dem beruhen kann, was zu sehen und zu hören ist. Bisher brauchte so ein Fall eine Kette aus Transkription, Spurtrennung und Text-Entscheidungsmodell. Auf Workers AI nimmt Clef-omni bis zu 4 Audioclips (je 8 MiB und 300 Sekunden) und 2 Videos (je 16 MiB und 60 Sekunden) an; Audio und Video zusammen dürfen dekodiert 16 MiB nicht überschreiten. Abgerechnet wird über Input-Token: Audio rund 780 Token pro Minute, Video bis rund 15.400 Token pro Minute bei maximaler Auflösung plus rund 780 Token pro Minute für den Ton. Für die Latenz nennt Cloudflare im Blog und im Changelog unterschiedliche Werte; vor dem Einsatz in latenzkritischen Pfaden lohnt eine eigene Messung.
Eingaben und Limits auf Workers AI
- Zustand: Text, JSON-Objekte oder -Arrays, bis zu 4 Bilder (PNG, JPEG, WebP, je maximal 4 MiB und 16 Megapixel) sowie Video; bei Clef-omni zusätzlich Audio. Anfragekörper bei Clef und Clef-flash maximal 13 MiB, dekodierte Bilddaten maximal 8 MiB.
- Kontext: Clef 65.536 Token, Clef-omni 64.000 Token, Clef-flash 24.576 Token. Bilder kosten je nach Auflösung 64 bis 1.024 Input-Token; Medien-Token zählen zum Kontext, ein zu langer Text-Zustand wird gekürzt.
- Fragen: 1 bis 64 je Anfrage, Fragen-IDs bis 100 Zeichen.
- Antwort: Modellkennung,
answersmit denselben Schlüsseln wie die Fragen undusage. - Aufruf: Workers-Binding
env.AI.run(), REST-Endpunkt/ai/runoder über das Cloudflare AI Gateway; Beispiele für TypeScript, Python und cURL in der Doku. - Abrechnung: Workers AI rechnet in Neurons ab (Clef 21.818, Clef-omni 13.636, Clef-flash 3.455 Neurons je 1 Million Input-Token); 10.000 Neurons pro Tag sind kostenlos, darüber 0,011 USD je 1.000 Neurons im Workers-Paid-Plan. Output-Token berechnet Cloudflare für Clef-Modelle nicht.
Am 9. Oktober 2026 hat Cloudflare den Preis von Clef-flash von 0,09 auf 0,038 USD pro 1 Million Input-Token gesenkt und den gehosteten Kontext dafür von 64K auf 24K Token verringert; laut Cloudflare überschreiten 0,24 % der Anfragen diese Grenze. Wer längere Zustände prüft, nutzt Clef. Zugleich hat Cloudflare die gehostete Bereitstellung von Clef auf SGLang umgestellt.
Benchmarks: Cloudflares Angaben
Cloudflare veröffentlicht im Blog eine Tabelle gegen Jev; laut Changelog führt ein Clef-Modell bei 7 von 10 Entscheidungs-Benchmarks. Es sind Herstellerangaben; die Werte für GPQA Diamond und MMLU-Pro stammen aus den Modellkarten.
| Benchmark | Clef | Clef-omni | Clef-flash | Jev (laut Cloudflare) |
|---|---|---|---|---|
| BFCL, case exact | 98,47 | 98,2 | 98,76 | 95,75 |
| ToolRet, nDCG@10 | 69,19 | 66,6 | 66,43 | 65,28 |
| API-Bank, Genauigkeit | 91,93 | 92,7 | 93,11 | 88,19 |
| BANKING77, Macro-F1 | 94,20 | 94,8 | 90,93 | 79,74 |
| CLINC150+OOS, Macro-F1 | 97,43 | 97,7 | 66,77 | 89,27 |
| GPQA Diamond (Wissen) | 48,0 | 47,4 | 51,0 | 78,3 |
| MMLU-Pro (Wissen) | 65,9 | 70,6 | 65,3 | 82,7 |
Zwei Dinge fallen auf. Erstens liegt Jev bei den Wissens-Benchmarks klar vorn, die Clef-Modelle bei den Werkzeug- und Intent-Aufgaben. Zweitens bricht Clef-flash bei CLINC150 mit Out-of-Scope-Erkennung ein (66,77 gegenüber 97,43 für Clef). Wer Clef-flash wegen Latenz oder Preis wählt, sollte Out-of-Scope-Fälle gesondert testen.
In den von TypeSafe veröffentlichten Workflow-Evaluationen (Rechnungsverarbeitung, Kundenservice, Sicherheitsvorfälle) liegen die Modelle laut Cloudflare nahe beieinander: 64,7 / 60,2 / 57,1 / 61,8 bei Rechnungen, 76,3 / 71,6 / 77,0 / 76,0 im Kundenservice, 62,9 / 61,7 / 61,7 / 61,7 bei Vorfällen (Clef / Clef-omni / Clef-flash / Jev).
Latenz (Cloudflare-Messung auf H200): Clef 209,3 ms im Median und 238,6 ms p95, Clef-flash 38,8 ms und 122,4 ms, Jev 524,1 ms und 536,0 ms. In derselben Tabelle führt Cloudflare Laya mit 5,8 ms im Median, aber 222,5 ms p95. Für die gehostete Variante von Clef nennt Cloudflare nach den Serving-Optimierungen, darunter der Wechsel auf SGLang, im Median 152 ms bei rund 800 Token, 305 ms bei rund 3.400 Token und 1.635 ms bei rund 16.000 Token, das 1,7- bis 2-Fache der vorherigen Geschwindigkeit.
Unabhängiger Einzeltest: Ein Entwickler hat Clef-flash lokal auf einer RTX 3090 gegen die Jev-API an 42 Entscheidungen eines autonomen Agenten verglichen: Jev 71,4 %, Clef-flash 66,7 %, in 83 % der Fälle dieselbe Entscheidung; bei Computer-Use-Aktionen und Supervision identisch, bei Triage 10 statt 12 von 20 Treffern. Der Test ist nicht peer-reviewed und klein, zeigt aber die Größenordnung. Praktischer Hinweis daraus: Community-GGUF-Quantisierungen enthalten den Entscheidungskopf nicht, für die volle Funktion ist PyTorch nötig; Clef (27B) braucht in BF16 rund 54 GB GPU-Speicher.
Datenschutz, Regionen und Self-Hosting
Für die gehostete Variante gilt laut Cloudflare: Anfragen und Antworten werden weder gelesen, gespeichert noch zum Training genutzt, es sei denn, der Kunde nutzt das Fine-Tuning-Angebot. Die Workers-AI-Datennutzungsdoku bestätigt, dass Kundeninhalte nicht zum Training von Modellen oder zur Verbesserung von Diensten verwendet werden. Workers AI läuft im globalen Cloudflare-Netz; die Dokumentation der Data Localization Suite nennt Workers AI nicht als Produkt mit Regionsbindung. Wer eine vertragliche Zusage zur Verarbeitung in der EU braucht, sollte das mit Cloudflare klären oder den zweiten Weg gehen.
Der zweite Weg ist Self-Hosting: Die Gewichte aller drei Modelle stehen unter Apache 2.0 auf Hugging Face (Cloudflare/clef, Cloudflare/clef-omni, Cloudflare/clef-flash). Die Modellkarten beschreiben den Betrieb mit Transformers und eine systemone()-Funktion für die Jev-kompatible Schnittstelle; für Clef und Clef-flash kommt SGLang hinzu, per Docker-Image mit einem Jev-kompatiblen Endpunkt /v1/systemone (die Unterstützung soll laut Cloudflare mit SGLang 0.5.22 in die reguläre Version einfließen). Für Clef-omni ist SGLang angekündigt. Getestet hat Cloudflare auf einer einzelnen H200 in BF16; Clef-omni braucht laut Modellkarte rund 64 GB GPU-Speicher. Damit lassen sich die Modelle auf eigener Infrastruktur oder bei einem EU-Cloud-Anbieter betreiben, mit voller Datenkontrolle.
RL-Fine-Tuning-Plattform
Gemeinsam mit Clef hat Cloudflare eine Plattform für Reinforcement-Learning-Fine-Tuning angekündigt. Die Bausteine: das AI Gateway erfasst Produktionsdaten, Workers AI erzeugt Rollouts, Cloudflare Containers dienen als RL-Sandbox, ein neuer Trainer aktualisiert die Gewichte, und das Ergebnis wird über Workers AI mit eigenem Modell wieder bereitgestellt. Zum Start ist das ein begleitetes Angebot mit Cloudflares Forward-Deployed-Engineers über ein Design-Partner-Formular; eine Self-Service-Variante ist angekündigt, Preise sind nicht veröffentlicht.
Einordnung: Clef, Jev und Laya
| Clef / Clef-omni / Clef-flash | Jev | Laya | |
|---|---|---|---|
| Lizenz | Apache 2.0, Open Weights | proprietäre API | Apache 2.0, Open Weights |
| Betrieb | Workers AI oder Self-Hosting | nur API (USA) | nur Self-Hosting |
| Größe | 27B / 30B-A3B / 9B (Qwen-Basis) | nicht veröffentlicht | 0,3 bis 0,4B (Encoder) |
| Eingaben | Text, JSON, Bilder, Video; Clef-omni zusätzlich Audio | Text, JSON | Text, JSON |
| Kontext (gehostet) | 65.536 / 64.000 / 24.576 Token | 64.000 Token kombiniert | 512 bis 1.024 Token, Fenster bis 8.192 |
| Preis gehostet | 0,24 / 0,15 / 0,038 USD pro 1M Input | 0,042 USD pro 1M Input | keine gehostete API |
| EU-Residenz | per Self-Hosting | nicht dokumentiert | per Self-Hosting |
Clef schließt die Lücke zwischen Jev (stark, aber geschlossen und US-gehostet) und Laya (offen, aber klein): offene Modelle mit Backbone in LLM-Größe, Bild-, Video- und mit Clef-omni auch Audioeingabe und einer gehosteten Option mit Preis. Clef-flash liegt gehostet unter dem Jev-Preis, Clef und Clef-omni darüber; die Latenz von Clef-flash liegt laut Cloudflare unter der von Jev. Kein Modell der drei ersetzt ein LLM; für Text, Zusammenfassungen und Code bleiben Modelle wie Qwen, Mistral oder GPT-OSS zuständig.
Unsere Empfehlung
Für Unternehmen im DACH-Raum ist Clef vor allem als selbst gehostetes Entscheidungsmodell interessant: offene Lizenz, Jev-kompatible Schnittstelle, Bild- und Videoeingabe, und mit Clef-flash eine Variante, die auf einer einzelnen GPU läuft. Für Entscheidungen über Sprachaufnahmen oder Videos mit Ton, etwa in der Qualitätskontrolle oder bei Anrufmitschnitten, ist Clef-omni die passende Variante. Gehostet ist Clef-flash mit 0,038 USD pro 1 Million Input-Token die günstigste der drei Varianten, aber auf 24.576 Token Kontext begrenzt. Prüfen Sie vor dem Einsatz drei Punkte: Out-of-Scope-Erkennung bei Clef-flash, die Sprachqualität auf deutschen Daten (Cloudflare veröffentlicht nur englische Benchmarks) und beim gehosteten Betrieb die Vertragslage zur Verarbeitungsregion. Als Vorstufe zu Sprachmodellen in CompanyGPT oder als Router im AI Gateway prüfen wir den Einsatz projektbezogen. Für eine Einschätzung, ob ein Entscheidungsmodell in Ihre Architektur passt, kontaktieren Sie innFactory AI Consulting.
Verwandte Entscheidungsmodelle
Zur Kategorie der Entscheidungsmodelle (System One) gehören auch Microsoft-Decision-1.1, Gemini Decision 1, Laya, Jev, Julia-1, GLiNER2.5-Decide. Auch OpenAI geht mit der Decisions API auf Basis von GPT-6 Luna in diese Richtung; Details stehen auf der Seite OpenAI GPT.
