Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
fragen-funde1. Oktober 2026 · Q004698

Introducing Clef: our open-source decision models, and new RL fine-tuning platform

blog.cloudflare.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Cloudflare kündigt die Entscheidungsmodelle Clef und Clef-flash an, die strukturierte, probabilistische Antworten für Agenten liefern sollen; laut Unternehmen sind sie schnell, Jev-API-kompatibel und unter Apache-2.0 verfügbar. Die angeführten Benchmarks fallen je nach Aufgabe unterschiedlich aus, und die geplante Selbstbedienungsplattform zur Feinabstimmung ist noch in Entwicklung.

Mittel

Cloudflare stellt Clef und Clef-flash vor: Entscheidungsmodelle, die Eingaben in typisierte Antworten und Wahrscheinlichkeiten umwandeln sollen, etwa zur Einstufung und Weiterleitung von Supportfällen. Die Modelle laufen auf Workers AI, sind laut Bericht Jev-API-kompatibel und als Open Source unter Apache-2.0 verfügbar. Clef kann demnach auch Bilder verarbeiten und hat ein Kontextfenster von 64.000 Token. In einem internen Website-Klassifizierungsbeispiel benötigte Clef laut Cloudflare 2,2 Sekunden, ein allgemeines Sprachmodell 4,7 Sekunden.

Cloudflare berichtet von guten Ergebnissen in ausgewählten Entscheidungs- und Workflow-Benchmarks sowie meist geringerer Latenz über 43 Tests. Die Rangfolge variiert jedoch nach Aufgabe; Laya hatte beispielsweise die niedrigste mediane Latenz, während der Beitrag bei der Qualität Einschränkungen nennt. Die Modelle basieren auf Qwen und bewerten gültige Schemaoptionen parallel, statt schrittweise Text zu erzeugen. Cloudflare bietet zunächst betreute Feinabstimmung an und entwickelt eine Selbstbedienungsplattform. Mehrere technische Bausteine seien noch in Arbeit. Außerdem könne eine Spezialisierung auf einen Anwendungsbereich die allgemeine Leistungsfähigkeit mindern. Die Leistungsangaben sind Cloudflares eigene Darstellungen; der Text führt keine unabhängige Bestätigung an.

Ausführlich lesen

Der Bericht stellt Clef und Clef-flash vor, zwei von Cloudflare entwickelte Entscheidungsmodelle, sowie einen neuen Dienst zum nachträglichen Anpassen von Clef. Cloudflare beschreibt Entscheidungsmodelle als Systeme, die aus Eingaben typisierte Antworten und Wahrscheinlichkeiten ableiten. Eine Anwendung könne damit etwa Supportfälle einstufen, zuständige Teams bestimmen oder Fälle an Menschen weitergeben. Anders als offene Sprachmodelle sollen sie strukturierte Entscheidungen schnell und konsistent liefern.

Cloudflare zufolge sind beide Modelle über Workers AI verfügbar und mit der Jev-API kompatibel; die Gewichte stehen unter Apache-2.0-Lizenz auf Hugging Face. Clef unterstütze neben Text auch Bildinhalte und habe ein Kontextfenster von 64.000 Token, gegenüber 32.000 bei Jev. Im Beispiel der Threat-Intelligence-Abteilung habe Clef eine Website in einem Ablauf mit Browser Run in 2,2 Sekunden abgerufen, dargestellt und klassifiziert. Ein allgemeines Modell, gpt-oss-120b, habe laut Bericht dafür 4,7 Sekunden benötigt und nur zwei Klassifikationen geliefert.

Der Beitrag präsentiert Vergleichswerte aus mehreren Benchmarks. In der Jev Decision Index-Auswahl erzielt Clef oder Clef-flash je nach Aufgabe die besten Werte; bei einzelnen Aufgaben liegen andere Modelle vorn. In vier Workflow-Tests übertrifft Cloudflare zufolge eines der Clef-Modelle Jev in drei Bereichen, während Jev bei der Beobachtung von Agentenabläufen vorn liegt. Bei 43 ausgewerteten Benchmarks seien Clef-Modelle meist schneller als die verglichenen Entscheidungsmodelle; Laya habe jedoch die niedrigste mediane Latenz, bei laut Cloudflare geringerer Benchmark-Qualität. Der Bericht nennt außerdem Median- und p95-Latenzen, ohne die gesamten Versuchsbedingungen im Text zu erläutern.

Technisch basiere Clef auf Qwen-Modellen. Laut Cloudflare verarbeitet es zunächst den Kontext und bewertet anschließend gültige Schemaoptionen parallel, statt Antworten schrittweise als Text zu erzeugen. Das Training kombiniere unter anderem Adapter, eine Glättung der Kreuzentropie, einen Brier-Verlust zur Wahrscheinlichkeitskalibrierung und ein unternehmenseigenes Verfahren für bestärkendes Lernen. Cloudflare führt die Geschwindigkeit und die auf strukturierte Ausgaben begrenzten Antworten auf diesen Ansatz zurück.

Für spezifische Anwendungsfälle bietet Cloudflare zunächst betreute Feinabstimmung mit einem Forward-Deployed-Engineering-Team an. Eine selbstbedienbare Plattform zum Erfassen von Daten, Trainieren und erneuten Bereitstellen werde erst aufgebaut. Der Bericht nennt dafür Bausteine wie AI Gateway, Workers AI, Containers und einen neuen Trainer; mehrere Plattformteile seien noch in Arbeit. Cloudflare weist darauf hin, dass Feinabstimmung die Leistung in allgemeinen Aufgaben zugunsten höherer Genauigkeit in einem bestimmten Bereich verringern könne. Das Unternehmen sagt, Anfragen und Antworten weder zu lesen noch zu speichern oder zum Training zu verwenden, außer bei Nutzung des Feinabstimmungsangebots. Es bezeichnet den Start zugleich als frühen Schritt und kündigt weitere Verbesserungen an. Die Leistungs- und Vergleichsaussagen stammen aus dem Unternehmensbericht und den dort genannten Auswertungen; unabhängige Bestätigung wird im Text nicht angeführt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist als Doppelversion vorgelegt; die mittlere Fassung gibt den Bericht treu wieder, die kurze ist sehr knapp. Die Einordnung stützt sich nur auf den Bericht und bewertet Lunas Stufen teils niedriger, weil etwa bei SF-T1-T05 keine Ausrichtungsmessung vorliegt.

Im Bericht, aber nicht in der Zusammenfassung

  • Cloudflare bezeichnet Clef laut Bericht als derzeit führend im Jev Decision Index
  • Clef schlägt laut Cloudflares eigener Angabe Jev in drei von vier Workflows der Typesafe-Evaluation
  • Die Zusammenfassung nennt nicht die Schlüsselrolle der Latenz und das Ergebnis der Website-Klassifizierung als Beleg für den praktischen Nutzen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 32 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 23 %gleiches Oberthema, hilft nicht
    • amos 31 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

    • SF-T3-T03 Welche Teile von Training, Prüfung und Einsatz laufen schon heute weitgehend durch KI, und welche Rollen sagt jedes Labor zu, bei Menschen zu lassen, in einer veröffentlichten Liste statt als bloßer Grundsatz? Wenn KI nachfolgende Modelle selbst entwirft, trainiert und prüft: Welcher Mindestanteil der Forschung muss unter direkter menschlicher Prüfung bleiben, und wie belegt man, dass ein Durchbruch mit menschlicher Beteiligung und nicht vollautomatisch entstanden ist? Luna: Stufe 3 · 23 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 27 %einzelne zitierbare Belege
    • JEV 41 %beantwortet teilweise oder widerspricht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 49 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 53 %einzelne zitierbare Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 32 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 24 %nur am Rande erwähnt
    • Luna 65 %einzelne zitierbare Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 36 %nur am Rande erwähnt
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 60 %umfangreiche Belege
    • JEV 44 %beantwortet teilweise oder widerspricht
    • amos 29 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 29 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →