De open gewichten van Cloudflare om agents te sturen: de Clef-familie debuteert

Op 1 oktober 2026 kondigde netwerkdienstverlener Cloudflare op zijn officiële blog, in een artikel van Michelle Chen, de release aan van Clef en Clef-flash. Het gaat om zogeheten "beslismodellen", waarvan de gewichten onder de Apache 2.0-licentie via Hugging Face worden verspreid en die op het Workers AI-platform worden gehost. Anders dan traditionele generatieve systemen produceren deze tools geen vrije tekst: hun concrete taak is data classificeren, verzoeken routeren en scores toekennen, die in getypeerde formaten worden teruggegeven, samen met een betrouwbaarheidsindex. Zoals Michelle Chen in de introductiepost uitlegt: "een beslismodel voert classificaties uit om agents te helpen beslissen hoe ze moeten handelen, op basis van bepaalde waarschijnlijkheden". Beide modellen zijn gebaseerd op de Qwen-architectuur (concreet Qwen3.8-27B voor Clef en Qwen3.5-9B voor Clef-flash, nagetraind met low-rank-adapters van rang 256), hebben een contextvenster van 64.000 tokens en een visuele encoder waarmee ze ook afbeeldingen kunnen verwerken.

In deze niche, waar TypeSafes Jev System One al actief was en op dezelfde dag Amazons Strands Decider 2B verscheen, zet Cloudflare in op latentie: volgens het bedrijf verslaan zijn modellen de andere beslismodellen, "behalve Laya, dat erg snel is maar kwaliteit opoffert". De opgegeven cijfers zijn een mediane latentie van 209,3 milliseconden voor Clef, met een 95e percentiel van 238,6 milliseconden, en 38,8 milliseconden voor Clef-flash, met een p95 van 122,4 milliseconden; voor Jev System One wordt een mediaan van 524,1 milliseconden opgegeven. Clef is bovendien compatibel met de API van Jev System One, het eerste beslismodel op de markt. Over de gebruikskosten op Workers AI meldt het vakmedium Developers Digest tarieven van 0,24 dollar per miljoen inputtokens voor Clef en 0,09 dollar voor Clef-flash, zonder kosten voor outputtokens. Het bedrijf biedt ook maatwerk via reinforcement learning, uitgevoerd door het eigen engineeringteam, en wijst erop dat "je bij het finetunen van een model een deel van de algemene prestaties kunt inleveren voor meer nauwkeurigheid in een specifiek domein"; een releasedatum voor een selfservice-interface is nog niet bekendgemaakt.

De transparantie van de operatie kent echter enkele methodologische grijze zones. De benchmarks die Cloudflare verspreidt, gekozen uit de evaluaties van de Jev Decision Index — zoals 98,47% voor Clef en 98,76% voor Clef-flash op BFCL case exact — meet het bedrijf zelf, en een onafhankelijke verificatie ontbreekt. De post kondigt ook geen publicatie aan van de data of de trainingspipeline en noemt alleen "interne synthetische datasets": een gemis dat deze release eerder bij de open-weight-distributies plaatst dan bij volledig reproduceerbare opensourceprojecten. In de officiële post ontbreken ook directe vergelijkingen op algemeen redeneervermogen, zoals GPQA Diamond of MMLU-Pro, terreinen waarop Jev System One volgens Developers Digest duidelijk voorloopt.

Tekstgeneratie vervangen door een stroom getypeerde waarschijnlijkheden is een uitstekende technische zet om de latentie van commerciële agents te verlagen, en de door het bedrijf gegeven garantie dat "we uw verzoeken of antwoorden niet lezen, opslaan of gebruiken om modellen te trainen" speelt in op een reële zakelijke beveiligingsbehoefte. Toch wordt de effectiviteit van een automatische beslisser gemeten aan de complexiteit van de splitsingen die hij aankan, en daarover zeggen de gepubliceerde cijfers nog niets.

— Olya