classifier.dev

Ein LLM mit vierzig Suchergebnissen zu füttern, damit es die sechs relevanten heraussucht, verbrennt Tokens für die anderen vierunddreißig. classifier.dev von Michael Ryaboy, veröffentlicht im August 2026, zielt genau auf diese Lücke: eine Zero-Shot-Textklassifikations-API, die du ohne Anmeldung und ohne Key aufrufst, curl https://classifier.dev/spam,not+spam/Win+a+free+iPhone liefert in etwa 150ms 'spam' zurück. Verkauft wird es nicht als Ersatz für das Urteilsvermögen eines LLM, sondern als billiger erster Durchgang, mit dem Agents filtern können, was überhaupt die Aufmerksamkeit eines Modells verdient, Kontext-Ökonomie statt roher Fähigkeit.

Unter der Haube ist es ein einzelner Cloudflare Worker, ohne Datenbank außer Durable Objects fürs Rate-Limiting und KV für Reports. Anfragen beantwortet TypeSafes Jev, ein dediziertes Entscheidungsmodell (kein Sprachmodell), das typisierte Fragen entgegennimmt und pro Label eine kalibrierte Wahrscheinlichkeit in etwa 150ms zurückgibt; eine LLM-Fallback-Kette (über OpenRouter oder Vercels AI Gateway) übernimmt, wenn Jev nicht erreichbar ist, und eine 'smart'-Stufe fragt unsichere Einzel-Label-Antworten bei einem Reasoning-Modell erneut nach. Bis zu 1.000 Texte passen in einen einzigen Upstream-Aufruf, und dieselbe Logik läuft als CLI, als MCP-Tool und als Agent-Skill, direkt von der Domain per RFC-8615-Discovery ausgeliefert.

Es passt zu Agent- und Pipeline-Bauern, die Mengen billig vorsortieren müssen, bevor ein teures Modell überhaupt beteiligt wird: Suchergebnisse filtern, Support-Tickets taggen, Feedback nach Team oder Dringlichkeit routen (Multi-Dimension-Klassifikation ist ein zentrales Feature, bis zu 20 Dimensionen pro Anfrage). Das Projekt dokumentiert seine eigene operative Disziplin ungewöhnlich detailliert für ein Solo-Projekt, ein Durable-Object-Rate-Limiter, gewählt nachdem zwei andere Ansätze stumm versagten, credential-sicheres Alerting und eine Deploy-Pipeline, die vor dem Deploy erst eine echte Klassifikation gegen Produktion fährt, was auf jemanden schließen lässt, der das tatsächlich im Ernstfall betrieben hat.

Die MIT-Lizenz deckt den Worker, die CLI und den Routing-Code ab, nicht das Modell, das tatsächlich klassifiziert: TypeSafes Jev ist eine geschlossene, proprietäre Drittanbieter-API, Self-Hosting bedeutet also weiterhin, ein Backend zu bezahlen und ihm zu vertrauen, das du nicht als Open Source auditieren kannst. Es wird faktisch solo gepflegt (162 von rund 169 Commits von einer Person) und ist erst sechs Wochen alt, mit bislang nur zwei protokollierten GitHub-Issues, zu wenig Historie, um Fehlerverhalten in der Praxis zu beurteilen. Und jede zitierte Genauigkeits- und Geschwindigkeitszahl (Konfidenzkalibrierung, F1 gegen LLM-Kaskaden) stammt von der projekteigenen /benchmark-Seite, keiner unabhängigen Auswertung, so konkret die Methodik auch wirkt.

classifier.dev ist eine vernünftige Wahl, wenn du kostenlos und ohne Anmeldung Text für einen Agent vorfiltern willst und damit leben kannst, dass darunter ein geschlossenes Drittanbieter-Modell steckt. Die technische Disziplin rund um einen Cloudflare Worker (Rate-Limiting, datenschutzfreundliche Analytics, Deploy-Zeit-Smoke-Tests) ist sorgfältiger, als sich die meisten Projekte dieser Größe die Mühe machen. Aber es ist jung, faktisch von einer Person gepflegt, und sein 'Open Source'-Label beschreibt die Verrohrung, nicht die Intelligenz, die klassifiziert; kenne diesen Unterschied, bevor du eine Abhängigkeit darauf baust.