Cloudflare 推出开放权重决策模型 Clef-omni,扩展音视频输入支持
Cloudflare 发布开放权重决策模型 Clef-omni,在文本与图像处理之外新增音频与视频输入支持;同时下调 Clef-flash 输入价格,并调整其托管版上下文窗口。
海宇数科 · 事件日期 · 约 2 分钟 · 1 次阅读

Cloudflare 于 10 月 9 日发布公告,推出开放权重决策模型 Clef-omni。该模型在原有多模态能力基础上增加对音频与完整视频格式的支持,可通过单次 API 调用处理多种模态内容。

多模态升级与架构解析
此前 Clef 模型可处理文本、图像,以及按固定时间间隔抽取画面形成的静态连续图像。Clef-omni 原生支持 wav、mp3、mp4 和 webm 等音视频格式,开发者无需另行部署语音转写与音视频拆分流程,可用单一模型处理多种输入。
官方技术细节显示,Clef-omni 基于 Qwen3-Omni-30B-A3B-Instruct 构建,保留其理解能力,面向结构化决策任务,不生成常规文本输出。性能方面,纯文本请求中位响应时间约 130 毫秒,图像请求约 150 毫秒;一段 21 秒含声音视频的评分处理约需 1.5 秒。
价格下调与系列模型对比
Clef-flash 的输入价格同步下调,每百万输入 Token 由 0.09 美元降至 0.038 美元,降幅约 58%;其托管版上下文窗口由 64k 调整为 24k。该系列模型采用阶梯定价,面向不同成本与性能需求的开发者。
