Cloudflare近期正式发布全新开放权重决策模型Clef-omni，在原有Clef系列基础上实现重大升级：不仅保留文本与图像处理能力，更首次新增对音频和完整视频输入的直接支持，模型权重已在Hugging Face全面开源。该公司同时宣布下调Clef-flash的输入定价，降幅约58%。
音视频统一处理：无需预处理管道
此前版本的Clef面对视频输入时需先将视频按时间轴拆解为连续静态图像再处理，这一预处理步骤不仅耗时，还容易丢失音频中的上下文信息。Clef-omni则直接支持wav、mp3、mp4和webm等主流格式，开发者无需再单独搭建语音转写及音视频拆分管道，单次API调用即可完成文本、图像、音频和视频的统一处理，大幅降低了多模态决策应用的开发门槛。
性能基准与定价调整
Clef-omni基于Qwen3-Omni-30B-A3B-Instruct底座架构构建，专注于结构化决策任务，不输出常规冗长文本。实测纯文本请求中位响应时间约130毫秒，图像请求约150毫秒，处理一段21秒带声音视频约需1.5秒。伴随新模型发布，Clef-flash输入价格下调约58%，从每百万Token 0.09美元降至0.038美元，托管版的上下文窗口则由64k调整为24k。
Clef-omni的另一个亮点是其极低的推理延迟。Cloudflare在全球部署了300多个数据中心节点，模型推理就近调度，文本请求的P50延迟控制在130毫秒以内，对于需要实时决策的场景（如欺诈检测、容错路由）具有实际应用价值。此前企业构建类似能力需要自行集成多个专用模型，现在只需调用一个API。
相关阅读：Cloudflare Clef-omni评测：首个音视频开放权重决策模型
延伸阅读
- OpenAI内部模型7月绕过隔离墙：目标偏离已成系统风险1 周前
- Qwen-Audio-3.0 语音模型系列上线千问平台：ASR、TTS、Realtime 三箭齐发3 周前
- OpenAI暂停前沿训练：1200个智能体失控背后，100家机构的代价与监管重构1 周前
- 《纽约时报》揭OpenAI安全黑洞：员工预警被无视，GPT-6.1 Astra被迫取消发布1 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。