ithome
财经
科技
采集 2026-10-10T10:15:11+00:00
Cloudflare推出开放权重多模态决策AI模型Clef-omni
原始标题:Cloudflare 推出开放权重决策 AI 模型 Clef-omni,新增支持音频 / 视频输入
来源
ithome
发布时间
2026-10-10T06:26:25
采集批次
2026-10-10-10
字数
572
URL 指纹
29b0bfe515912598
📌 AI 总结(285 字)
Cloudflare发布开放权重决策AI模型Clef-omni,单次API调用即可处理文本、图像、音频和视频等多模态输入。该模型基于Qwen3-Omni-30B-A3B-Instruct构建,权重已在Hugging Face开放,定位为结构化决策任务,不生成常规文本输出。Cloudflare表示开发者无需额外搭建语音转写或音视频拆分流程即可统一处理多种输入。测试数据显示,纯文本中位响应约130毫秒,图像约150毫秒,21秒视频约1.5秒完成评分。此外,Clef-flash每百万输入Token价格降至0.038美元,降幅约58%,但上下文窗口同步从64k缩至24k。
📄 正文(572 字)
IT之家10月10日消息,Cloudflare昨日(10月9日)发布公告,宣布推出开放权重决策模型Clef-omni,支持单次API调用处理文本、图像、音频和视频等。 定位方面,该模型在此前Clef系列模型基础上,扩展支持多模态输入,模型权重已在Hugging Face开放。 多模态支持方面,此前的Clef支持文本、图像及从视频中抽取的连续画面(把视频按时间抽取成一张张静态图像,再把这些图像按顺序作为输入交给模型),而Clef-omni新增音频和完整视频输入,支持wav、mp3、mp4和webm格式。 Cloudflare称,开发者无需另行搭建语音转写及音视频拆分流程,可用一个模型处理多种输入。 Cloudflare称,Clef-omni基于Qwen3-Omni-30B-A3B-Instruct构建,并保留其主要理解能力。模型面向结构化决策任务,不生成常规文本输出。公司公布的测试中,纯文本请求中位响应时间约130毫秒,图像约150毫秒;带声音的21秒视频约1.5秒完成评分。 Cloudflare还将Clef-flash每百万输入Token价格从0.09美元(IT之家注:现汇率约合0.6元人民币)降至0.038美元(现汇率约合0.25元人民币),降幅约58%。Clef-flash托管版上下文窗口同步从64k缩至24k。