أطلقت Cloudflare Clef-omni، وهو عضو جديد مفتوح الأوزان في عائلة نماذج القرار Clef الخاصة بها. Clef-omni هو نموذج قرار من Cloudflare يقيّم النصوص والصور والصوت والفيديو في 1 استدعاء. وصل النموذج في 9 أكتوبر 2026، بعد 8 أيام من إطلاق Clef وClef-flash الأصليين. وأدى التحديث نفسه إلى خفض أسعار Clef-flash إلى ما دون Jev من TypeSafe، وجعل Clef المستضاف أسرع بنحو 2x تقريبًا. وللمطورين، يلغي هذا خطوتي النسخ والتعليقات التوضيحية التي تحتاجها عادةً خطوط أنابيب الوكلاء متعددة الوسائط.
باختصار
- الحجم: 30B إجمالي، 3B معاملات نشطة (MoE)؛ سياق بحجم 64,000 رمز على Workers AI
- يعمل على: Workers AI كـ
@cf/cloudflare/clef-omni؛ اختُبر الاستضافة الذاتية على H200 واحد، حوالي 64 غيغابايت من ذاكرة GPU بدقة bfloat16 - الأداء: قريب من Clef في مهام التوجيه والقصد، لكنه خلفه في معظم تقييمات الاستدلال وسير العمل
- الأفضل: 97.7 macro-F1 على CLINC150+OOS، في صدارة نماذج Clef وJev الـ 4
- الأسوأ: دقة 2.6 على POP909-CL، و47.4 على GPQA Diamond مقابل 78.3 لـ Jev
- الخلاصة:
- الأفضل: نداء واحد يحسم عبر 4 أنماط.
- الأسوأ: دقة أضعف من Clef المخصص للنصوص في الاستدلال الصعب.
ما هو نموذج القرار؟
نموذج القرار يُرجع إجابات مُنمّطة مع احتمالات بدلاً من نص مُولَّد. ترسل state ومخططاً من الأسئلة. يُرجع النموذج احتمالاً لكل خيار مسموح. يدعم Clef 3 أنواع أسئلة: noul (صواب أو خطأ)، choice و score. يتبع التنسيق واجهة Jev وSystem API من TypeSafe AI.
كيف يعمل Clef-omni؟
Clef-omni هو نموذج خاضع للتدريب اللاحق من Qwen3-Omni-30B-A3B-Instruct. يحتفظ Cloudflare بهيكل الفهم الأساسي ويسقط مسار الإخراج النصي إلى كلام. يعمل النموذج بتمريرة prefill واحدة على الحمولة الكاملة. تتم مزامنة إطارات الفيديو والصوت في 1 تسلسل للمعالجة المشتركة.
ثم يقيّم رأس مخطط مشترك صغير الخيارات. كل خيار صالح يجمع أولًا الأدلة من المُدخَل. ثم تجري متجهات الحقول انتباهًا متقاطعًا عبر السياق الكامل لحساب درجات الثقة. جمّد Cloudflare هيكل Qwen3 الأساسي ودرب محولات LoRA. جمع التدريب بين الإنتروبيا المتقاطعة مع تنعيم التسميات ومعايرة درجة Brier.
المدخلات المدعومة على Workers AI، وفقًا لـ وثائق المطورين:
- الصور: حتى 4 صور، بصيغ PNG أو JPEG أو WebP، بـ 64 إلى 1,024 رمزًا لكل صورة
- الصوت: حتى 4 مقاطع، بصيغ WAV أو MP3، 300 ثانية لكل مقطع، نحو 780 رمزًا في الدقيقة
- فيديو: حتى 2 مقطعين، بصيغ MP4 أو WebM، 60 ثانية لكل مقطع، مع أخذ عينات بمعدل 2 إطار في الثانية
- الأسئلة: من 1 إلى 64 سؤالًا لكل طلب
يذكر Cloudflare أن القرارات النصية تستغرق نحو 130 ms في الوسيط والصور نحو 150 ms. فيديو مدته 21 ثانية مع صوت يُقيَّم في نحو 1.5 ثانية.
كيف يؤدي Clef-omni في المعايير المرجعية؟
قارن Cloudflare بين Clef-omni وClef وClef-flash وJev في تشغيله لـ مؤشر القرار . يتصدر Clef-omni تصنيف النوايا: بدرجة 94.8 macro-F1 على BANKING77 و97.7 على CLINC150+OOS. كما يتصدر Amazon ESCI بدرجة 57.8.
ويتأخر في مواضع أخرى. دقة المطابقة التامة للحالات في الأجهزة المنزلية هي 69.3، مقابل 97.73 لـ Clef-flash. دقة When2Call هي 63.3، مقابل 80.97 لـ Jev. في تقييمات سير العمل من TypeSafe، يسجل Clef-omni درجات أقل من Clef في جميع المقاييس الـ 5 المُبلَّغ عنها.
Clef-omni مقابل Clef مقابل Clef-flash مقابل Jev
| الميزة | Clef-omni | Clef | Clef-flash | Jev |
|---|---|---|---|---|
| المطوّر | Cloudflare | Cloudflare | Cloudflare | TypeSafe AI |
| المعاملات | 30B إجمالي، 3B نشط (MoE) | 27B كثيف | 9B كثيف | غير معلن |
| النموذج الأساسي | Qwen3-Omni-30B-A3B-Instruct | Qwen3.8-27B | Qwen3.5-9B | غير معلن |
| المدخلات | نص وصورة وصوت وفيديو | نص وصورة وإطارات فيديو | نص وصورة وإطارات فيديو | نص (وفق Cloudflare) |
| سياق مستضاف | 64,000 رمز | 64k | 24k (256k عند الاستضافة الذاتية) | غير معلن من TypeSafe (تذكر Cloudflare حد 32k) |
| سعر الإدخال لكل مليون رمز | $0.15 | $0.24 | $0.038 | $0.042 |
| الترخيص | Apache-2.0 | Apache-2.0 | Apache-2.0 | واجهة برمجة التطبيقات فقط، وصول مبكر |
| BANKING77 (macro-F1) | 94.8 | 94.20 | 90.93 | 79.74 |
| CLINC150+OOS (macro-F1) | 97.7 | 97.43 | 66.77 | 89.27 |
| When2Call (الدقة) | 63.3 | 72.37 | 65.58 | 80.97 |
| BRIGHT (nDCG@10) | 42.0 | 45.91 | 39.26 | 47.52 |
| معالجة الفواتير، الإجراء الأساسي | 82.0 | 86.2 | 73.3 | 83.1 |
درجات المعايير القياسية مأخوذة من إعلان Cloudflare ولم يتم التحقق منها بشكل مستقل.
ما مدى سرعة Clef؟
نقلت Cloudflare نسخة Clef المستضافة إلى SGLang وقامت بضبط حزمة الخدمة الخاصة بها. لم يتم إصدار أي أوزان جديدة. انخفض زمن الاستجابة الوسيط من 262 ms إلى 152 ms عند حوالي 800 token، بتحسين بمقدار 1.7x. وعند حوالي 3,400 token انخفض من 616 ms إلى 305 ms، بتحسين بمقدار 2.0x. وعند حوالي 16,000 token هبط من 2,721 ms إلى 1,635 ms. دعم Clef متوفر في SGLang 0.5.22.
أبرز النقاط
- يقيّم Clef-omni النصوص والصور والصوت والفيديو في 1 استدعاء لاتخاذ القرار.
- إنه نموذج MoE بحجم 30B-A3B مبني على Qwen3-Omni، برخصة Apache-2.0، وبسعر $0.15 لكل مليون token.
- يبلغ سعر Clef-flash الآن $0.038، أي أقل من $0.042 لـ Jev، مع سياق مستضاف يبلغ 24k.
- نسخة Clef المستضافة أسرع بمقدار 1.7x إلى 2.0x عند الوسيط بعد الانتقال إلى SGLang.
- يتفوق Clef-omni في مهام النية، لكنه يتأخر عن Clef في تقييمات الاستدلال وسير العمل.
اطلع على إعلان Cloudflare, أوزان النموذج و وثائق Workers AI. كل الفضل يعود إلى الباحث صاحب هذا المشروع. كما لا تترددوا في متابعتنا على Twitter ولا تنسوا الانضمام إلى 150k+ML SubReddit والاشتراك في نشريدنا البريدي. مهلاً! هل أنت على تيليجرام؟ يمكنك الآن الانضمام إلينا على تيليجرام أيضًا.
المقال تعرّف على Cloudflare Clef-omni: نموذج قرار متعدد الوسائط بحجم 30B-A3B للصوت والفيديو والصور والنصوص ظهر لأول مرة على MarkTechPost.