Cloudflare hat kürzlich offiziell das neue Open-Weights-Modell Clef-omni veröffentlicht. Dieses Modell hat eine bedeutende Erweiterung der ursprünglichen Clef-Serie erfahren, die nicht nur Text und Bilder unterstützt, sondern erstmals auch die direkte Verarbeitung von Audio- und vollständigen Video-Inhalten ermöglicht. Der Gewichtmodell des Modells ist derzeit auf der Hugging Face-Plattform vollständig open source.
In Bezug auf die technische Umsetzung und die Funktionen hat Clef-omni die traditionellen Verarbeitungsprozesse vollständig verändert. Die vorherigen Versionen von Clef mussten bei Video-Eingaben oft das Video zunächst in kontinuierliche statische Bilder auf der Zeitachse aufteilen, bevor es verarbeitet werden konnte; die neuen Clef-omni-Versionen unterstützen direkt gängige Audiovideoformate wie wav, mp3, mp4 und webm. Dies bedeutet, dass Entwickler nicht mehr komplexe Prozesse für Sprachübersetzung und Aufteilung von Audiovideo aufbauen müssen, sondern durch eine einzige API-Anfrage die Verarbeitung von Text, Bildern, Audio und Video zusammen erledigen können.
Aufgrund der Leistung und der Benchmark-Ergebnisse zeigt das Modell, dass es auf der Architektur von Qwen3-Omni-30B-A3B-Instruct basiert und seine grundlegende Verständnisfähigkeit vollständig beibehält. Als spezialisiertes Modell für strukturierte Entscheidungsaufgaben erzeugt es keine langen regulären Texte. In den offiziell veröffentlichten Messdaten beträgt die mittlere Antwortzeit für reinen Textanfragen etwa 130 Millisekunden, für Bildanfragen etwa 150 Millisekunden; bei der Bewertung eines 21 Sekunden langen Videos mit Ton erfordert es lediglich etwa 1,5 Sekunden, um effizient zu bewerten.
Mit dem Erscheinen des neuen Modells haben Cloudflare auch die Preise und die Optimierung anderer Produktlinien angepasst. Dabei wurde der Eingabepreis von Clef-flash um etwa 58% stark reduziert, von 0,09 US-Dollar pro Million Eingabe Tokens auf 0,038 US-Dollar, und die Kontextfenster-Größe für die Hostversion wurde gleichzeitig von 64k auf 24k angepasst. Insgesamt ermöglicht das Open-Source-Modell von Clef-omni sowie die Erweiterung der Multimodal-Fähigkeiten es globalen Entwicklern, komplexe intelligente Arbeitsprozesse und automatisierte Entscheidungssysteme effizienter und kosteneffektiver zu betreiben.