Cloudflare recientemente lanzó oficialmente el nuevo modelo de decisión de pesos abiertos Clef-omni. Este modelo ha sido mejorado significativamente en comparación con la serie Clef existente; no solo soporta nativamente texto e imágenes, sino que por primera vez cuenta con capacidad para procesar directamente entradas de audio y vídeo completo. Actualmente, los pesos del modelo están totalmente abiertos en la plataforma Hugging Face.
En términos de implementación técnica y características funcionales, Clef-omni ha cambiado completamente las vías de procesamiento tradicionales. Las versiones anteriores de Clef necesitaban dividir el video en imágenes estáticas continuas según la cronología para su procesamiento; mientras que el nuevo Clef-omni soporta directamente formatos de audio y video principales como wav, mp3, mp4 y webm. Esto significa que los desarrolladores no necesitan construir por separado complejos procesos de transcripción de voz y división de audio y video; pueden realizar el procesamiento unificado de texto, imágenes, audio y video con una única llamada a la API.
Desde el punto de vista del rendimiento y las pruebas de referencia, el modelo está construido sobre la arquitectura base Qwen3-Omni-30B-A3B-Instruct, conservando completamente su capacidad de comprensión central. Como modelo especializado en tareas de toma de decisiones estructuradas, no genera texto largo y común. Según los datos de prueba oficialmente publicados, el tiempo de respuesta medio para solicitudes de texto puro es de aproximadamente 130 milisegundos, y para solicitudes de imágenes, unos 150 milisegundos; mientras que para procesar un video con sonido, de hasta 21 segundos de duración, solo se necesita aproximadamente 1.5 segundos para completar eficientemente la calificación.
Con la llegada del nuevo modelo, Cloudflare también realizó ajustes y optimizaciones en los precios de sus otros productos. En particular, el precio de entrada de Clef-flash experimentó una reducción significativa del aproximadamente 58%, pasando de $0.09 por millón de tokens de entrada a $0.038, mientras que la ventana de contexto del versión de alojamiento se ajustó de 64k a 24k. En general, con la open source de Clef-omni y la mejora en la capacidad de procesamiento multimodal, se proporciona un soporte de base más eficiente y económico para que los desarrolladores globales construyan flujos de trabajo inteligentes complejos y sistemas de toma de decisiones automatizadas.