Michael Johnson사진에서 라벨을 읽을 수 있는지, 영상에서 팬이 작동하는지, 오디오 녹음에 이상한 소음이 들리는지를 한 번의 요청으로 확인하는 사례를 Cloudflare는 새 모델 Clef-omni의 예로 제시한다. 2026년 10월 9일 회사는 모델 출시를 발표했다. 이 모델은 텍스트, 이미지, 오디오, 비디오를 입력받고 지정된 질문에 따라 답변 선택지를 평가한다.
Clef-omni는 Cloudflare가 일주일 전에 소개한 Clef 의사결정 모델 제품군의 후속 모델이다. 개발자는 질문과 허용되는 답변으로 구성된 스키마를 지정하고, 모델은 구조화된 처리에 사용할 수 있도록 각 선택지의 점수를 반환한다. 따라서 결과를 애플리케이션이나 워크플로에 전달해야 하는 문의 분류와 멀티미디어 자료 처리에 적합하다.
다양한 입력 유형에 하나의 스키마 적용
Cloudflare의 Clef-omni 발표에 따르면 이 모델은 mixture-of-experts 아키텍처를 적용한 Qwen3-Omni-30B-A3B-Instruct를 기반으로 한다. 텍스트와 JSON, 이미지, 오디오용 WAV 및 MP3, 비디오용 MP4 및 WebM을 지원한다. 객관식 질문마다 모델은 각 선택지의 점수를 출력하므로, 애플리케이션은 결과를 사전에 정한 형식으로 처리할 수 있다.
예를 들어 고장 신고를 분류하는 팀은 사진 속 라벨을 읽을 수 있는지, 녹음에서 소음이 들리는지, 영상에서 표시등이 깜박이는지를 묻는 질문을 설정할 수 있다. 하나의 요청으로 여러 유형의 증거를 결합해 이후 분류 작업에 활용할 구조화된 응답을 얻을 수 있다.
Cloudflare는 텍스트 판단의 중앙값 지연 시간이 약 130ms, 이미지 판단은 약 150ms라고 밝혔다. 오디오가 포함된 21초 영상의 경우 약 1.5초가 걸린다고 설명했다. 이는 회사가 공개한 테스트 결과이며, 자체 시스템을 평가할 때는 파일, 질문 스키마, 배포 방식도 고려해야 한다.
오픈 웨이트와 클라우드 실행
Cloudflare는 Apache-2.0 라이선스로 Hugging Face에 Clef-omni 가중치를 공개했다. 모델 카드에는 로컬 실행 방법과 단일 H200 가속기에서의 테스트가 설명되어 있으며, bfloat16 구성에는 약 64GB의 GPU 메모리가 필요하다고 명시되어 있다. 이를 바탕으로 팀은 하드웨어와 설정 요구 사항을 고려해 자체 호스팅 가능성을 평가할 수 있다.
Cloudflare는 클라우드 버전 Clef-omni의 가격을 입력 토큰 100만 개당 0.15달러로 발표했다. 입력 구성에 따라 과금액이 달라진다. Cloudflare는 이미지와 오디오가 과금 대상 토큰으로 변환되는 방식을 별도로 설명하며, 비디오 역시 입력 데이터의 양에 영향을 준다. 예산을 계산하기 전 Workers AI 문서에서 최신 조건을 확인해야 한다.
Clef-flash 가격 인하, 클라우드 버전 컨텍스트 축소
같은 업데이트에서 Cloudflare는 호스팅 Clef-flash의 가격을 입력 토큰 100만 개당 0.09달러에서 0.038달러로 낮췄다. 호스팅 버전의 컨텍스트 창은 동시에 6만 4천 토큰에서 2만 4천 토큰으로 줄었다. 회사에 따르면 요청 중 새 한도를 초과한 비율은 0.24%에 불과했다.
더 낮은 가격으로 전환하기 전에 팀은 실제 요청과 문서의 길이를 확인하는 편이 좋다. 공개된 Clef-flash 가중치는 변경되지 않았다. Cloudflare는 자체 호스팅 모델이 최대 25만 6천 토큰의 컨텍스트를 지원한다고 밝혔다. 이 한도는 오픈 웨이트 버전에 해당하며, 컨텍스트 창이 2만 4천 토큰인 클라우드 버전에는 적용되지 않는다.
Clef-omni의 실용적인 아이디어는 멀티모달 입력과 사전에 정한 선택지 중 하나를 고르는 작업을 한 번의 요청으로 결합하는 것이다. 자료를 분류하거나, 소리와 이미지를 대조하거나, 정해진 필드를 채우는 제품이라면 자체 사례로 모델을 평가해 볼 수 있다. 클라우드와 자체 설치 중 선택할 때는 요금, 하드웨어 요구 사항, 필요한 컨텍스트 길이를 각각 고려해야 한다.