Michael JohnsonIn één verzoek controleren of een etiket op een foto leesbaar is, een ventilator op video werkt en er een vreemd geluid op een audio-opname te horen is: dat is het voorbeeld dat Cloudflare geeft voor het nieuwe model Clef-omni. Op 9 oktober 2026 kondigde het bedrijf de release aan: het model verwerkt tekst, afbeeldingen, audio en video en beoordeelt antwoordopties aan de hand van vooraf bepaalde vragen.
Clef-omni bouwt voort op de Clef-familie van besluitvormingsmodellen, die Cloudflare een week eerder introduceerde. De ontwikkelaar stelt een schema met vragen en toegestane antwoorden op; het model retourneert scores voor die opties, geschikt voor gestructureerde verwerking. Dit is handig voor het classificeren van verzoeken en multimediabestanden wanneer het resultaat moet worden doorgegeven aan een applicatie of workflow.
Eén schema voor verschillende soorten invoer
In de aankondiging van Cloudflare over Clef-omni wordt het model beschreven als gebaseerd op Qwen3-Omni-30B-A3B-Instruct met een mixture-of-experts-architectuur. Het ondersteunt tekst en JSON, afbeeldingen, WAV en MP3 voor audio, en MP4 en WebM voor video. Voor elke vraag met antwoordopties geeft het model scores voor de opties; zo kan een applicatie het resultaat in een vooraf bepaald formaat verwerken.
Bij het sorteren van storingsmeldingen kan een team bijvoorbeeld vragen stellen over de leesbaarheid van een etiket op een foto, geluidsoverlast op een opname en een knipperend indicatielampje op video. Met één verzoek wordt multimodaal bewijsmateriaal samengebracht in een gestructureerd antwoord voor verdere routering.
Cloudflare meldt een mediane latentie van ongeveer 130 ms voor beslissingen op basis van tekst en ongeveer 150 ms voor afbeeldingen. Voor een video van 21 seconden met geluid noemt het bedrijf circa 1,5 seconde. Dit zijn resultaten van tests die het bedrijf zelf rapporteert; voor de beoordeling van een eigen systeem zijn ook de bestanden, het vragenschema en de manier van implementeren van belang.
Open gewichten en draaien in de cloud
Cloudflare publiceerde de gewichten van Clef-omni op Hugging Face onder de Apache-2.0-licentie. De modelkaart beschrijft lokaal gebruik en testen op één H200-versneller; voor de bfloat16-configuratie is ongeveer 64 GB videogeheugen vermeld. Zo kunnen teams zelf hosten evalueren, rekening houdend met de hardware- en configuratievereisten.
Voor de cloudversie van Clef-omni kondigde Cloudflare een prijs van $0,15 per miljoen invoertokens aan. De kosten hangen af van de samenstelling van de invoer: Cloudflare legt afzonderlijk uit hoe afbeeldingen en audio worden omgezet in factureerbare tokens; video heeft eveneens invloed op de hoeveelheid invoer. Raadpleeg voor een budgetberekening de actuele voorwaarden in de documentatie van Workers AI.
Clef-flash is goedkoper geworden, maar de context van de cloudversie is kleiner
In dezelfde update verlaagde Cloudflare de prijs van de gehoste Clef-flash van $0,09 naar $0,038 per miljoen invoertokens. Tegelijkertijd werd het contextvenster van de gehoste versie verkleind van 64.000 naar 24.000 tokens. Volgens het bedrijf overschreed slechts 0,24% van de verzoeken de nieuwe grens.
Voordat ze overstappen op het lagere tarief, doen teams er goed aan de lengte van hun werkelijke verzoeken en documenten te controleren. De gepubliceerde gewichten van Clef-flash zijn niet gewijzigd: volgens Cloudflare is het model bij zelfhosting geschikt voor een context van maximaal 256.000 tokens. Die limiet geldt voor de open variant, niet voor de cloudversie met een venster van 24.000 tokens.
Het praktische idee achter Clef-omni is dat multimodale invoer en de keuze uit vooraf vastgelegde opties in één verzoek worden gecombineerd. Producten die bestanden classificeren, geluid aan afbeeldingen koppelen of vaste velden invullen, kunnen het model met eigen voorbeelden evalueren. Bij de keuze tussen de cloudversie en zelfhosting moeten het tarief, de hardwarevereisten en de benodigde contextlengte afzonderlijk worden meegewogen.