Michael JohnsonПеревірити за одним зверненням, чи читається маркування на фото, чи працює вентилятор на відео і чи чути сторонній шум в аудіозаписі, — такий приклад Cloudflare наводить для нової моделі Clef-omni. 9 жовтня 2026 року компанія оголосила про її випуск: модель приймає текст, зображення, аудіо та відео й оцінює варіанти відповідей на задані запитання.
Clef-omni продовжує сімейство моделей ухвалення рішень Clef, яке Cloudflare представила тижнем раніше. Розробник задає схему запитань і допустимих відповідей; модель повертає оцінки цих варіантів, придатні для структурованої обробки. Це підходить для класифікації звернень і мультимедійних матеріалів, коли результат потрібно передати в застосунок або робочий процес.
Одна схема для різних типів вхідних даних
В анонсі Cloudflare про Clef-omni модель описана як така, що побудована на базі Qwen3-Omni-30B-A3B-Instruct з архітектурою суміші експертів (mixture-of-experts). Вона підтримує текст і JSON, зображення, WAV і MP3 для аудіо, а також MP4 і WebM для відео. На кожне запитання з варіантами відповіді модель видає оцінки варіантів; це дає змогу застосунку обробляти результат у заздалегідь визначеному форматі.
Наприклад, під час сортування заявок про несправності команда може поставити запитання про читабельність маркування на фотографії, шум у записі та миготіння індикатора на відео. Такий єдиний запит об'єднує мультимодальні свідчення у структуровану відповідь для подальшої маршрутизації.
Cloudflare повідомляє про медіанну затримку близько 130 мс для текстових рішень і близько 150 мс для зображень. Для 21-секундного відео зі звуком компанія вказує приблизно 1,5 секунди. Це результати випробувань, про які повідомила компанія; для оцінювання власної системи важливі також її файли, схема запитань і спосіб розгортання.
Відкриті ваги та хмарний запуск
Cloudflare опублікувала ваги Clef-omni на Hugging Face за ліцензією Apache-2.0. Картка моделі описує локальний запуск і тестування на одному прискорювачі H200; для конфігурації bfloat16 зазначено близько 64 ГБ відеопам'яті. Це дає командам змогу оцінити самостійне розгортання з огляду на вимоги до обладнання та налаштування.
Для хмарної Clef-omni Cloudflare оголосила ціну $0,15 за мільйон вхідних токенів. Розрахунок залежить від складу вхідних даних: Cloudflare окремо описує, як зображення й аудіо перетворюються на тарифіковані токени, а відео також впливає на обсяг вхідних даних. Перед розрахунком бюджету слід перевірити поточні умови в документації Workers AI.
Clef-flash подешевшала, а контекст хмарної версії скоротився
У тому самому оновленні Cloudflare знизила ціну хмарної Clef-flash із $0,09 до $0,038 за мільйон вхідних токенів. Контекстне вікно хмарної версії водночас зменшилося з 64 тис. до 24 тис. токенів. За даними компанії, лише 0,24% запитів перевищували новий поріг.
Перед переходом на нижчу ціну командам варто перевірити довжину фактичних запитів і документів. Опубліковані ваги Clef-flash не змінювалися: Cloudflare зазначає, що для самостійного розгортання модель розрахована на контекст до 256 тис. токенів. Цей ліміт стосується відкритого варіанта, а не хмарної версії з вікном 24 тис.
Практична ідея Clef-omni — об'єднати мультимодальне введення та вибір із заздалегідь заданих варіантів в одному запиті. Для продуктів, які класифікують матеріали, зіставляють звук із зображенням або заповнюють фіксовані поля, її можна оцінити на власних прикладах. Обираючи між хмарним і самостійним розгортанням, слід окремо враховувати тариф, вимоги до обладнання та потрібну довжину контексту.