Cloudflare a annoncé le 9 oct. 2026 le lancement de Clef‑omni, un modèle de décision qui accepte simultanément des entrées audio, vidéo, image et texte. La même mise à jour rend également le modèle Clef‑flash moins cher que le modèle Jev concurrent et accélère le modèle Clef original sur la plateforme Workers AI de Cloudflare.
Ce que Clef‑omni peut faire
Clef‑omni repose sur le modèle de fondation à mélange d’experts Qwen3‑Omni‑30B‑A3B‑Instruct. Contrairement aux anciens modèles de décision, qui ne traitaient que du texte, il peut ingérer directement des fichiers audio wav ou mp3 et des vidéos mp4 ou webm, ainsi que des images et du texte. Un seul appel API permet désormais d’évaluer des options à partir de ces différents types de médias, sans avoir besoin de pipelines distincts de transcription ou de reconnaissance d’images.
Lors des tests, les requêtes contenant uniquement du texte reçoivent une réponse en environ 130 ms, celles avec des images en environ 150 ms, les clips audio en quelques centaines de millisecondes, et une vidéo de 21 secondes avec son est traitée en quelque 1,5 seconde.
Évolution des prix et de la vitesse
Le prix de Clef‑flash a été réduit de $0.09 à $0.038 par million de jetons d’entrée, ce qui le rend moins cher que le modèle Jev de TypeSafe. La fenêtre de contexte de la version hébergée de Clef‑flash est désormais limitée à 24 k jetons, contre 64 k auparavant. Les poids disponibles en open source prennent toutefois toujours en charge 256 k jetons en auto-hébergement.
Le modèle Clef original reste à $0.24 par million de jetons et fonctionne désormais environ deux fois plus vite avec les grandes entrées, grâce à des améliorations de l’infrastructure, notamment l’adoption du framework de service SGLang.
Pourquoi c'est important
Les développeurs peuvent désormais créer une étape d’IA unique qui analyse une photo, un extrait sonore et une courte vidéo pour déterminer, par exemple, si un appareil électroménager est correctement installé. La baisse du prix de Clef‑flash rend les modèles de décision abordables pour les petites entreprises qui doivent analyser de nombreuses images ou documents, tandis que l’accélération de Clef réduit la latence des applications en temps réel.
