Cloudflare ने 9 Oct, 2026 को Clef‑omni लॉन्च करने की घोषणा की। यह एक ऐसा निर्णय मॉडल है जो ऑडियो, वीडियो, तस्वीरें और टेक्स्ट—सभी को एक साथ इनपुट के रूप में लेता है। इसी अपडेट के तहत Clef‑flash मॉडल की कीमत प्रतिस्पर्धी Jev मॉडल से कम की गई है और Cloudflare के Workers AI प्लेटफ़ॉर्म पर मूल Clef मॉडल की रफ़्तार भी बढ़ाई गई है।
Clef‑omni क्या कर सकता है
Clef‑omni, Qwen3‑Omni‑30B‑A3B‑Instruct mixture‑of‑experts फ़ाउंडेशन पर बना है। पहले के उन निर्णय मॉडलों से अलग, जो सिर्फ़ टेक्स्ट संभालते थे, यह तस्वीरों और शब्दों के साथ wav या mp3 ऑडियो और mp4 या webm वीडियो भी सीधे इनपुट ले सकता है। अब एक ही API अनुरोध में इन सभी मीडिया प्रकारों से विकल्पों का आकलन किया जा सकता है; अलग से ट्रांसक्रिप्शन या इमेज-रिकग्निशन पाइपलाइन की ज़रूरत नहीं पड़ती।
परीक्षणों में, सिर्फ़ टेक्स्ट वाले सवालों का जवाब करीब 130 ms में, तस्वीरों वाले इनपुट का करीब 150 ms में और ऑडियो क्लिप का कुछ सौ मिलीसेकंड में मिला। आवाज़ वाले 21‑सेकंड के वीडियो को करीब 1.5 सेकंड में प्रोसेस किया गया।
कीमत और रफ़्तार में बदलाव
Clef‑flash की कीमत $0.09 से घटाकर $0.038 प्रति दस लाख इनपुट टोकन कर दी गई है, जिससे यह TypeSafe के Jev मॉडल से सस्ता हो गया है। होस्ट किए गए Clef‑flash की कॉन्टेक्स्ट विंडो अब 24 k टोकन तक सीमित है—पहले यह 64 k थी। हालांकि, खुद होस्ट करने के लिए उपलब्ध ओपन-वेट वज़न अब भी 256 k टोकन को सपोर्ट करते हैं।
मूल Clef मॉडल की कीमत $0.24 प्रति दस लाख टोकन पर बरकरार है। इंफ्रास्ट्रक्चर में सुधार, जिसमें SGLang सर्विंग फ़्रेमवर्क पर जाना भी शामिल है, की बदौलत बड़े इनपुट पर यह अब करीब दोगुनी रफ़्तार से चलता है।
यह क्यों मायने रखता है
डेवलपर अब ऐसा एक AI चरण बना सकते हैं जो तस्वीर, ऑडियो क्लिप और छोटा वीडियो देखकर यह तय करे कि, मसलन, कोई घरेलू उपकरण सही ढंग से लगाया गया है या नहीं। Clef‑flash की कम कीमत से छोटे कारोबारों के लिए बड़ी संख्या में तस्वीरों या दस्तावेज़ों की जांच करने वाले निर्णय मॉडल किफ़ायती हो जाते हैं, जबकि तेज़ Clef मॉडल रियल-टाइम ऐप्लिकेशन में देरी कम करता है।
