Cloudflare는 2026년 10월 9일 오디오, 비디오, 이미지, 텍스트를 함께 입력받는 의사결정 모델 Clef-omni를 출시한다고 발표했다. 이번 업데이트로 Clef-flash 모델의 가격은 경쟁 모델 Jev보다 낮아졌으며, Cloudflare의 Workers AI 플랫폼에서 기존 Clef 모델의 속도도 빨라졌다.
Clef-omni의 기능
Clef-omni는 Qwen3-Omni-30B-A3B-Instruct 기반의 전문가 혼합(MoE) 모델이다. 텍스트만 처리하던 이전 의사결정 모델과 달리, 이미지와 텍스트뿐 아니라 wav 또는 mp3 오디오, mp4 또는 webm 비디오도 직접 입력받을 수 있다. 이제 API 요청 한 번으로 이들 미디어 유형의 정보를 바탕으로 선택지를 평가할 수 있어, 별도의 음성 전사나 이미지 인식 처리 과정을 거칠 필요가 없다.
테스트 결과 텍스트만 입력하면 약 130ms, 이미지는 약 150ms, 오디오 클립은 수백 밀리초 만에 응답했다. 소리가 포함된 21초짜리 비디오는 약 1.5초 만에 처리했다.
가격 및 속도 변경
Clef-flash의 가격은 입력 토큰 100만 개당 $0.09에서 $0.038로 인하돼 TypeSafe의 Jev 모델보다 저렴해졌다. 호스팅 버전 Clef-flash의 컨텍스트 길이는 64 k에서 24 k 토큰으로 줄었다. 다만 오픈 웨이트 모델은 자체 호스팅 시에도 256 k 토큰을 지원한다.
기존 Clef 모델의 가격은 토큰 100만 개당 $0.24로 유지된다. SGLang 서빙 프레임워크로 이전하는 등 인프라를 업그레이드한 덕분에 대규모 입력 처리 속도는 약 두 배 빨라졌다.
왜 중요한가
개발자는 사진, 음성 클립, 짧은 동영상을 한 번에 살펴보고 가전제품이 제대로 설치됐는지 판단하는 식의 AI 작업 단계를 만들 수 있다. Clef-flash 가격 인하로 많은 이미지나 문서를 살펴봐야 하는 소규모 기업도 의사결정 모델을 더 저렴하게 이용할 수 있으며, Clef 모델의 속도 향상은 실시간 애플리케이션의 지연 시간을 줄여준다.
