9 октября 2026 года Cloudflare объявила о запуске Clef‑omni — модели для принятия решений, которая одновременно принимает аудио, видео, изображения и текст. В рамках того же обновления компания снизила цену Clef‑flash, сделав модель дешевле конкурирующей Jev, и ускорила исходную Clef на платформе Workers AI.
Возможности Clef‑omni
В основе Clef‑omni — модель Qwen3‑Omni‑30B‑A3B‑Instruct с архитектурой «смесь экспертов». В отличие от прежних моделей для принятия решений, работавших только с текстом, она напрямую обрабатывает аудио в форматах wav и mp3, видео в форматах mp4 и webm, а также изображения и текст. Теперь один API-запрос может оценивать варианты на основе любых из этих типов данных — без отдельных этапов распознавания речи или изображений.
В ходе тестирования запросы только с текстом обрабатывались примерно за 130 мс, с изображениями — примерно за 150 мс, аудиоклипы — за несколько сотен миллисекунд, а 21-секундное видео со звуком — примерно за 1,5 секунды.
Изменения цен и скорости
Цена Clef‑flash снизилась с $0.09 до $0.038 за миллион входных токенов — теперь модель дешевле Jev от TypeSafe. Контекстное окно размещённой в облаке Clef‑flash теперь ограничено 24 k токенов вместо 64 k, однако веса модели с открытым доступом по-прежнему поддерживают 256 k токенов при самостоятельном размещении.
Цена исходной модели Clef остаётся прежней — $0.24 за миллион токенов. Благодаря обновлению инфраструктуры, в том числе переходу на фреймворк обслуживания моделей SGLang, она теперь примерно вдвое быстрее обрабатывает большие запросы.
Почему это важно
Теперь разработчики могут создать единый этап обработки с ИИ, который анализирует фотографию, аудиозапись и короткое видео, чтобы, например, определить, правильно ли установлен бытовой прибор. Снижение цены Clef‑flash делает модели для принятия решений доступнее малому бизнесу, которому нужно анализировать множество изображений или документов, а более быстрая Clef уменьшает задержки в приложениях, работающих в реальном времени.
