Cloudflare, 9 Ekim 2026’da ses, video, görsel ve metin girdilerini birlikte kabul eden bir karar modeli olan Clef‑omni’yi kullanıma sunduğunu duyurdu. Aynı güncelleme kapsamında Clef‑flash’ın fiyatı rakip Jev modelinden daha düşük bir seviyeye inerken, Cloudflare’ın Workers AI platformundaki orijinal Clef modeli de hızlandı.
Clef‑omni neler yapabiliyor?
Clef‑omni, Qwen3‑Omni‑30B‑A3B‑Instruct adlı uzman karışımı (mixture-of-experts) temel modeli üzerine kurulu. Yalnızca metin işleyen önceki karar modellerinden farklı olarak, görsellerin ve metinlerin yanı sıra wav veya mp3 ses dosyalarını ve mp4 ya da webm videoları doğrudan işleyebiliyor. Artık bu medya türlerinden herhangi birindeki seçenekleri tek bir API isteğiyle puanlamak mümkün; böylece ayrıca ses dökümü çıkarma veya görüntü tanıma sistemleri kurma ihtiyacı ortadan kalkıyor.
Testlerde yalnızca metin içeren sorgular yaklaşık 130 ms’de, görsel girdiler yaklaşık 150 ms’de, ses klipleri birkaç yüz milisaniyede yanıtlanıyor. Ses içeren 21 saniyelik bir videonun işlenmesi ise yaklaşık 1,5 saniye sürüyor.
Fiyat ve hız değişiklikleri
Clef‑flash’ın fiyatı milyon girdi token’ı başına $0.09’dan $0.038’e düşürüldü; böylece model, TypeSafe’in Jev modelinden daha ucuz hale geldi. Barındırılan Clef‑flash sürümünün bağlam penceresi artık 24 k token ile sınırlı (önceden 64 k idi). Ancak açık ağırlıklar, modeli kendi sunucusunda çalıştıranlar için 256 k token’ı desteklemeye devam ediyor.
Orijinal Clef modelinin fiyatı milyon token başına $0.24 olarak kaldı. SGLang sunum altyapısına geçiş de dahil olmak üzere altyapı iyileştirmeleri sayesinde model, büyük girdilerde artık yaklaşık iki kat daha hızlı çalışıyor.
Neden önemli
Geliştiriciler artık örneğin bir ev aletinin doğru kurulup kurulmadığını belirlemek için fotoğrafı, ses kaydını ve kısa bir videoyu inceleyen tek bir yapay zekâ adımı oluşturabiliyor. Clef‑flash’ın fiyatının düşmesi, çok sayıda görseli veya belgeyi taraması gereken küçük işletmeler için karar modellerini daha erişilebilir kılıyor. Daha hızlı Clef modeli de gerçek zamanlı uygulamalardaki gecikmeyi azaltıyor.
