# Cloudflare为Clef决策模型加入音视频能力，并下调Clef‑flash价格

> Clef‑omni可通过一次API调用处理文本、图像、音频和视频；Clef‑flash现价为每百万token $0.038，原版Clef也提速了。

Oossa · 2026-10-09 · https://oossa.com/zh/cloudflare-adds-audio-and-video-to-its-clef-decision-model-and-lowers-price-of-c

Cloudflare于2026年10月9日宣布推出Clef‑omni，这是一款可同时接收音频、视频、图像和文本输入的决策模型。此次更新还下调了Clef‑flash的价格，使其低于竞品Jev模型，并提升了原版Clef在Cloudflare Workers AI平台上的运行速度。

## Clef‑omni的功能

Clef‑omni基于Qwen3‑Omni‑30B‑A3B‑Instruct混合专家模型构建。与只能处理文本的早期决策模型不同，它可以直接接收wav或mp3音频，以及mp4或webm视频，还能处理图片和文字。如今，开发者只需发送一次API请求，就能对来自这些媒体类型的选项进行评分，无须再单独搭建转录或图像识别流程。

测试显示，纯文本查询约需130 ms返回结果，图像输入约需150 ms，音频片段只需几百毫秒；处理一段带声音的21秒视频则约需1.5 秒。

## 价格与速度调整

Clef‑flash的价格已从每百万输入token $0.09降至$0.038，低于TypeSafe的Jev模型。托管版Clef‑flash的上下文窗口现限制为24 k token，低于此前的64 k；不过，开放权重仍支持256 k token，可供用户自行托管。

原版Clef的价格仍为每百万token $0.24。基础设施升级——包括改用SGLang服务框架——让它处理大型输入的速度提升了约一倍。

## 事实

- Clef‑omni于2026年10月9日推出，可在一次调用中处理文本、图像、音频（wav/mp3）和视频（mp4/webm）。
- Clef‑flash价格降至每百万输入token $0.038，低于Jev。
- 托管版Clef‑flash的上下文窗口缩减至24 k token；自托管权重仍支持256 k token。
- 处理一段21秒视频的中位响应时间约为1.5 秒。
- Clef提速：800‑token请求的中位响应时间现为152 ms，低于此前的262 ms。

## 为什么重要

开发者现在可以构建一个AI处理步骤，同时查看照片、声音片段和短视频，并据此作出判断，例如确认家用电器是否安装正确。Clef‑flash降价后，需要扫描大量图像或文档的小型企业也更容易负担决策模型的费用；原版Clef提速则有助于降低实时应用的延迟。

## 来源与参考

1. [Introducing Clef-omni with full multimodality, plus a faster Clef and a cheaper Clef-flash](https://blog.cloudflare.com/clef-faster-cheaper-multimodal/) – Cloudflare, 2026-10-09

最后更新: 2026-10-09