Cloudflare 推出音视频决策模型 Clef-omni，Clef-flash 降价并缩短托管上下文
Cloudflare 发布开放权重决策模型 Clef-omni，新增原生音频、视频输入；同批更新降低 Clef-flash 价格，并加快托管版 Clef 的响应。
Clef-omni 可在一次调用中处理文字、图片、音频和带声音的视频，对预设选项评分，适合分类、检测和工作流决策。公司称它直接处理这些输入，无需先串接语音转文字等模型；音频支持 wav、mp3，视频支持 mp4、webm。它不生成开放式回答，也不提供语音合成输出。
公告列出的价格均按每百万输入 token 计：Clef-flash 从0.09美元降至0.038美元，Clef 维持0.24美元，Clef-omni 为0.15美元。降价伴随托管版 Clef-flash 上下文从原先宣传的64k缩至24k；Clef 仍为64k。Clef-flash 的开放权重没有变化，公司称其训练支持256k上下文，适用于自行部署。
公司给出的托管版 Clef 测试显示，约3,400 token 输入的响应中位数从616毫秒降至305毫秒，第95百分位从777毫秒降至531毫秒。这轮提速来自服务基础设施优化，没有为此发布新权重。另据公司测试，Clef-omni 对文字输入的响应中位数约130毫秒，对一段21秒有声视频的评分约需1.5秒。
Cloudflare 表示 Clef 系列可通过 AI Gateway 使用，并兼容 Jev API；Clef-omni 权重也已发布到 Hugging Face。公告将图片、音频如何折算为计费输入 token 的细节指向开发者文档，因此上述单价不能直接换算成每张图片或每分钟媒体的费用。
来源
- Introducing Clef-omni with full multimodality, plus a faster Clef and a cheaper Clef-flash — Cloudflare