Cloudflare hat Clef-omni veröffentlicht, einen multimodalen Klassifikator, der Text, Bilder, Audio und Video akzeptiert, aber typisierte Antworten statt erzeugter Prosa liefert.
Das Modell erweitert die Clef-Klassifikationsfamilie mit Qwen3-Omni als Basis. Cloudflare fror diese Basis ein, trainierte leichtgewichtige Adapter und ergänzte einen Kopf, der eine Eingabe in einem einzigen Vorwärtsdurchlauf direkt auf ein nutzerdefiniertes Labelschema abbildet.
Warum das wichtig ist
Für Entwickler, die Supportnachrichten sortieren, Produktfotos prüfen oder kurze Clips zuordnen, bietet Clef-omni eine gemeinsame Klassifikationsschnittstelle für mehrere Medientypen. Das kann eine separate Transkriptions- oder Bildbeschriftungsstufe überflüssig machen, wobei Cloudflare keine unabhängigen Ende-zu-Ende-Vergleiche mit solchen Verarbeitungsketten veröffentlicht hat.
Cloudflare erklärt, Clef-omni sei ein Mixture-of-Experts-Modell mit 30 Milliarden Parametern, das für eine Eingabe rund 3 Milliarden Parameter aktiviere. In den Workers-AI-Messungen des Unternehmens dauerte Textklassifikation rund 130 Millisekunden, die Verarbeitung von Bildern rund 150 Millisekunden und die eines 21-sekündigen Videos mit Audio rund 1,5 Sekunden. Diese Zeiten sind Anbietertests und variieren mit Eingabegröße, Warteschlangen und Bereitstellung.
Das Benchmark-Bild ist gemischt statt durchgehend besser. Cloudflares Tabelle sieht das ältere dichte Clef bei mehreren Textaufgaben vorn, während Clef-omni beim Intent-Datensatz BANKING77 knapp führt: 94,8 % gegenüber 94,2 %. Der praktische Unterschied des neuen Modells liegt in seiner Eingabebreite, nicht in einem allgemeinen Anspruch auf höhere Textgenauigkeit.
Cloudflare änderte auch die Bedingungen für Clef-flash. Sein angegebener Eingabepreis sank von 0,09 auf 0,038 Dollar pro Million Token, während das Kontextfenster von 64.000 auf 24.000 Token schrumpfte. Clef bleibt bei 0,24 Dollar pro Million Eingabe-Token, und Clef-omni startet bei 0,15 Dollar.
Die Clef-omni-Gewichte sind unter Apache 2.0 auf Hugging Face verfügbar. Die Modellkarte nennt insgesamt rund 35,3 Milliarden Parameter und erklärt, der aktuelle benutzerdefinierte Loader benötige etwa 64 GB BF16-Speicher auf einer GPU der H200-Klasse. Cloudflare erklärt, SGLang-Unterstützung sei geplant, nennt aber kein Veröffentlichungsdatum.
Was ansteht
Die offenen Gewichte ermöglichen jetzt unabhängige Latenz-, Kalibrierungs- und Genauigkeitstests. Unterstützung in einer gängigen Inferenz-Engine wird für Teams wichtig sein, die das Modell außerhalb von Workers AI betreiben wollen, ohne Cloudflares eigenen Loader zu pflegen.
Überprüfung
| Behauptung | Einstufung | Primärquelle | Unabhängige Überprüfung |
|---|---|---|---|
| Cloudflare veröffentlichte Clef-omni mit Text-, Bild-, Audio- und Videoeingaben sowie typisierten Klassifikationsausgaben | VERIFIZIERT | blog.cloudflare.com | huggingface.co/Cloudflare/clef-omni |
| Cloudflare meldet rund 130 ms für Text, 150 ms für Bilder und 1,5 s für einen 21-sekündigen audiovisuellen Clip | LAUT UNTERNEHMEN | blog.cloudflare.com | keine |
| Cloudflares Tabelle meldet 94,8 % auf BANKING77 für Clef-omni und 94,2 % für Clef | LAUT UNTERNEHMEN | blog.cloudflare.com | keine |
| Clef-flash kostet nun 0,038 Dollar pro Million Eingabe-Token und hat ein Kontextfenster von 24.000 Token | VERIFIZIERT | blog.cloudflare.com | keine |
| Apache-2.0-Gewichte und ein benutzerdefinierter Loader sind verfügbar; SGLang-Unterstützung ist geplant | VERIFIZIERT | huggingface.co/Cloudflare/clef-omni | blog.cloudflare.com |