IT之家10月10日消息，Cloudflare昨日(10月9日)发布公告，宣布推出开放权重决策模型Clef-omni，支持单次API调用处理文本、图像、音频和视频等。

　　定位方面，该模型在此前Clef系列模型基础上，扩展支持多模态输入，模型权重已在Hugging Face开放。

　　多模态支持方面，此前的Clef支持文本、图像及从视频中抽取的连续画面(把视频按时间抽取成一张张静态图像，再把这些图像按顺序作为输入交给模型)，而Clef-omni新增音频和完整视频输入，支持wav、mp3、mp4和webm格式。

　　Cloudflare称，开发者无需另行搭建语音转写及音视频拆分流程，可用一个模型处理多种输入。

　　Cloudflare称，Clef-omni基于Qwen3-Omni-30B-A3B-Instruct构建，并保留其主要理解能力。模型面向结构化决策任务，不生成常规文本输出。公司公布的测试中，纯文本请求中位响应时间约130毫秒，图像约150毫秒；带声音的21秒视频约1.5秒完成评分。

　　Cloudflare还将Clef-flash每百万输入Token价格从0.09美元(IT之家注：现汇率约合0.6元人民币)降至0.038美元(现汇率约合0.25元人民币)，降幅约58%。Clef-flash托管版上下文窗口同步从64k缩至24k。