Cloudflare 推出开放权重决策模型 Clef-omni，单次调用可处理音视频
Cloudflare 10 月 9 日推出开放权重决策模型 Clef-omni，支持在单次 API 调用中处理文本、图像、音频和视频，权重已在 Hugging Face 开放。该模型基于 Qwen3-Omni-30B-A3B-Instruct 构建，面向结构化决策任务、不生成常规文本输出；相比此前只能处理文本、图像与视频抽帧的 Clef 系列，Clef-omni 新增完整的音频与视频输入，支持 wav、mp3、mp4、webm 格式，开发者无需再单独搭建语音转写与音视频拆分流程。Cloudflare 公布的测试中，其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；托管定价为每百万 Token 输入 0.15 美元、输出 0.60 美元。