Cloudflare决策模型Clef-omni新增音视频

时间：2026年10月9日 地点：美国加州旧金山（Cloudflare 总部） 人物：Cloudflare Workers AI 团队、TypeSafe（Jev 作者）、微软（Decision-1）、阿里 Qwen 团队 事件详情：Cloudflare 于10月9日推出开放权重多模态决策模型 Clef-omni，让决策模型首次原生接收音频（wav/mp3）与完整视频（mp4/webm），文本、图像、音频、视频可在一次 API 调用中同时评分，开发者不必再搭语音转写、视频拆帧的级联管线。同日 Clef-flash 每百万输入 token 价格由 0.09 美元降至 0.038 美元，降幅约58%，已低于 Jev；托管版 Clef 同步提速，3400 token 输入的中位耗时从 616 毫秒降到 305 毫秒，约2倍。Clef-omni 输入价为每百万 token 0.15 美元、输出 0.60 美元，模型权重已在 Hugging Face 开放。 背景：决策模型只输出带校准概率的结构化结果、不生成正文文本，自9月中旬 TypeSafe 推出 Jev 后迅速成为独立赛道。Cloudflare 上周刚开源 Clef 与 Clef-flash（Apache 2.0 授权），微软近日发布 Decision-1，中国 StartLux、Liquid AI 的 d1、Musubi 等接连入场，竞争快速集中到速度与价格两个维度。 影响：Clef-omni 基于 Qwen3-Omni-30B-A3B-Instruct 构建，保留理解主干并去掉文本转语音输出组件，因不生成输出 token 而省去转写与字幕开销。官方测试中纯文本决策中位约130毫秒、图像约150毫秒，21秒带声音视频约1.5秒完成评分；BANKING77 宏F1 达94.8、CLINC150+OOS 达97.7，均高于 Jev。为把价格压下来，Clef-flash 托管版上下文由64k缩至24k，Cloudflare 称仅0.24%的请求超过24k，Hugging Face 权重仍支持256k自托管。 总结：多模态、降价、提速三项更新同步落地，意味着智能体的判断类调用（内容审核、路由、工具选择）可以不再依赖前沿大模型 API，决策模型正长成一层低成本、高吞吐的独立基础设施，Jev 与微软 Decision-1 将直接面对价格压力。 参考来源： 1. https://blog.cloudflare.com/clef-faster-cheaper-multimodal/ 2. https://www.ithome.com/1/011/347.htm 3. https://huggingface.co/Cloudflare/clef-omni 4. https://developers.cloudflare.com/workers-ai/models/clef-omni/ 5. https://openrouter.ai/cloudflare/clef-omni 6. https://www.techmeme.com/261009/p34 7. https://m.sohu.com/a/1085993545_122396381