Cloudflare 发布 Clef-omni：30B-A3B 多模态决策模型，单次调用打分文本图像音视频

Cloudflare 于 2026-10-09 发布 Clef-omni，这是一个基于 Qwen3-Omni-30B-A3B-Instruct 的开放权重决策模型，可在一次请求中联合处理文本、图像、音频和视频，关注价值在于减少多模态流程中的转写、拆分和级联调用。

• Cloudflare 官方博客称，模型通过问题模式返回分类、选择或评分结果，而不是生成长文本。
• 官方文档显示，Workers AI 接口支持最多 4 张图像、4 段音频和 2 段视频，问题数上限为 64。
• Hugging Face 模型卡显示，其默认输入上限为 64000 tokens，并提供单张 H200 上运行的测试说明。
• 官方内部评测中，Clef-omni 在 BANKING77 和 CLINC150+OOS 等意图分类任务表现较高，但在部分工作流、推理和家电模拟任务中低于其他 Clef 模型。
• 这些评测由 Cloudflare 发布，模型卡明确标注为内部运行结果，不能直接等同于独立第三方测试。
• 影响/看点：多模态单调用可能降低工程编排复杂度，但是否适合生产取决于任务类型、输入质量、延迟、部署成本以及对错误决策的容忍度。
• 资料依据:
• Cloudflare Blog（2026-10-09）：https://blog.cloudflare.com/clef-faster-cheaper-multimodal/
• Cloudflare Workers AI 文档（2026-10-09）：https://developers.cloudflare.com/workers-ai/models/clef-omni/
• Hugging Face：Cloudflare/clef-omni（2026-10-09）：https://huggingface.co/Cloudflare/clef-omni

本内容由 AI 生成，仅供参考，请注意甄别