据MarkTechPost报道，Cloudflare于2026年10月9日发布开放权重多模态决策模型Clef-omni，距其Clef和Clef-flash上线仅8天。该模型可通过一次调用对文本、图像、音频和视频给出带概率的类型化答案，省略多模态智能体管线中常见的转写和字幕步骤；同次更新还将Clef-flash价格压至TypeSafe的Jev之下，并使托管Clef速度约提升一倍。
Clef-omni采用30B总参数、3B激活参数的混合专家结构，在Workers AI上以@cf/cloudflare/clef-omni提供，支持64,000 token上下文。Cloudflare称，自托管在单张H200上测试，bfloat16精度约需64GB显存。模型从Qwen3-Omni-30B-A3B-Instruct后训练而来，保留理解骨干，移除文本转语音输出路径；输入完整负载只做一次预填充，视频帧与音频被同步进同一序列联合处理，再由一个小型联合schema头对候选选项打分。Cloudflare冻结Qwen3骨干，仅训练LoRA适配器，训练目标结合标签平滑交叉熵与Brier分数校准。
决策模型与生成文本的模型不同：用户提交状态和问题模式，模型返回每个允许选项的概率，而非续写文字。Clef支持noul、choice和score三类问题，格式沿用TypeSafe AI的Jev与SystemOne API。Workers AI开发者文档列出，图像最多4张，支持PNG、JPEG或WebP，每张64至1024 token；音频最多4段，支持WAV或MP3，每段300秒，约每分钟780 token；视频最多2段，支持MP4或WebM，每段60秒，按每秒2帧采样；每次请求可包含1至64个问题。Cloudflare报告文本决策中位延迟约130毫秒，图像约150毫秒，一段21秒带声音视频约1.5秒完成评分。
基准表现分化。Cloudflare在Decision Index中将其与Clef、Clef-flash和Jev对比。Clef-omni在意图分类领先，BANKING77宏平均F1为94.8，CLINC150+OOS为97.7，Amazon ESCI为57.8，均为四者最高。但在家电case-exact准确率上仅69.3，Clef-flash为97.73；When2Call准确率63.3，Jev为80.97；在TypeSafe工作流评测的5项指标上全部低于Clef。GPQA Diamond得分为47.4，Jev为78.3；POP909-CL准确率只有2.6。Cloudflare公布的数据显示，Jev参数量未披露，Clef-omni输入价格为每百万token 0.15美元，Clef为0.24美元，Clef-flash为0.038美元，Jev为0.042美元；前三者均为Apache-2.0许可。
同次更新中，Cloudflare把托管Clef迁移到SGLang并调整服务栈，没有发布新权重。约800 token下中位延迟从262毫秒降至152毫秒，约3400 token从616毫秒降至305毫秒，约16000 token从2721毫秒降至1635毫秒。Clef支持已进入SGLang 0.5.22。MarkTechPost称，上述基准分数来自Cloudflare公告，未经独立验证。