Cloudflare выпустила мультимодальную модель Clef-omni
2026-10-09 Cloudflare выпустила Clef-omni — модель для принятия решений по тексту, изображениям, аудио и видео. Она построена на Qwen3-Omni-30B-A3B-Instruct: всего 30 млрд параметров, при обработке запроса задействуются 3 млрд. Модель не пишет свободный текст, а оценивает заданные варианты ответа и возвращает вероятность каждого из них.
Clef-omni доступна в Workers AI под идентификатором @cf/cloudflare/clef-omni с контекстом 64 000 токенов. Цена составляет 0,15 USD за 1M входных токенов, плата за выходные токены не взимается; изображения, аудио и видео предварительно переводятся в токены. Веса опубликованы по Apache-2.0, поэтому модель можно развернуть у себя; для работы в BF16, по данным вендора, требуется около 64 ГБ памяти ускорителя. В отличие от Clef и Clef-flash, новая версия принимает аудио и видео напрямую, без отдельного распознавания речи и разделения медиапотоков.
Решение подходит для маршрутизации обращений, проверки документов, разбора звонков и видеоконтроля, когда перечень допустимых результатов известен заранее. Один миллион входных токенов обойдётся примерно в 12 руб. при условном курсе 80 руб. за USD, но фактическая стоимость мультимедиа зависит от правил перевода файлов в токены. Основной риск — узкая специализация: Clef-omni не заменяет диалоговую модель, а опубликованные показатели скорости и качества получены Cloudflare; независимых замеров пока нет. Перед внедрением стоит проверить модель на собственных аудио- и видеоданных и отдельно оценить расход токенов.