Cloudflare lanza el modelo de IA de decisión de código abierto Clef-omni con soporte para audio y vídeo

Cloudflare ha lanzado el modelo de IA de decisión de código abierto Clef-omni, que admite el procesamiento de texto, imágenes, audio y vídeo a través de una única llamada a la API. El modelo amplía las capacidades de la serie Clef anterior al añadir un completo soporte para la entrada de vídeo y audio, incluyendo formatos como wav, mp3, mp4 y webm. Los desarrolladores ahora pueden manejar múltiples tipos de entrada sin necesidad de pasos de preprocesamiento adicionales. Clef-omni está basado en Qwen3-Omni-30B-A3B-Instruct y está diseñado para tareas de decisión estructuradas, en lugar de generar texto estándar. En las pruebas, ha logrado un tiempo de respuesta medio de 130 milisegundos para el texto, 150 milisegundos para las imágenes y 1,5 segundos para un vídeo de 21 segundos con audio. Cloudflare también ha reducido el precio de Clef-flash a 0,038 USD por millón de tokens de entrada, una disminución del 58% desde los 0,09 USD, y ha reducido el tamaño de la ventana de contexto de 64k a 24k tokens. Los pesos del modelo ahora están disponibles en Hugging Face, lo que lo hace accesible a una audiencia más amplia. Cloudflare ha enfatizado que Clef-omni simplifica el proceso de integración para los desarrolladores al eliminar la necesidad de flujos de trabajo de procesamiento de audio separados. La empresa ha destacado la eficiencia y versatilidad del modelo, posicionándolo como una herramienta valiosa para aplicaciones que requieren el análisis de entrada multimodal.