Cloudflare lança o modelo de IA de tomada de decisão de código aberto Clef-omni com suporte para áudio e vídeo

A Cloudflare lançou o modelo de IA de tomada de decisão de código aberto, Clef-omni, que suporta o processamento de texto, imagens, áudio e vídeo através de uma única chamada de API. O modelo estende as capacidades da série Clef anterior, adicionando suporte completo para entrada de vídeo e áudio, incluindo formatos como wav, mp3, mp4 e webm. Os desenvolvedores agora podem lidar com vários tipos de entrada sem etapas de pré-processamento adicionais. O Clef-omni é construído em Qwen3-Omni-30B-A3B-Instruct e é projetado para tarefas de tomada de decisão estruturadas, em vez de gerar texto padrão. Em testes, atingiu um tempo de resposta médio de 130 milissegundos para texto, 150 milissegundos para imagens e 1,5 segundos para um vídeo de 21 segundos com áudio. A Cloudflare também reduziu o preço do Clef-flash para 0,038 USD por milhão de tokens de entrada, uma redução de 58% de 0,09 USD, e reduziu a janela de contexto de 64k para 24k tokens. Os pesos do modelo estão agora disponíveis no Hugging Face, tornando-o acessível a um público mais amplo. A Cloudflare enfatizou que o Clef-omni simplifica o processo de integração para desenvolvedores, eliminando a necessidade de fluxos de trabalho de processamento de áudio separados. A empresa destacou a eficiência e versatilidade do modelo, posicionando-o como uma ferramenta valiosa para aplicações que exigem análise de entrada multimodal.