2026 年 10 月 9 日，Cloudflare 宣布推出 Clef-omni，在 Clef 决策模型系列中加入音频和视频输入。开发者可在一次调用中结合文字、图片、声音与视频证据，按预设问题得到结构化判断。
新增能力：多种输入进入同一决策流程
官方公告列出的格式包括 WAV、MP3 音频，以及 MP4、WebM 视频。模型面向分类与评分任务：用户提供背景资料、候选选项和判断要求，系统返回选项概率或评分。它的重点是做决策，不能将其当作生成歌曲或视频的创作工具。
如何访问，费用怎么算？
Cloudflare 已开放模型权重，并提供 Workers AI 托管调用入口。模型卡标注 Apache 2.0 许可；自行部署仍需准备合适的计算资源。权重开放不等于托管服务无限免费。
截至本文核对时，官方文档列出 Clef-omni 托管价格为每百万输入令牌 0.15 美元，不对输出令牌收费。图片、音频和视频会换算为输入令牌参与计费。上下文窗口为 64,000 令牌，每次请求最多接受 4 段音频和 2 段视频；媒体与问题也占用上下文。价格和限制应以官方最新文档为准。
对 AI 工具使用者有什么参考价值？
本站分析：当任务需要结合截图、录音和现场视频做分类时，统一的决策入口有机会简化多个模型之间的数据传递。例如，可设计设备资料审核或客服工单分流流程，再用自己的样本检查分类是否稳定。此类应用是使用思路，不是本文已验证的产品效果。
实际选型时，应分别比较判断准确性、置信度是否可靠、输入限制与总成本。官方示例或性能数字不能替代业务数据上的验证；本文未独立复现模型评测。
原始来源
信息核对日期：2026 年 10 月 11 日。本文依据官方资料整理，分析部分为本站观点。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
