Cloudflare Clef-omni Une Audio, Video, Imágenes y Texto en un Solo Modelo de IA
Cloudflare amplía su familia de modelos de decisión de peso abierto Clef con una adición multimodal, inferencia más rápida para Clef y precios más bajos para Clef-flash. El anuncio del 9 de octubre de 2026 se centra en hacer que las decisiones impulsadas por IA sean más flexibles, receptivas y asequibles para los desarrolladores.
Los modelos de IA son cada vez más útiles para más que solo leer texto y clasificar información escrita. Los desarrolladores necesitan cada vez más sistemas que puedan evaluar fotografías, grabaciones, videoclips e instrucciones escritas conjuntamente. Combinar estas entradas puede ser difícil cuando cada tipo de medio requiere un paso de procesamiento separado.
Ese es el problema que Cloudflare está abordando con Clef-omni, su última incorporación a la familia Clef. Anunciado el 9 de octubre de 2026, el modelo acepta audio, video, imágenes y texto dentro de un único flujo de trabajo de toma de decisiones. Cloudflare también anunció un precio de token de entrada más bajo para Clef-flash y optimizaciones de servicio que hacen que Clef sea más rápido.
Estas actualizaciones se dirigen a los desarrolladores que crean sistemas de clasificación, flujos de trabajo automatizados y agentes de IA que necesitan interpretar información y seleccionar acciones apropiadas en lugar de simplemente generar respuestas conversacionales.
Un modelo de decisión puede evaluar múltiples tipos de entrada, mientras que las mejoras en velocidad y precio hacen que la familia Clef sea más práctica para diferentes cargas de trabajo.
¿Qué es Cloudflare Clef-omni?
Clef-omni es un modelo de decisión de peso abierto diseñado para evaluar diferentes tipos de entrada y producir decisiones estructuradas. A diferencia de un flujo de trabajo que primero convierte audio a texto y luego envía ese texto a otro modelo, Clef-omni puede procesar las modalidades proporcionadas juntas a través de un pipeline unificado.
El modelo acepta texto e imágenes junto con archivos de audio en formato WAV o MP3 y archivos de video en formato MP4 o WebM. Para video, puede considerar la banda sonora junto con los fotogramas visuales, permitiendo que la evidencia de lo que se ve y se oye contribuya a la misma decisión.
Cloudflare construyó Clef-omni sobre la base de mixture-of-experts Qwen3-Omni-30B-A3B-Instruct, conservando sus capacidades principales de comprensión y eliminando los componentes de salida de texto a voz.
¿Por qué importa un Pipeline Multimodal Unificado?
Los flujos de trabajo multimodales tradicionales pueden depender de varios modelos conectados. Un modelo transcribe el habla, otro procesa la información visual y un modelo de decisión combina los resultados para determinar qué debe suceder a continuación.
Clef-omni está diseñado para reducir esta cadena de procesamiento. Evalúa los medios proporcionados y las opciones de respuesta disponibles conjuntamente, utilizando un proceso de decisión estructurado en lugar de generar una respuesta larga en lenguaje natural.
Varias etapas de procesamiento
Transcribir audio, separar información de video, combinar las salidas y luego tomar una decisión.
Un proceso de decisión unificado
Evaluar texto, imágenes, audio y video conjuntamente dentro de una única solicitud de modelo.
El modelo utiliza una arquitectura mixture-of-experts y un enfoque de atención-enrutamiento de dos etapas para recopilar evidencia de posibles respuestas y calcular puntuaciones de confianza. Una gramática léxica incorporada ayuda a preservar el significado de las opciones disponibles, apoyando decisiones que siguen una estructura de salida especificada.
Dado que los modelos Clef están diseñados para la toma de decisiones en lugar de la generación convencional de texto largo, Clef-omni evita el paso adicional de generación de salida utilizado por muchos flujos de trabajo de modelos de lenguaje. Este diseño está destinado a soportar decisiones rápidas y restringidas por esquema a través de diferentes tipos de entrada.
¿Qué Podrían Hacer los Desarrolladores con Clef-omni?
El anuncio de Cloudflare demuestra un flujo de trabajo para revisar una instalación utilizando una fotografía, una grabación de audio y un video. En lugar de procesar cada archivo a través de una cadena independiente de modelos, un desarrollador puede enviar la información conjuntamente y hacer preguntas específicas.
Inspeccionar una imagen
Determinar si la etiqueta del modelo y número de serie de un dispositivo es visible.
Evaluar una grabación
Evaluar si una unidad en funcionamiento suena normal o contiene ruidos o chirridos inusuales.
Revisar un video
Verificar si un ventilador está funcionando mientras se considera la información visual y de audio del video.
El ejemplo ilustra cómo un modelo de decisión puede evaluar varias piezas de evidencia frente a preguntas específicas. Arquitecturas similares pueden ser relevantes para la inspección de medios, la clasificación automatizada y los flujos de trabajo que requieren un formato de respuesta definido.
La fiabilidad real de cualquier implementación dependerá de la tarea, la calidad de sus entradas y cómo el desarrollador valide las decisiones del modelo.
Cloudflare Hace que Clef Sea Más Rápido
Junto con Clef-omni, Cloudflare mejoró la infraestructura de servicio para su modelo Clef existente en Workers AI. La compañía informa que la implementación actualizada devuelve decisiones hasta el doble de rápido en sus escenarios de tamaño de entrada probados.
La mejora proviene principalmente de optimizaciones de infraestructura, incluido un cambio a SGLang para el servicio de modelos. Cloudflare dice que no lanzó nuevos pesos de modelo Clef como parte de esta actualización de velocidad porque los cambios se concentraron en cómo se sirve el modelo.
Fuente: Anuncio de Cloudflare del 9 de octubre de 2026. Los valores muestran la latencia media anterior y actualizada, respectivamente, para los tamaños de entrada especificados.
Las cifras muestran que la mejora varía según el tamaño de la entrada. En las pruebas reportadas por Cloudflare, la entrada de aproximadamente 3,400 tokens experimentó la mayor aceleración media, alcanzando 2.0x. Estas mediciones describen la configuración de servicio probada en lugar de una garantía de que cada solicitud será el doble de rápida.
Clef-flash Obtiene una Reducción de Precio Importante
Cloudflare también ha reducido el precio por token de entrada de Clef-flash, haciendo que el modelo sea una opción más asequible para los desarrolladores que ejecutan flujos de trabajo de clasificación y decisión a escala.
El nuevo precio es de $0.038 por millón de tokens de entrada, frente a los $0.09. Clef se mantiene en $0.24 por millón de tokens de entrada, mientras que Clef-omni se lanzó a $0.15 por millón de tokens de entrada, según el anuncio.
| Modelo | Precio de entrada | Contexto alojado |
|---|---|---|
| Clef-flash | $0.038/M | 24K tokens |
| Clef | $0.24/M | 64K tokens |
| Clef-omni | $0.15/M | 64K tokens |
M = un millón de tokens de entrada. Los precios son los reportados en el anuncio del 9 de octubre; consulte la documentación actual de Cloudflare antes de implementar un flujo de trabajo de producción.
El menor precio alojado para Clef-flash viene con una ventana de contexto más pequeña: 24K tokens en lugar de los 64K anunciados previamente. Cloudflare dice que los pesos alojados localmente no han cambiado y fueron entrenados para soportar una ventana de contexto de 256K. Los desarrolladores que necesiten un contexto alojado más grande pueden considerar Clef.
Por lo tanto, la elección de un modelo debe implicar más que comparar el precio por millón de tokens. La longitud de la entrada, las modalidades requeridas, la latencia y la forma de la salida deseada afectan qué opción es apropiada.
Cómo Utiliza Cloudflare la Familia de Modelos Clef
Cloudflare describe Clef como una forma de llevar capacidades de clasificación y detección directamente a los flujos de trabajo de aplicaciones. La compañía destaca varios casos de uso internos que demuestran cómo los modelos de decisión pueden apoyar tareas operativas.
Detección de problemas de spam
Cloudflare dice que su repositorio público de documentación de GitHub utiliza Clef para detectar y cerrar problemas de spam.
Moderación de plugins relacionados con phishing
El sistema de gestión de contenidos EmDash utiliza Clef para moderar bibliotecas de plugins en busca de phishing.
Detección de posible información personal
El equipo de prevención de pérdida de datos de Cloudflare escanea en busca de información potencialmente sensible, incluidos números de identificación gubernamentales.
Detección de dominios maliciosos
El equipo de inteligencia de amenazas de la compañía utiliza Clef para ayudar a identificar dominios maliciosos.
Estos ejemplos se refieren a la familia de modelos Clef en general y no deben interpretarse como evidencia de que cada flujo de trabajo listado utiliza específicamente Clef-omni. Ilustran el tipo de tareas de clasificación y decisión que Cloudflare quiere que los desarrolladores creen con sus modelos.
Cómo Pueden Probar Clef-omni los Desarrolladores
Clef-omni está disponible a través de Cloudflare Workers AI. El modelo también tiene pesos abiertos publicados en Hugging Face, lo que brinda a los desarrolladores una vía para explorar opciones de autoalojamiento.
Cloudflare afirma que Clef-omni sigue la misma API System One que Clef y Clef-flash y funciona con AI Gateway. Los desarrolladores pueden comenzar revisando la documentación del modelo y adaptando una solicitud de API para incluir las entradas multimedia relevantes y las preguntas estructuradas.
Documentación de Cloudflare Workers AI
Antes de integrar un modelo en una aplicación en vivo, los desarrolladores deben verificar los precios actuales, los requisitos de formato de entrada, los límites de contexto y el comportamiento de salida en la documentación oficial. Probar con ejemplos representativos también es esencial para comprender cómo funciona el modelo en una tarea específica.
Qué Significa Esta Actualización de IA de Cloudflare
- Clef-omni amplía el soporte de entrada. Acepta texto, imágenes, audio y video en un único flujo de trabajo de toma de decisiones.
- Clef es más rápido. Cloudflare reporta aceleraciones medias de 1.7x a 2.0x en los tamaños de entrada probados.
- Clef-flash es más económico. Su precio de entrada alojado cae de $0.09 a $0.038 por millón de tokens de entrada.
- Menor costo tiene un compromiso. La ventana de contexto alojada de Clef-flash se reduce a 24K tokens.
- Los modelos de decisión se dirigen a tareas específicas. La clasificación, la detección y la selección de acciones estructuradas son centrales para la familia Clef.
- La selección del modelo sigue siendo importante. Los desarrolladores deben equilibrar el tipo de entrada, los requisitos de contexto, el precio y el rendimiento.
Cloudflare Hace que las Decisiones de IA Sean Más Accesibles para los Desarrolladores
La actualización de Clef se trata de tres mejoras conectadas: capacidades de entrada más amplias, inferencia más rápida y precios de entrada más bajos. Clef-omni integra audio y video en una familia de modelos que ya soportaba texto e imágenes, mientras que los modelos Clef existentes reciben sus propias mejoras de rendimiento y costo.
Para los desarrolladores, la pregunta práctica es qué modelo se adapta mejor a la tarea. Clef-omni es relevante cuando una decisión depende de varios tipos de medios. Clef-flash ofrece una opción de menor costo cuando su ventana de contexto alojada más pequeña es suficiente, mientras que Clef conserva una ventana de contexto alojada más grande.
Estos lanzamientos no eliminan la necesidad de evaluación, validación o selección sensata de modelos. Sin embargo, brindan a los desarrolladores más opciones para crear aplicaciones de IA centradas en la toma de decisiones sin ensamblar automáticamente un pipeline de modelos separado para cada tipo de entrada.
Fuente: Blog de Cloudflare — 9 de octubre de 2026. Precios, mediciones de rendimiento y detalles del producto reflejan el anuncio y pueden cambiar.