clef-omni

Oversigt. Clef-Omni er en multimodal beslutningsmodel med åbne vægte fra Cloudflare, udgivet under Apache-2.0-licensen. Den er eftertrænet fra Qwen3-Omni-30B-A3B-Instruct og tilhører Cloudflares Clef-familie. Den scorer et sæt foruddefinerede valgmuligheder og returnerer en sandsynlighed for hver af dem. Den genererer ikke fritekst. Brug den, når du har brug for en struktureret beslutning baseret på inddata fra forskellige medietyper.

Vigtigste styrker. Clef-Omni accepterer tekst, JSON, billeder, lyd og video som inddata. Dens mixture-of-experts-arkitektur har nominelt 30 milliarder parametre, hvoraf cirka 3 milliarder er aktive per token. Arkitekturen er konfigureret med 128 eksperter, hvoraf 8 rutes per token. Cloudflares modelkort oplyser, at logits og sandsynligheder for valgmulighederne kommer fra en enkelt forward pass gennem et specialudviklet joint schema-hoved, hvilket giver dig strukturerede beslutninger uden en genereringsløkke. Cloudflares modelkort offentliggør benchmarkresultater for Clef-Omni, herunder klassificeringsnøjagtighed på BANKING77 og CLINC150+OOS samt resultater fra TypeSafe Evals-arbejdsflowet sammen med de arkitektoniske detaljer.

Anvendelsesområder. Brug Clef-Omni til klassificeringsbeslutninger, hvor inddata er et billede, et lydklip, en video eller et JSON-objekt, og svaret er en af flere kendte valgmuligheder. Eksempler er ruter, triage og mærkning. Den er også velegnet til tilfælde, hvor du ønsker sandsynligheder, du kan sætte en grænseværdi for, frem for tekst, du skal parse. Vægtene er offentlige under Apache-2.0, så du kan køre den selv, og Cloudflare driver den også på Workers AI.

Begrænsninger. Clef-Omni er ikke en generel chat- eller tekstgenereringsmodel. Den returnerer sandsynligheder for valgmuligheder, ikke fritekst, og den producerer ingen billed- eller lyduddata. Det leverandørdrevne Workers AI-endepunkt dokumenterer et kontekstvindue på 64.000 tokens, hvilket er lidt under de 65.536 positioner i den udgivne arkitekturkonfiguration. Der er ikke oplyst på modelkortet, hvor træningsdataene slutter.