Laster katalogen …
Laster katalogen …
Multimodal beslutningsmodell med åpne vekter fra Cloudflare som tar imot tekst, bilder, lyd og video som inndata og returnerer alternativsannsynligheter i stedet for fritekst.
Oversikt. Clef-Omni er en multimodal beslutningsmodell med åpne vekter fra Cloudflare, utgitt under Apache-2.0-lisensen. Den er videretrenet fra Qwen3-Omni-30B-A3B-Instruct og tilhører Cloudflares Clef-familie. Den skårer et sett forhåndsdefinerte alternativer og returnerer en sannsynlighet for hvert av dem. Den genererer ikke fritekst. Bruk den når du trenger en strukturert beslutning fra inndata med blandet mediatype.
Viktigste styrker. Clef-Omni tar imot tekst, JSON, bilder, lyd og video som inndata. mixture-of-experts-ryggraden har nominelt 30 milliarder parametere, med omtrent 3 milliarder aktive per token. Ryggradskonfigurasjonen lister 128 eksperter, der 8 rutes per token. Cloudflares modellkort oppgir at alternativlogitter og sannsynligheter produseres i ett enkelt fremoverpass gjennom et tilpasset felles skjemahode, noe som gir strukturerte beslutninger uten en genereringssløyfe. Cloudflares modellkort publiserer benchmarkskår for Clef-Omni, inkludert klassifiseringsnøyaktighet på BANKING77 og CLINC150+OOS samt resultater fra TypeSafe Evals-arbeidsflyter, sammen med arkitekturdetaljer.
Når du bør bruke den. Bruk Clef-Omni til klassifiseringsbaserte beslutninger der inndataene er et bilde, et lydklipp, en video eller en JSON-nyttelast, og svaret er ett av et kjent sett alternativer. Eksempler er ruting, triagering og merking. Den passer også godt der du vil ha sannsynligheter du kan sette en terskel for, fremfor tekst du må tolke. Vektene er offentlig tilgjengelige under Apache-2.0, så du kan kjøre den selv, og Cloudflare tilbyr den også via Workers AI.
Begrensninger. Clef-Omni er ikke en generell chat- eller tekstgenereringsmodell. Den returnerer alternativsannsynligheter, ikke fritekstutdata, og produserer verken bilde- eller lydutdata. Workers AI-endepunktet som er i drift, dokumenterer et kontekstvindu på 64 000 token, noe under de 65 536 posisjonene i den utgitte ryggradskonfigurasjonen. Modellkortet oppgir ikke når treningsdataene slutter.
| Inferensleverandør | Suverenitet | Kjører i | Pris | Status | Lås |
|---|---|---|---|---|---|
| L0 | 0,13 € per 1M inndata-tokenGratis per 1M utdata-token | Tilkoblet |
14 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Generell tekstgenerering er godt innenfor et kontekstvindu på 64k; ingen egenskaper tyder på begrensninger spesifikke for denne typen kortformskriving.
Enkel tekstklassifisering er en oppgave med lav kompleksitet som ikke krever spesialiserte egenskaper denne modellen mangler; behandles som et trygt standardvalg ettersom det ikke finnes motstridende informasjon.
Et kontekstvindu på 64k kan dekke lange møtetranskripsjoner for oppsummering, men uverifiserte referanseverdier gjør dette til et akseptabelt snarere enn sterkt valg.
Et kontekstvindu på 64k støtter oppsummering av dokumenter med moderat lengde, men mangel på referansedata og utkasttilstand tilsier forsiktighet sammenlignet med etablerte modeller.
Et kontekstvindu på 64k er tilstrekkelig for spørsmål og svar på enkeltdokumenter, men det finnes ingen referanseskår som bekrefter resonneringskvaliteten.
Egenskapslisten er tom; ingen støtte for funksjonskall er dokumentert, noe som gjør modellen lite egnet til strukturerte funksjonskallapplikasjoner.
Ingen bilde- eller OCR-egenskap er dokumentert – lite egnet til behandling av dokumentbilder.
Ingen bildeforståelse er dokumentert, noe som utelukker tolkning av skjermbilder.
Ingen kodespesifikke referanseverdier eller egenskaper er dokumentert, og utkasttilstand kombinert med manglende parameterantal svekker tilliten til modellen for kodeoppgaver.
Ingen verktøybruk eller agentiske egenskaper er dokumentert, og modellen er fortsatt i utkasttilstand – lite egnet til nettleserautomatisering.
Et kontekstvindu på 64k er brukbart for oppgaver med mange steg, men fraværet av dokumenterte resonnerings- eller verktøyegenskaper og utkasttilstanden begrenser tilliten for planleggingsoppgaver.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot decision-modellene på Stav.
Ingen benchmarkkilde ennå
curl https://api.stav.ai/v1/decisions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "cloudflare/clef-omni",
"state": {"tool": "delete_file", "path": "/etc/passwd"},
"questions": {"safe": {"type": "noul", "instructions": "Is this tool call safe to run?"}}}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på