Cloudflare bringt Clef-omni, beschleunigt Clef und senkt den Preis von Clef-flash

Clef-omni verarbeitet vier Eingabetypen in einem Aufruf

Die Veröffentlichung folgt auf den Start von Clef und Clef-flash in der vergangenen Woche, den Entscheidungsmodellen von Cloudflare mit offenen Gewichten. Laut Cloudflare nimmt Clef-omni zusätzlich zu Text und Bildern auch Audio (wav oder mp3) und Video (mp4 oder webm) entgegen. Das bisherige Clef unterstützte Bilder und Arrays von Videoframes.

Damit entfallen nach Angaben von Cloudflare kaskadierende Pipelines, die Sprache in Text transkribieren oder Audio- und Bildkanäle aus Videos trennen. Entwickler können ein einziges Modell aufrufen, um Entscheidungen über beliebige Modalitäten hinweg zu treffen. Das Unternehmen veröffentlichte ein curl-Beispiel, in dem eine einzelne Anfrage ein Foto, eine Audioaufnahme und ein Video kombiniert, mit Fragen im Ja-Nein-Stil, etwa ob ein Etikett sichtbar ist oder ob ein Ventilator läuft.

Die Modellgewichte sind auf HuggingFace verfügbar, die Entwicklerdokumentation beschreibt die API.

So funktioniert Clef-omni und so schneidet es ab

Cloudflare hat Clef-omni auf Basis eines Mixture-of-Experts-Modells namens Qwen3-Omni-30B-A3B-Instruct entwickelt. Das Verständnis-Backbone bleibt erhalten, die Komponenten für die Sprachausgabe (Text-to-Speech) wurden entfernt. Da Clef-Modelle keine Large Language Models sind, überspringen sie laut Unternehmen die Generierung von Ausgabe-Tokens. Dadurch entsteht kein Mehraufwand durch das Transkribieren oder Beschriften eingehender Dateien. Das Training folgt dem Ansatz von Clef: ein eingefrorenes Qwen3-Backbone, Low-Rank-Adapter (LoRA) und ein Post-Training, das Cross-Entropy-Loss mit Label Smoothing und Brier-Score-Kalibrierung kombiniert.

Bei der Latenz nennt Cloudflare für reine Textentscheidungen rund 130 ms im Median und für Bildeingaben etwa 150 ms. Audioclips benötigen einige hundert Millisekunden, ein vollständiger 21-sekündiger Videoclip mit Ton wird in etwa 1,5 Sekunden bewertet, jeweils in einem einzigen API-Aufruf.

Die Benchmark-Tabellen in der Ankündigung zeichnen ein gemischtes Bild. Clef-omni erreicht 98,2 bei BFCL (Case Exact), 94,8 bei BANKING77 (Macro-F1) und 97,7 bei CLINC150+OOS (Macro-F1). Bei mehreren anderen Tests liegt es zurück, darunter When2Call (63,3 gegenüber 80,97 für Jev) und BRIGHT (42,0 gegenüber 47,52 für Jev). In den TypeSafe-Evals werden Clef-omni und Clef mit Clef-flash und Jev verglichen, und zwar bei Rechnungsverarbeitung, Kundenservice, Sicherheitsvorfällen und der Observability von Agent-Traces.

Clef-flash wird günstiger, das Kontextfenster kleiner

Cloudflare erklärt, man habe auf Rückmeldungen reagiert, die ein Entscheidungsmodell forderten, das für jeden Workflow erschwinglich ist. Die Preise pro Million Input-Tokens lauten jetzt:

• Clef-flash: 0,038 US-Dollar, zuvor 0,09 US-Dollar
• Clef: 0,24 US-Dollar, unverändert
• Clef-omni: 0,15 US-Dollar, heute gestartet

Der Kompromiss liegt beim Kontextfenster. Das gehostete Clef-flash unterstützt nun 24k Tokens statt der zuvor angegebenen 64k. Die Gewichte auf Hugging Face blieben unverändert, so Cloudflare, und seien für ein Kontextfenster von 256k trainiert worden, für alle, die selbst hosten. Laut den Nutzungsdaten des Unternehmens überschreiten nur 0,24 % der Anfragen 24k Input-Tokens. Clef behält sein 64k-Fenster, und Cloudflare empfiehlt es für größere Kontextanforderungen.

Clef auf Workers AI bis zu 2,0-mal schneller

Auch das gehostete Modell Clef auf Workers AI ist schneller geworden. Neue Gewichte wurden laut Cloudflare nicht veröffentlicht, da die meisten Änderungen in der Serving-Infrastruktur liegen und nicht im Modell selbst. Eine davon war der Wechsel zu SGLang. Das Unternehmen arbeitete mit dem SGLang-Team an einem Pull Request (PR #42721), der Clef hinzufügt und in SGLang 0.5.22 erscheinen soll.

Die von Cloudflare angegebenen Median- und p95-Latenzen, vorher und jetzt:

• Rund 800 Tokens: 262 / 438 ms auf 152 / 351 ms, ein Median-Speedup von 1,7x
• Rund 3.400 Tokens: 616 / 777 ms auf 305 / 531 ms, 2,0x
• Rund 16.000 Tokens: 2.721 / 3.250 ms auf 1.635 / 1.805 ms, 1,7x

Wer selbst hostet, findet aktualisierte SGLang-Startbefehle im Hugging-Face-Repository und in den SGLang-Cookbooks.

Was das für Entwickler bedeutet

Für Entwickler, die agentische Workflows bauen, bietet Clef-omni einen einzigen Endpunkt für Entscheidungen über gemischte Medien, während der niedrigere Preis von Clef-flash auf Anwendungen mit hohem Volumen zielt. Teams mit langen Eingaben sollten das verkleinerte 24k-Fenster beim gehosteten Clef-flash prüfen. Für aktuelle Preise, auch zur Umrechnung von Bild- und Audioeingaben in Tokens, verweist Cloudflare auf die Entwicklerdokumentation.