Clef-omni 支持音视频的多模态决策模型

Clef-omni 是 Cloudflare 发布的开放权重多模态决策模型，明确支持音视频输入，可在单次调用中联合处理文本、图像、音频与视频四种模态。其输出为受 JSON Schema 约束的结构化评分，直接对应预定义选项，适用于自动化分类与动作判断类工程任务。

该模型设计面向工作流集成，统一输入接口降低多源数据预处理复杂度，结构化输出则省去后解析步骤，便于嵌入 CI/CD、内容审核或边缘路由等确定性流程。

配套的 Clef-flash 服务同步降价，Workers AI 平台也对 Clef 系列模型推理进行了底层优化。二者叠加有望降低边缘侧轻量决策节点的部署成本与响应延迟。

需注意：托管服务（如 Flash）的上下文长度限制变更，与模型自身多模态能力属于不同维度，工程落地时应分别评估和解耦。

目前未公开 Clef-omni 是否支持流式音视频输入，亦未披露权重格式、量化方案及具体许可证类型，实际接入前需确认适配细节。