📖 AI 总结

Cloudflare 于 2026 年 10 月 9 日发布开源权重模型 Clef-omni，这是其 Clef 决策模型家族的新成员，也是首个可在单次调用中同时处理文本、图像、音频和视频四种模态的模型。该模型基于 Qwen3-Omni-30B-A3B-Instruct 后训练而成，采用 30B 总参数、3B 激活参数的 MoE 架构，在 Workers AI 上支持 64,000 token 上下文，自托管可在单张 H200 上运行。其核心机制是接收状态与问题模式，返回带概率的类型化答案，而非生成式文本，从而省去多模态智能体流程中常见的转录与字幕步骤。评测显示，它在路由与意图任务上接近纯文本版 Clef，CLINC150+OOS 上取得 97.7 的宏 F1，但在高难度推理任务上明显落后，如 GPQA Diamond 仅 47.4，远低于 Jev 的 78.3。该模型的意义在于以单次调用统一多模态决策，降低流程复杂度，但尚不适合替代文本专用模型处理复杂推理。