Cloudflare erweitert Decision Model Clef um Audio- und Videoanalyse

Cloudflare bringt mit Clef-omni ein Decision Model (Entscheidungsmodell) auf den Markt, das Text, Bilder, Audio und Videos gemeinsam auswerten kann. Michelle Chen, Alex Reneau und Kevin Jain stellen die Neuerungen im Cloudflare Blog vor. Dazu gehören schnellere Antwortzeiten für Clef und ein deutlich günstigeres Clef-flash.

Entscheidungsmodelle liefern strukturierte Ergebnisse. Sie sollen etwa Inhalte klassifizieren, Felder ausfüllen oder eine vorgegebene Aktion auswählen. Wir stellen Entscheidungsmodelle in einem eigenen Artikel vor. Anders als klassische Sprachmodelle erzeugen sie keine längeren Texte. Clef-omni soll mehrere Medientypen in einem einzigen Aufruf verarbeiten können.

Damit entfällt laut Cloudflare in vielen Fällen eine mehrstufige Verarbeitung. Unternehmen müssten Audioaufnahmen nicht zuerst in Text umwandeln und Videos nicht getrennt in Ton und Einzelbilder aufteilen. Denkbar sind etwa Prüfungen von Geräten: Ein Foto, eine Tonaufnahme und ein Video können gemeinsam bewertet werden, um sichtbare Kennzeichnungen, ungewöhnliche Geräusche oder einen laufenden Lüfter zu erkennen.

Neue Preise und kürzere Wartezeiten

Als technische Grundlage nutzt Clef-omni Qwen3-Omni-30B-A3B-Instruct, ein Mixture-of-Experts-Modell. Cloudflare übernimmt nach eigenen Angaben dessen Fähigkeiten zur Verarbeitung verschiedener Eingaben, verzichtet aber auf Funktionen zur Sprachausgabe. Die Firma nennt mittlere Antwortzeiten von etwa 130 Millisekunden für Text und 150 Millisekunden für Bilder. Eine 21 Sekunden lange Videodatei mit Ton soll in rund 1,5 Sekunden bewertet werden.

Clef-omni kostet 0,15 US-Dollar pro einer Million Input-Tokens. Der Preis von Clef-flash sinkt von 0,09 auf 0,038 US-Dollar. Das reguläre Clef bleibt bei 0,24 US-Dollar.

Beim gehosteten Clef-flash reduziert Cloudflare zugleich das Kontextfenster von 64.000 auf 24.000 Tokens. Nach Angaben des Unternehmens überschreiten nur 0,24 Prozent der Anfragen diese Grenze. Wer das Modell selbst betreibt, kann weiterhin Modellgewichte mit Unterstützung für bis zu 256.000 Tokens nutzen.

Zusätzliche Änderungen an der Server-Infrastruktur sollen Clef bei bestimmten Eingabelängen bis zu doppelt so schnell machen. Die Modelle sind über Workers AI verfügbar und laut Cloudflare mit der Jev-API kompatibel.