สิ่งที่ Cloudflare ประกาศ
- รับข้อความ JSON รูป เสียง (wav, mp3) และวิดีโอ (mp4, webm) ในคำขอเดียว ใส่รูปได้ 4 รูป เสียง 4 คลิป วิดีโอ 2 คลิป
- สร้างต่อจาก Qwen3-Omni-30B-A3B ของ Alibaba เป็นโมเดลแบบ MoE ขนาด 30B ที่เปิดใช้จริงครั้งละราว 3B
- ราคา 0.15 ดอลลาร์ต่อล้านโทเคนอินพุต ไม่คิดเงินเอาต์พุต บริบท 64,000 โทเคน
- ใช้ได้แล้วบน Workers AI ชื่อ @cf/cloudflare/clef-omni
- ปล่อยน้ำหนักบน Hugging Face ใบอนุญาต Apache-2.0 โหลดมาใช้เองได้ แต่ต้องมีการ์ดจอ GPU ราว 64 GB
- บริษัทบอกว่าข้อความล้วนตอบราว 130 มิลลิวินาทีที่ค่ากลาง ส่วนวิดีโอยาว 21 วินาทีมีเสียงใช้ราว 1.5 วินาที
ของที่ปรับพร้อมกัน
- Clef-flash ลดราคาจาก 0.09 เหลือ 0.038 ดอลลาร์ต่อล้านโทเคน Cloudflare บอกว่าถูกกว่า Jev แล้ว แต่ตัวที่ให้บริการเองตัดบริบทจาก 64,000 เหลือ 24,000 โทเคน (น้ำหนักบน Hugging Face ยังรองรับ 256,000)
- Clef เร็วขึ้นราว 1.7-2 เท่า เพราะปรับระบบฝั่งเซิร์ฟเวอร์ ราคายัง 0.24 ดอลลาร์เท่าเดิม น้ำหนักไม่เปลี่ยน
ยังไม่ชัด
- ผลทดสอบทั้งหมดเป็นเลขที่ Cloudflare ทดสอบเอง ที่เราอ่านยังไม่เจอผลจากคนนอก
- Clef-omni ไม่ได้ชนะ Clef ทุกข้อ ในตารางที่ Cloudflare โพสต์ชนะแค่ 4 จาก 10 ชุด และบางชุดตามหลัง Jev ไกล เช่น GPQA Diamond ได้ 47.4 เทียบกับ 78.3
- ราคา Jev ไม่ได้ระบุในประกาศ เราเลยยังเทียบเป็นตัวเลขเองไม่ได้
สรุป
Cloudflare เพิ่งลงสนามโมเดลได้ไม่กี่สัปดาห์ แต่ออกรุ่นต่อกันเร็ว Clef-omni น่าลองตรงที่เอาเสียงกับวิดีโอเข้าไปตัดสินใจรอบเดียวจบ ส่วนความแม่นยังต้องรอคนนอกลองกับงานจริง
แหล่ง: Cloudflare Blog · Cloudflare Docs · Hugging Face · 9 ต.ค. 2026