原文標題：Introducing Clef-omni with full multimodality, plus a faster Clef and a cheaper Clef-flash

Cloudflare 於 10 月 9 日推出 Clef-omni，擴充旗下 Clef 決策模型家族的輸入能力。新模型可以同時接受文字、圖片、音訊及影片，讓應用程式不必先把每種媒體交給不同模型轉換，再將結果拼接成單一判斷流程。官方將它定位為多模態決策用途，而非單純的聊天模型。

依照 Cloudflare 的說明，Clef-omni 支援 wav、mp3 音訊與 mp4、webm 影片，並可搭配圖片與文字提出結構化判斷問題。官方提供透過 Workers AI 呼叫模型的示例，讓開發者在同一請求中附上多種媒體，取得針對設備標籤、運轉聲音及影像動作的檢查結果。

Cloudflare 同時公開 Clef-omni 的模型權重，供開發者研究或自行部署。既有 Clef 模型也獲得推論速度改善，Clef-flash 的使用價格則下調。這些變更屬官方產品公告，效能與成本改善幅度會因模型、負載及計費條件而不同。

對需要審核影音內容、設備巡檢或跨媒體分類的服務而言，單一模型處理多種輸入可減少流程銜接工作。不過，官方提供的是功能及評測說明，尚不能據此推定每種語言、影音長度或高風險場景都能達到相同準確度，正式上線前仍應進行驗證。

發生了什麼事

Cloudflare 正式推出可同時理解文字、影像、聲音與影片的 Clef-omni 決策模型。這是已經公開的官方資訊，後續實際導入仍須參考相關產品文件。

為什麼重要

多模態決策可簡化需要多個模型串接的工作流程，並影響邊緣 AI 應用的成本與部署架構。實際效益還需觀察後續採用情況、部署環境及維運成本。

影響哪些人

影音平台、工業巡檢、開發者工具與使用 Workers AI 的團隊最值得評估。有意採用的團隊應先確認現有設備、方案和自身需求是否符合條件。

已確認與未確認

已確認模型發布、支援的媒體格式與開放權重；不同情境的準確率與完整價格需另依官方文件核對。對尚未公告的售價、地區或正式時程，不應以推測內容代替官方說明。