Cloudflare выпустила открытую модель Clef-omni, которая выбирает вариант ответа по аудио, видео, картинкам и тексту за один проход
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
Быстрый и дешёвый «выбиратель» для звука и видео стал доступен всем, а не только крупным компаниям.
Clef-omni — «модель решений»: она отвечает не текстом, а выбором из заданных вариантов, и принимает звук, видео, изображения и текст без отдельной расшифровки речи или разбора видео. По данным блога Cloudflare, текстовое решение занимает около 130 мс, изображение около 150 мс, 21-секундный ролик около 1,5 с. Цена Clef-omni — $0,15 за миллион входных токенов, а младшая Clef-flash подешевела с $0,09 до $0,038. Модель доступна в Workers AI и выложена с открытыми весами на Hugging Face.
Источники 1