Cloudflare présente Clef-omni : un modèle de décision multimodal 30B-A3B pour l'audio, la vidéo, l'image et le texte
Cloudflare a publié le 9 octobre 2026 Clef-omni, nouveau membre à poids ouverts de sa famille de modèles de décision Clef, huit jours après le lancement de Clef et de Clef-flash. Le modèle évalue du texte, des images, de l'audio et de la vidéo en un seul appel. Il compte 30 milliards de paramètres dont 3 milliards actifs (architecture de mélange d'experts) et offre 64 000 jetons de contexte sur Workers AI, où il est disponible sous l'identifiant @cf/cloudflare/clef-omni. Il est post-entraîné à partir de Qwen3-Omni-30B-A3B-Instruct. Cloudflare a gardé le socle de compréhension, supprimé la voie de synthèse vocale, gelé le backbone et entraîné des adaptateurs LoRA, avec une entropie croisée à lissage d'étiquettes et une calibration par score de Brier. Un modèle de décision ne génère pas de texte. Il reçoit un état et un schéma de questions (vrai ou faux, choix, score), puis renvoie une probabilité pour chaque option. Le format reprend l'API Jev et SystemOne de TypeSafe AI. Sur Workers AI, il accepte jusqu'à 4 images, 4 clips audio de 300 secondes et 2 vidéos de 60 secondes, avec 1 à 64 questions par requête. Cloudflare annonce environ 130 ms de latence médiane pour le texte, 150 ms pour les images et 1,5 seconde pour une vidéo sonore de 21 secondes. Le prix d'entrée est de 0,15 dollar par million de jetons, sous licence Apache-2.0.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'intérêt pratique est de supprimer les étapes de transcription et de légendage que les pipelines d'agents multimodaux exigent habituellement. Un développeur peut soumettre directement un enregistrement audio ou une vidéo et obtenir des décisions typées et calibrées, exploitables par du code. Les performances sont inégales. Clef-omni domine la classification d'intentions, avec 94,8 de macro-F1 sur BANKING77 et 97,7 sur CLINC150+OOS, et arrive aussi en tête sur Amazon ESCI avec 57,8. Il reste en retrait ailleurs : 63,3 d'exactitude sur When2Call contre 80,97 pour Jev, 47,4 sur GPQA Diamond contre 78,3 pour Jev, et 69,3 sur les appareils électroménagers contre 97,73 pour Clef-flash. Il est aussi sous Clef sur les cinq métriques des évaluations de workflow de TypeSafe. Le choix dépend donc de la tâche : routage multimodal pour Clef-omni, raisonnement difficile pour le Clef orienté texte. Ces chiffres viennent de Cloudflare et n'ont pas été vérifiés de façon indépendante.
Cette sortie s'inscrit dans une offensive de Cloudflare sur les modèles de décision, un créneau ouvert par TypeSafe AI avec Jev. La même mise à jour a abaissé le prix de Clef-flash (0,038 dollar par million de jetons) sous celui de Jev (0,042) et rendu Clef hébergé environ deux fois plus rapide. Face à une offre de TypeSafe accessible seulement via une API en accès anticipé, Cloudflare mise sur l'ouverture des poids, l'hébergement sur sa plateforme et l'auto-hébergement : Clef-omni a été testé sur un seul GPU H200 avec environ 64 Go de mémoire en bfloat16. Reste à savoir si cette ouverture suffira à compenser l'écart de précision sur les tâches de raisonnement.
Pas d'impact direct sur la France/UE