Il 9 ottobre 2026 Cloudflare ha lanciato Clef-omni, un modello di decisione multimodale per audio e video. L'aggiornamento include nuovi prezzi per Clef-flash e ottimizzazioni di velocità per la famiglia Clef.
A differenza dei Large Language Models (LLM) tradizionali, la famiglia Clef non è progettata per la generazione di testo libero, chat o conversazioni. Si tratta di modelli di decisione che trasformano uno stato (input) e uno schema di domande tipizzate in decisioni concrete. Il sistema non scrive paragrafi, ma restituisce una probabilità per ogni opzione consentita di ogni domanda posta, permettendo un'integrazione programmatica immediata nei flussi di lavoro [2][3]
Una risposta vincolata alle opzioni può semplificare il lavoro dell’applicazione: non occorre cercare una decisione dentro un paragrafo scritto liberamente. Questo non rende la decisione corretta per definizione. In un sistema di assistenza, per esempio, la probabilità restituita può aiutare a scegliere fra più code; i casi ambigui andrebbero conservati per un controllo, invece di trasformare qualsiasi punteggio in un’azione automatica.
Lanciato il 9 ottobre 2026, Clef-omni estende le capacità della famiglia introducendo il supporto nativo per audio (formati wav o mp 3) e video (mp 4 o webm), oltre a testo e immagini. Il modello è costruito su una fondazione Mixture-of-Experts (MoE) Qwen 3-Omni-30B-A3B-Instruct, che dispone di 30 miliardi di parametri totali ma ne attiva solo 3 miliardi durante l'esecuzione. Cloudflare ha adottato il backbone di comprensione scartando però i componenti di output text-to-speech [1][2][3]
Un esempio illustrativo è un ticket su un portatile che mostra un errore intermittente. Il testo può descrivere quando compare, una foto documentare il messaggio e un breve video aggiungere il comportamento dell’interfaccia. La decisione richiesta potrebbe essere soltanto quale gruppo debba leggere il ticket: assistenza software, hardware o verifica manuale. Non sarebbe una diagnosi certa del guasto, né una prova che il modello riconosca ogni problema dal suono o dalle immagini.
Sintesi dei fatti documentati nell’articolo. I riferimenti sono riportati sotto lo schema.
Alle tariffe pubblicate il 9 ottobre, un milione di token in ingresso costa 0,038 dollari con Clef-flash,0,15 dollari con Clef-omni e 0,24 dollari con Clef. Flash costava prima 0,09 dollari. Sono prezzi del servizio API, non del computer necessario per eseguire i pesi aperti. [1]
La documentazione di Clef-omni non prevede addebiti per token di uscita: anche immagini, audio e video contribuiscono invece ai token di ingresso. Il costo dei media dipende dalle regole di conversione descritte nelle API. Una risposta breve, quindi, non implica un input economico quando si allegano file multimediali. [2]
Per Clef-omni sono ammessi fino a 4 audio e 2 video. Ogni audio ha limiti di 8 MiB e 300 secondi; ogni video di 16 MiB e 60 secondi. Audio e video insieme non possono superare 16 MiB decodificati. Sono consentite 4 immagini, fino a 4 MiB ciascuna e 8 MiB complessivi. I media vanno incorporati nella richiesta: gli URL remoti non sono accettati. Il video viene campionato a 2 fotogrammi al secondo. [2]
Il taglio del prezzo di Flash ha una contropartita: il contesto della versione ospitata passa da 64 mila a 24 mila token. Clef resta a 64 mila. Cloudflare precisa che i pesi di Flash non cambiano e che erano stati addestrati per 256 mila token: quel dato riguarda l’esecuzione autonoma, non un limite disponibile nell’API Flash ospitata. [1]
Cloudflare attribuisce l’accelerazione di Clef alle ottimizzazioni del servizio, fra cui il passaggio a SGLang. I pesi non sono stati aggiornati per questo intervento. I tempi pubblicati restano misure del produttore, riferite alle condizioni del suo confronto, e non un impegno di latenza per ogni richiesta. [1]
La model card riporta benchmark distinti per metrica e insieme di casi. In un confronto sui flussi applicativi, per esempio, l’esattezza di tutte le azioni e quella dell’azione principale sono colonne diverse. La disponibilità di più modalità non rende Omni il vincitore automatico di ogni riga; il grafico qui incluso proviene dal precedente annuncio della gamma Clef. [3]
Un criterio di scelta concreto è partire dai dati davvero necessari. Se il ticket si instrada correttamente dal solo testo, aggiungere video aumenta il materiale da gestire senza un vantaggio già dimostrato. Se invece il messaggio visibile cambia la scelta, quel caso può entrare in un piccolo insieme di valutazione. L’esempio è una proposta operativa: richiede etichette controllate da chi conosce il servizio e non rappresenta una prova effettuata da noi.
Nella valutazione andrebbero inclusi casi incompleti e contraddittori, oltre a quelli facili: una foto illeggibile, un video che non mostra l’errore, una descrizione che non coincide con l’allegato. Vale la pena decidere prima quando inoltrare il ticket a una persona. L’esistenza di un punteggio non sostituisce questa scelta, e un modello più economico può risultare poco conveniente se produce troppo lavoro di ricontrollo.
Google sostituisce le Gems con le Skills, istruzioni riutilizzabili e combinabili. Analizziamo il meccanismo di stacking, l'integrazione in Workspace Studio e il cronoprogramma di migrazione per account personali e business.
Da 100 o 200 dollari con Max al saldo condiviso di Team: come attivare i crediti, cosa coprono e perché usare Claude Code non basta per consumarli.
GPT-6 arriva nella chat con diagrammi e strumenti interattivi. Il caricamento audio ha requisiti separati: piani supportati, formati, limiti e un esempio per lavorare sulle registrazioni.
Parliamone
Hai un’esperienza da condividere o una domanda? Scrivi un commento pertinente, senza pubblicità o link.