0
会員（無料）になると、いいね！でマイページに保存できます。
共有する
米クラウドフレアは、テキストと画像に加えて音声と動画も入力できる判断特化AIモデル「Clef-omni」を公開した。重みはオープンで、入力100万トークンあたり0.15ドル（約24円）で提供する。前週に公開した「Clef」の高速化と、小型版「Clef-flash」の値下げも発表した。
Clef-omniの発表を伝えるクラウドフレアのブログ
米クラウドフレアは米国時間の10月9日、テキストと画像に加えて音声と動画も入力できる判断特化AIモデル「Clef-omni」を公開した。重みはオープンで、Hugging Faceで入手できる。あわせて、前週に公開した「Clef」の高速化と、小型版「Clef-flash」の値下げも明らかにした。
判断特化AIは、文章を生成せず、状況と質問を受け取って選択肢ごとの確信度を返すモデルだ。米TypeSafe AIの「Jev」が先行し、クラウドフレアはJevと互換のAPIで追う立場にある。
Clef-omniは、「Qwen3-Omni-30B-A3B-Instruct」を土台とする混合専門家（MoE）モデルだ。音声読み上げの出力部分は使わず、入力全体を1回の処理で採点する。音声はwavとmp3、動画はmp4とwebmに対応する。従来のように、音声の文字起こしや動画の音声・映像の分離といった前処理を挟まず、1回のAPI呼び出しで判断できるという。
処理速度は、テキストのみの判断で中央値約130ミリ秒、画像で約150ミリ秒、音声は数百ミリ秒。音声付きの21秒の動画でも約1.5秒で採点するという。
価格は入力100万トークンあたり、Clef-omniが0.15ドル（約24円）。Clef-flashは0.09ドル（約14円）から0.038ドル（約6円）に下げ、Jevより安くなったとしている。Clefは0.24ドル（約38円）で据え置いた。
ただしClef-flashは、ホスト版のコンテキスト窓を64kから24kに縮めた。入力が24kを超えるリクエストは全体の0.24％にすぎないという。公開済みの重みは変更しておらず、256kのコンテキスト窓に対応して学習されているため、自前で動かせばより長い入力も扱える。
Clefの高速化は、配信基盤をSGLangに移したことによる。重みは変えていない。中央値の応答時間は、入力約800トークンで262ミリ秒から152ミリ秒（1.7倍）、約3400トークンで616ミリ秒から305ミリ秒（2.0倍）、約1万6000トークンで2721ミリ秒から1635ミリ秒（1.7倍）に縮んだ。
クラウドフレア社内では、公開GitHubのドキュメントリポジトリでのスパムissueの検出、CMS「EmDash」でのプラグインのフィッシング審査、個人情報（PII）の検出などにClefを使っているという。
では、音声と動画まで読める全部入りの新型は、旧型のClefやJevと比べて、どこが伸び、どこが伸びなかったのか。背景には、クラウドフレア自身が公開した41項目のベンチマークと、数字の読み方をめぐる留保がある。
Clef-omniとClef、Jevの得意・不得意
（出典：Hugging Faceのモデルカードをもとに作成）
この記事の続き ＞＞
・全部入りのOmniは旧型Clefを超えたのか、41項目の勝ち負け
・Jevに97.2対72.6の大差、でも大きく引き離された項目も
・「独立した再現はまだない」、数字の読み方への注意
この続きは
会員限定（完全無料）です
ここから先は「ビジネス+IT」会員に登録された方のみ、ご覧いただけます。
今すぐビジネス＋IT会員に
ご登録ください。
すべて無料！今日から使える、
仕事に役立つ情報満載！
ここでしか見られない
2万本超のオリジナル記事・動画・資料が見放題！
完全無料
登録料・月額料なし、完全無料で使い放題！
トレンドを聞いて学ぶ
年間1000本超の厳選セミナーに参加し放題！
興味関心のみ厳選
トピック（タグ）をフォローして自動収集！
AI・生成AIのおすすめコンテンツ
Googleで見つけやすく
評価する
いいね！でぜひ著者を応援してください
会員（無料）になると、いいね！でマイページに保存できます。
関連タグ