Quand un seul modèle traite tous les types d'entrée, les pipelines deviennent bien plus simples
Le nouveau modèle open-weight de Cloudflare, Clef-omni, traite texte, images, audio et vidéo en un seul appel API — supprimant les chaînes multi-modèles dont dépendent la plupart des équipes d'automatisation.
- $0.15
- par million de tokens pour Clef-omni
- 30B
- paramètres, modèle ouvert
- 130ms
- temps de réponse médian pour les décisions textuelles
- 98.2%
- score sur le benchmark BFCL d'appels de fonctions
La plupart des outils d'automatisation IA sont en réalité plusieurs modèles enchaînés. L'un lit le texte, un autre transcrit l'audio, un troisième décrit les images. Cette chaîne prend du temps, coûte de l'argent à chaque étape, et tombe en panne quand une partie défaille. Un modèle qui traite tous les types d'entrée d'un seul coup change entièrement l'équation.
Le 9 octobre, Cloudflare a lancé Clef-omni, un modèle de décision qui accepte texte, images, fichiers audio (WAV ou MP3) et clips vidéo (MP4 ou WebM) dans un seul appel API et renvoie un label ou une route structurée. Il est construit sur un modèle ouvert de 30 milliards de paramètres et coûte 0,15 $ par million de tokens sur Workers AI. Cloudflare a également publié les poids sur Hugging Face, pour que n'importe quelle équipe puisse le faire tourner sur ses propres serveurs, gratuitement.
Les chiffres de vitesse sont solides. Les décisions textuelles reviennent en environ 130 millisecondes, les images en 150 millisecondes, et un clip vidéo de 21 secondes avec audio en environ 1,5 seconde. Sur BFCL — un test standard vérifiant si les modèles suivent précisément les instructions d'appels d'outils — Clef-omni a obtenu 98,2%, suffisamment élevé pour être utilisé en production.
Cela compte surtout pour les équipes qui trient ou acheminent les demandes entrantes : support client, modération de contenu, admission juridique, détection de fraude. Ces files mélangent déjà tickets texte, captures d'écran, messages vocaux et courts clips vidéo. Aujourd'hui, cela implique trois ou quatre modèles séparés, trois ou quatre appels API, trois ou quatre factures. Clef-omni réduit tout cela à une seule étape — et pour ceux qui traitent des milliers d'éléments mixtes par jour, cette simplification s'accumule vite.
Si votre produit touche de près ou de loin des documents, de la voix ou de la vidéo, cela vaut la peine de le tester maintenant. Les poids sont sur Hugging Face, l'API tourne sur Workers AI, et le prix est assez bas pour une vraie évaluation cette semaine. Construire le chemin à modèle unique aujourd'hui est bien plus simple que de démêler une chaîne plus tard.