Cloudflareは、テキスト・画像・音声・動画をまとめて扱える決定モデル「Clef-omni」を公開しました。Apache-2.0ライセンスで提供され、入力を1回の呼び出しで採点できる点が特徴です。
発表の概要
MarkTechPostによると、Clef-omniは30B（300億パラメータ）級のマルチモーダルモデルで、Qwen3-Omni-30B-A3Bを基盤に構築されています。テキスト・画像・音声・動画を同一の呼び出しでスコアリングでき、料金は入力100万トークンあたり0.15ドルとされています。軽量版のClef-flashはさらに低く、0.038ドルに設定されています。
なぜ「決定モデル」が注目されるのか
近年、生成AIの用途は「文章を作る」から「素早く判定する」へ広がっています。モデレーション、ルーティング、ガードレール（安全装置）のチェックなど、求められるのは長い文章ではなく短い判断です。Clef-omniのように複数のモダリティを一度に扱える決定モデルは、こうした判定処理をシンプルにします。
| 項目 | Clef-omni | Clef-flash |
|---|---|---|
| 対応入力 | テキスト・画像・音声・動画 | 軽量向け |
| ライセンス | Apache-2.0 | Apache-2.0 |
| 料金（入力100万トークン） | 0.15ドル | 0.038ドル |
実務での使いどころ
たとえば、投稿が規約に触れるかを画像と文章の両面から判定する、通話音声と文字起こしを突き合わせてエスカレーション要否を決める、といった処理が1つのモデルで完結します。ChatGPTやClaudeのような汎用モデルで代用していた判定処理を、専用の軽量モデルに置き換える選択肢が増えたことになります。
オープンライセンスの意味
Apache-2.0で公開されたため、自社環境にデプロイして機密データを外部に出さずに運用できます。データ管理を重視する企業にとっては、採用を検討する理由になります。
まとめ
マルチモーダルな判定を低コストでこなすモデルが、オープンライセンスで手に入るようになりました。判定処理の内製化を検討する企業は、選択肢として押さえておきたいところです。
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。