Cloudflare: Clef Omni

Cloudflare Clef Omni ist das multimodale Mixture-of-Experts-Modell der Clef-Entscheidungsfamilie. Es wird auf Grundlage der Verständnisarchitektur Qwen3-Omni-30B-A3B-Instruct mit insgesamt 30 Milliarden und 3 Milliarden aktiven Parametern nachtrainiert. Cloudflare ergänzt einen gemeinsamen Schemakopf, der Belege den angefragten Fragen zuordnet und deren zulässige Optionen zusammen bewertet. Das Ergebnis ist eine typisierte Entscheidung mit Wahrscheinlichkeiten statt einer generierten Erklärung, eines Transkripts oder einer Sprachausgabe.

Bereiten Sie zwei Hauptbestandteile vor: einen Zustand, der die Situation beschreibt, und eine Zuordnung benannter Fragen. Der Zustand kann Text oder strukturiertes JSON sein; zu den nativen Eingaben des Modells gehören außerdem Bilder, Audio und Video. Jede Frage legt fest, was entschieden werden soll und welche Antworten zulässig sind. Halten Sie Kennungen stabil, damit eine Anwendung jede zurückgegebene Antwort der ursprünglichen Frage zuordnen kann. Klare Optionsbeschreibungen geben einer Kategorie Bedeutung; eine kurze mehrdeutige Bezeichnung kann sonst den Unterschied verdecken, den der Workflow tatsächlich benötigt.

Das Datensatzformat umfasst drei Fragetypen. Eine noul-Frage fragt nach einer Wahr/Falsch-Bedingung und gibt die Wahrscheinlichkeit von wahr zurück. Eine choice-Frage definiert benannte Optionen und gibt eine ausgewählte Option, Wahrscheinlichkeiten je Option und einen separaten Konfidenzwert zurück. Eine score-Frage definiert geordnete, ab null indizierte Kriterien und gibt einen wahrscheinlichkeitsgewichteten Score, eine Legende und Wahrscheinlichkeiten zurück. Der Score kann Nachkommastellen enthalten, weil er eine Verteilung über Stufen widerspiegelt. Eine Entscheidung enthält daher mehr Informationen als eine einzelne Bezeichnung und bleibt zugleich durch das bereitgestellte Schema begrenzt.

Stellen Sie für eine visuelle Prüfung ein klares Bild und die zu bewertende Bedingung bereit. Ein Beispiel ist ein Installationsdatensatz mit Fragen dazu, ob das Identifikationsetikett sichtbar ist, welche der definierten Zustandskategorien zutrifft und ob die Belege für eine Prüfung ausreichen. Halten Sie Beobachtungen getrennt: Ob ein Etikett sichtbar ist, ist eine andere Frage als die, ob eine Installation vollständig erscheint. Die Ausgabe kann einer Anwendung helfen, den Datensatz weiterzuleiten oder eine Prüfbedingung zu markieren; sie führt selbst keine Inspektion durch, verändert keinen Datensatz und erzeugt keinen schriftlichen Bericht.

Konzentrieren Sie Fragen zu Audio und Video auf Belege, die der bereitgestellte Clip tatsächlich liefern kann. Eine praktische Geräteprüfung könnte ein Foto, eine Aufnahme und ein kurzes Video enthalten und fragen, ob ein bestimmtes Geräusch vorhanden ist oder sich ein Bauteil sichtbar bewegt. Der Hersteller beschreibt die Verarbeitung der Tonspur eines Videos zusammen mit seinen Einzelbildern, wenn jedes Video im Datensatz Ton enthält. Bewahren Sie den Zusammenhang zwischen Medien und schriftlichem Zustand und verlangen Sie keine Klassifikation eines Ereignisses außerhalb des angehängten Zeitabschnitts.

Das gehostete Herstellerprofil nennt einen Kontext von 64.000 Tokens und eine bis 64 Fragen. Es akzeptiert bis zu vier Bilder, vier Audioclips und zwei Videos; Audioclips sind jeweils auf 300 Sekunden und Videos jeweils auf 60 Sekunden begrenzt. Dies sind die Grenzen der dokumentierten Herstellerschnittstelle. Medien und Fragen belegen Kontext; zu viele Medien können zum Fehlschlagen der Anfrage führen, während ein langer Textzustand passend gekürzt werden kann. Fassen Sie entscheidende Belege in einem fokussierten Datensatz zusammen und bereiten Sie die Fragen vor, bevor Sie das Fenster mit sachfremder Vorgeschichte füllen.

Die gehostete Schnittstelle des Herstellers nimmt eingebettete Medien statt externer Links entgegen. PNG-, JPEG- oder WebP-Bilder sind jeweils auf 4 MiB und 16 Megapixel begrenzt, mit einem Gesamtbudget von 8 MiB für dekodierte Bilder. Jeder Audioclip ist auf 8 MiB und 300 Sekunden begrenzt, jedes Video auf 16 MiB und 60 Sekunden. Audio und Video dürfen zusammen höchstens 16 MiB dekodiert umfassen; Videos werden mit zwei Bildern pro Sekunde abgetastet. Diese Grenzen gehören zu dieser Herstellerschnittstelle; der Encoder mit offenen Gewichten akzeptiert zusätzliche lokale Repräsentationen. Die Audiofähigkeit der Verständnisarchitektur bedeutet nicht, dass dieses Entscheidungsmodell Audio erzeugt: Seine Sprachgenerierungskomponenten werden für die Entscheidungsbewertung nicht verwendet.

Definieren Sie für Support- oder Workflow-Weiterleitung Kategorien und geordnete Kriterien anhand der tatsächlichen Betriebsregeln. Ein Ticketdatensatz könnte fragen, welches Team zuständig sein soll, ob die Auswirkungen dringend sind und welcher Schweregrad am besten zu den Belegen passt. Die beobachtbare Ausgabe ist eine Menge typisierter Antworten unter diesen Fragennamen. Prüfen Sie die gesamte Wahrscheinlichkeitsverteilung, wenn Kategorien nahe beieinanderliegen, und legen Sie ausdrücklich fest, wie die Anwendung unsichere Fälle behandelt. Eine hohe Wahrscheinlichkeit ist eine Modellbewertung der bereitgestellten Belege, kein Nachweis einer unabhängigen Verifizierung der Bedingung.

Bewahren Sie Zustand, Fragenschema und zurückgegebene Antworten zusammen auf, wenn Sie ein Ergebnis untersuchen. Prüfen Sie, ob die Optionen die tatsächliche Situation abdecken, ob ihre Beschreibungen überlappen und ob wichtige Belege ausgelassen oder gekürzt wurden. Benötigt ein nachgelagerter Schritt eine schriftliche Erklärung, kann er die Entscheidung und das Quellmaterial als Eingabe für einen separaten Schreibschritt verwenden. Die nützliche Rolle von Clef Omni besteht darin, definierte Alternativen anhand multimodaler Belege zu bewerten, damit die nächste Aktion mit klarer, überprüfbarer Eingabe und Ausgabe gewählt werden kann.