Cloudflare 發布 Clef-Omni：30B-A3B 混合專家多模態決策模型

背景

Clef-Omni 是 Cloudflare 發布的一款多模態模型，主要用途是根據輸入的狀態（State）和預定義的問題架構（Schema），輸出每個選項的概率分數。與傳統生成式模型不同，它不進行自由文本生成，而是針對結構化決策任務進行優化。該模型基於 Qwen/Qwen3-Omni-30B-A3B-Instruct 進行後訓練，屬於混合專家（Mixture-of-Experts, MoE）架構，總參數量為 30B，激活參數量為 3B。 Hugging Face 熱門模型

發生什麼事

Cloudflare 於 Hugging Face 上發布了 Clef-Omni 模型。根據模型卡資訊，該模型旨在將狀態與類型化問題轉化為決策，能在單次前向傳播中為每個問題的允許選項返回概率。模型卡指出其 API 完全相容於 Jev 和 SystemOne。 Hugging Face 熱門模型

重點內容

Clef-Omni 的輸入可以是文字、JSON、影像、音訊或影片，輸出則是每個問題選項的概率分數。模型架構包含一個 Backbone（基於 Qwen3-Omni-30B-A3B-Instruct 的 thinker，含視覺與音訊編碼器）和一個 Joint schema head（小型 Transformer 頭部，用於路由證據並聯合評分所有問題的選項）。授權條款為 Apache-2.0。 Hugging Face 熱門模型

在硬體需求方面，模型卡表示測試環境使用 torch 2.11 和 transformers 5.10.2，在單張 H200 GPU 上運行。Backbone 在 bfloat16 精度下約需 64 GB GPU 記憶體。影像輸入需要 pillow 套件，音訊和影片檔案需要 av 套件。模型提供多種部署方式，包括透過 Transformers 庫、vLLM、SGLang 或 Docker Model Runner 進行本地部署。 Hugging Face 熱門模型

對使用者的意義

開發者可以使用該模型處理結構化決策任務，例如根據發票狀態判斷是否逾期，或根據系統錯誤訊息判斷所屬部門。透過 Jev/SystemOne API，開發者可以發送包含狀態和問題的請求，並獲得包含選擇、置信度及概率的標準化回應。這適合需要高確定性輸出且不需自由文本生成的應用場景。 Hugging Face 熱門模型

限制與未定事項

模型卡自報的效能數據（如 64 GB 顯存需求）尚未經第三方獨立評測驗證。此外，雖然模型包含語音輸出權重（talker 和 code2wav），但發布者表示這些權重未被使用，且 load_release_model 不會載入它們。 Hugging Face 熱門模型