الذكاء الاصطناعي

كلاودفلار تكشف عن Clef-omni متعدد الوسائط وتسريع Clef

توسّع كلاودفلار عائلتها من نماذج اتخاذ القرار بإطلاق Clef-omni الذي يدعم الصوت والفيديو والصورة والنص، إلى جانب تحسينات سعرية وسرعية ملحوظة.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 9 أكتوبر 2026 · آخر تحديث: 9 أكتوبر 2026 · 3 دقائق قراءة

كلاودفلار تكشف عن Clef-omni متعدد الوسائط وتسريع Clef — الصورة: Cloudflare Blog

إطلاق Clef-omni متعدد الوسائط

أعلنت شركة كلاودفلار عن إضافة جديدة جوهرية لعائلتها من نماذج اتخاذ القرار المفتوحة الأوزان، وهي نموذج Clef-omni. يُمثل هذا الإطلاق نقلة نوعية في مجال النماذج المتخصصة في اتخاذ القرار، إذ يتيح للنموذج استقبال ومعالجة مدخلات متعددة الوسائط تشمل الصوت والفيديو والصور والنص ضمن مسار معالجة واحد متكامل. وتأتي هذه الخطوة بعد أيام قليلة من إطلاق النماذج الأساسية Clef وClef-flash، مما يعكس وتيرة تطوير سريعة تهدف إلى تلبية احتياجات المطورين المتزايدة.

معالجة أصلية دون خطوط متسلسلة

تتجاوز Clef-omni القيود التقليدية التي كانت تقتصر على النصوص أو الصور فقط، حيث تدعم ملفات الصوت بصيغتي WAV وMP3، والفيديو بصيغتي MP4 وWebM. بدلاً من الحاجة إلى بناء خطوط معالجة متسلسلة (Cascading Pipelines) تقوم بتحويل الكلام إلى نص أو فصل قنوات الصوت عن الصورة، يمكن للمطورين الآن استدعاء نموذج واحد لاتخاذ قرارات عبر أي نوع من الوسائط. هذا النهج يزيل الحاجة إلى خطوات وسيطة مثل التسمية التوضيحية (Captioning) أو النسخ الآلي، مما يبسط البنية التحتية للذكاء الاصطناعي.

البنية التقنية والأداء

استندت كلاودفلار في بناء Clef-omni إلى بنية Qwen3-Omni-30B-A3B-Instruct المعتمدة على تقنية خلط الخبراء (Mixture-of-Experts). تم الحفاظ على العمود الفقري الأساسي للفهم والاستيعاب مع استبعاد مكونات توليد الكلام، نظراً لأن نماذج Clef ليست نماذج لغوية كبيرة (LLMs) تولد نصوصاً حرة، بل هي مصممة لاتخاذ قرارات محددة. يعتمد النظام على توجيه انتباه ثنائي المرحلة (Two-stage attention routing) لجمع الأدلة من المدخلات متعددة الوسائط وحساب درجات الثقة بدقة، مع الحفاظ على دلالات الخيارات المتاحة.

تحسينات في السرعة والاستجابة

أظهرت الاختبارات أن النموذج الجديد يتمتع بأداء سريع جداً في معالجة المدخلات. تستغرق القرارات النصية البحتة حوالي 130 مللي ثانية في المتوسط، بينما تصل مدخلات الصور إلى 150 مللي ثانية. وبالنسبة للوسائط الأكثر تعقيداً، يمكن للنموذج معالجة مقطع فيديو كامل مدته 21 ثانية مع الصوت في حوالي 1.5 ثانية فقط عبر استدعاء API واحد. كما تم تسريع استنتاجات نموذج Clef الأساسي بنسبة تصل إلى 2.0x بفضل تحسينات في طبقة تقديم الخدمة (Serving Infrastructure) على منصة Workers AI، دون تغيير جوهري في أوزان النموذج نفسه.

خفض الأسعار وتغيير نافذة السياق

في خطوة تنافسية، خفّضت كلاودفلار سعر نموذج Clef-flash من 0.09 دولار إلى 0.038 دولار لكل مليون رمز إدخال، مما يجعله أرخص من نموذج Jev المنافس. ومع ذلك، جاء هذا الخفض في السعر مقترناً بتقليص نافذة السياق للنسخة المستضافة من Clef-flash من 64k إلى 24k رمزاً. وأوضح الفريق أن 99.76% من الطلبات الحالية لا تتجاوز 24k رمزاً، مما يجعل هذا التغيير منطقياً من حيث التكلفة. أما نموذج Clef الأساسي فيحتفظ بنافذة سياق 64k، بينما تبقى الأوزان المفتوحة على HuggingFace مدعومة لنافذة 256k لمن يختار الاستضافة الذاتية.

الشفافية والمجتمع التقني

تواصل كلاودفلار التزامها بنشر الأوزان المفتوحة، حيث تتوفر أوزان Clef-omni على HuggingFace. كما عملت الشركة مع فريق SGLang لإدماج دعم نموذج Clef في إصدار 0.5.22 القادم، مما يسهل على المطورين استضافة النماذج ذاتياً. وتؤكد الشركة أن هذه التحديثات هي بداية فقط، مع وعود بمزيد من الابتكار والسرعة وانخفاض التكاليف في النماذج المستقبلية، مستندة إلى ملاحظات المستخدمين حول الحاجة إلى نماذج قرار ميسورة التكلفة وقابلة للتوسع في سير العمل الوكيلي (Agentic Workflows).