CloudflareはClef-omniで音声と映像を意思決定モデルに組み込む

モデルは1回のリクエストでテキスト、画像、音声、ビデオを受け付ける;CloudflareはClef-flashの価格を引き下げる一方で、ホストされるコンテキストウィンドウを縮小した。

By · Published · Updated

Primary source: Cloudflare Blog

なぜ重要なのか

Cloudflareはスキーマに紐づく意思決定をより多くの入力タイプで機能させ、ホスティング価格で競争している。トレードオフは明白だ:Clef-flashは安価だが、ホストされたコンテキストウィンドウは今や小さくなっている。

A laptop sits among a page, photograph, microphone, and video camera, representing Cloudflare’s Clef-omni multimodal model.

CloudflareのエンジニアであるMichelle Chen、Alex Reneau、Kevin Jainは、同社の決定モデルラインであるClefを拡張し、テキストや画像に加えて音声と映像を受け入れるようにしました。Clef-omniは、Cloudflareが10月9日に発表したところによると、別個の書き起こしやメディア処理の手順を避け、これらの入力から1回のAPI呼び出しで構造化された決定を返すよう設計されています。

このリリースは、Cloudflareが最初のスキーマ拘束決定向けのオープンウェイトモデルであるClefとClef-flashを発表してから8日後に行われました。同社の最初の発表では、初期のClefの取り組みは、カテゴリー参入の決断が金曜の夜に行われ、木曜にローンチされ、週末にトレーニングが行われたと述べられていました。迅速なフォローアップはその短サイクルの製品推進を拡張するもので、Clef-omniに加えて、CloudflareはClef-flashのホスト価格を引き下げ、Clefの提供速度を改善しました。…

When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.

Reader comments

Conversation for this story loads after sign-in.