2026 年 10 月 9 日，Cloudflare 发布 Clef-omni，并在 Workers AI 提供调用、在 Hugging Face 开放模型权重。新模型可同时接收文本、图像、音频和视频，为预设选项输出结构化评分；它基于 Qwen3-Omni-30B-A3B-Instruct 的多模态骨干开发。

这一变化让开发者可以在单次调用中对多种媒体输入进行分类或流程判断，无需先分别转写音频和描述视频。Cloudflare 同时公布了服务接口和示例。

来源：Cloudflare 发布说明。