클라우드플레어, 멀티모달 Clef-omni 공개

ai.euno.news 자동 뉴스 요약

클라우드플레어(Cloudflare)가 텍스트·이미지뿐 아니라 음성과 동영상까지 한 번에 처리하는 오픈 웨이트 의사결정 모델 Clef-omni를 10월 9일 공개했다. 기존 Clef의 처리 속도도 높이고, 경량 모델 Clef-flash의 가격은 경쟁 모델 Jev보다 낮췄다고 발표했다. 다만 클라우드플레어가 공개한 자료에는 속도 향상 폭이나 구체적인 가격이 제시되지 않았다.¹

Clef-omni는 텍스트와 이미지에 더해 wav·mp3 음성 파일, mp4·webm 동영상 파일을 입력받는다. 기존 Clef도 이미지와 동영상 프레임 배열을 지원했지만, Clef-omni는 음성과 동영상을 원본 형식에 가깝게 직접 처리한다. 음성을 먼저 텍스트로 옮기거나 동영상에서 음성과 화면을 분리해 여러 모델에 차례로 전달하는 파이프라인을 하나의 모델 호출로 줄이는 것이 핵심이다. 설비 사진과 작동음, 팬 구동 영상을 함께 넣고 명판 노출 여부나 이상 소음, 팬 작동 상태를 각각 판정하는 식이다.

기반 모델은 혼합 전문가(Mixture-of-Experts·MoE) 구조의 Qwen3-Omni-30B-A3B-Instruct다. 클라우드플레어는 이 모델의 멀티모달 이해 백본을 사용하되 음성 합성 출력 부품은 제외했다. Clef 계열은 대규모 언어 모델(LLM)처럼 문장을 생성하지 않고, 입력과 허용된 선택지를 한꺼번에 평가해 정해진 값 가운데 답을 고른다. 이에 따라 입력 음성을 전사하거나 영상을 자막으로 바꾸는 과정과 출력 토큰 생성 비용을 생략한다. 음성과 동영상 프레임은 하나의 시퀀스에서 시간에 맞춰 함께 처리된다.

Clef-omni는 클라우드플레어 API로 이용할 수 있으며 가중치도 허깅페이스(Hugging Face)에 공개됐다. 회사 설명에 따르면 Clef는 개발 결정부터 출시까지 일주일이 채 걸리지 않았다. 빠른 개발과 공개는 눈에 띄지만, 제공된 발표 자료만으로는 Clef-omni의 정확도와 지연 시간, 경쟁 모델 대비 비용을 검증하기 어렵다. 멀티모달 입력을 단일 호출로 묶었다는 구조적 이점과 실제 운영 성능은 구분해서 볼 필요가 있다.

읽기 목록은 이 브라우저에 저장됩니다.