Cloudflare把拦垃圾邮件的模型拿出来卖：Clef-omni直接吃音视频，Clef-flash降价但上下文改成24k

判断一封邮件是不是钓鱼，答案只需要一个字：拦，或者不拦。Cloudflare新发布的Clef-omni干的就是这类活。它是一个决策模型，不陪人聊天，输入可以是文本、图片、音频、视频，混在一起也行。

底座不是从头训的。Clef-omni基于Qwen3家族里的Qwen3-Omni-30B-A3B-Instruct，30B是总参数，A3B指每次推理只激活大约30亿参数，混合专家架构的常见写法，图的是推理便宜、速度快。Omni那一支本来就是全模态版本，能同时理解声音和画面。

卖点在于少搭流水线。

以前要审一段带人声的视频，通常得先跑语音转写，再抽帧做图像识别，最后把几路结果拼起来交给文本模型判断。每多一环，就多一份延迟和出错的可能。Clef-omni把这些压进一次API调用，进去是原始素材，出来是结论。

老成员Clef-flash也动了。价格往下调，代价是上下文窗口改成24k。做分类、打标签，24k一般够用，一封邮件、一段聊天记录很少超过这个长度；想拿它读长合同的，就得另找办法了。Cloudflare还说经过基础设施优化，整个Clef系列响应更快，但没给出能横向比较的数字。

这些模型不是实验品。Cloudflare自己已经把它们用在垃圾邮件过滤、网络钓鱼监测和个人敏感信息识别上，这几样本来就是它安全业务每天要处理的事。现在权重和API一起放出来，开发者可以直接调接口，也可以把权重拉下来自己部署。

我反倒觉得这比再发一个通用大模型有意思。安全场景要的是快、稳、便宜、结果能直接接进规则引擎，一个只回答拦不拦的模型，在这儿比会写诗的模型好使得多。