Segun MarkTechPost (AI/ML News), Cloudflare ha presentado Clef-omni, un nuevo modelo de decisión multimodal abierto que procesa texto, imágenes, audio y video en una sola llamada. Este avance, lanzado el 9 de octubre de 2026, se sitúa ocho días después del debut de las versiones originales de Clef y Clef-flash. La actualización no solo optimiza el rendimiento, sino que también reduce significativamente los pasos de transcripción y generación de subtítulos que tradicionalmente requieren las cadenas de agentes multimodales. El modelo cuenta con un tamaño total de 30 billones de parámetros, de los cuales 3 billones son activos en una arquitectura de especialización modular (MoE), y permite un contexto de hasta 64 mil tokens en el entorno Workers AI.
Clef-omni se ejecuta a través de la plataforma Workers AI, disponible en el repositorio @cf/cloudflare/clef-omni, y ha sido validado en entornos de autodespliegue sobre una GPU H200 con 64 GB de memoria en formato bfloat16. Aunque su desempeño en tareas de ruteo y reconocimiento de intenciones se acerca al de Clef, se mantiene por debajo en evaluaciones de razonamiento complejo y flujo de trabajo. En pruebas específicas, alcanza un macro-F1 del 97,7% en el conjunto CLINC150+OOS, posicionándose como el mejor de los cuatro modelos incluidos (Clef, Jev y otros), pero presenta un desempeño débil en tareas de razonamiento profundo, con solo un 2,6% de precisión en POP909-CL y un 47,4% en GPQA Diamond, frente al 78,3% registrado por Jev.
Un modelo de decisión, como Clef-omni, no genera texto continuo, sino que devuelve respuestas estructuradas con probabilidades asignadas a opciones predefinidas. Los usuarios proporcionan un estado de entrada y un esquema de preguntas, recibiendo así una evaluación probabilística para cada alternativa permitida. El sistema soporta tres tipos de preguntas: verdadero/falso, selección múltiple y escala de calificación, siguiendo estándares establecidos por TypeSafe AI en sus APIs Jev y SystemOne.
Para el lector peruano, esta evolución en inteligencia artificial tiene un impacto directo en sectores clave como el comercio electrónico, la atención al cliente y la gestión de contenidos digitales. En un entorno donde las empresas buscan automatizar procesos con menor intervención humana, modelos como Clef-omni permiten integrar múltiples tipos de datos sin necesidad de pasos intermedios. Sin embargo, su debilidad en tareas de razonamiento complejo sugiere que no sustituirá completamente a soluciones especializadas en inteligencia de negocios. Lo que sí ofrece es una herramienta más eficiente para tareas de clasificación rápida, como identificar emociones en videos o detectar intentos de compra en audio, lo que puede optimizar costos operativos en empresas de servicios digitales.