Cloudflare เปิดตัว Clef-omni โมเดลวิเคราะห์มัลติมีเดีย 30B
Cloudflare เปิดตัว Clef-omni โมเดลตัดสินใจมัลติมีเดีย 30B-A3B รองรับทั้งเสียง ภาพ และวิดีโอ ในราคาประหยัดเริ่มต้น 0.038 ดอลลาร์ต่อล้านโทเค็น
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Cloudflare เปิดตัว Clef-omni โมเดลตัดสินใจมัลติมีเดียภายใต้สัญญาอนุญาต Apache-2.0
- พัฒนาต่อยอดจากสถาปัตยกรรม Qwen3-Omni-30B-A3B ขนาด 30B-A3B
- รองรับการประเมินผลข้อมูลหลากหลายรูปแบบทั้งข้อความ รูปภาพ เสียง และวิดีโอในคำสั่งเดียว
- เปิดให้บริการในราคาประหยัดเพียง 0.15 ดอลลาร์ต่อล้านโทเค็นสำหรับรุ่นหลัก และ 0.038 ดอลลาร์สำหรับรุ่น Clef-flash
บริษัท Cloudflare ได้สร้างความฮือฮาให้กับวงการปัญญาประดิษฐ์อีกครั้งด้วยการประกาศเปิดตัว Clef-omni ซึ่งเป็นโมเดลตัดสินใจแบบมัลติมีเดีย (Multimodal Decision Model) รุ่นใหม่ล่าสุด ที่ถูกพัฒนาขึ้นบนพื้นฐานของสถาปัตยกรรม Qwen3-Omni-30B-A3B ขนาด 30B-A3B โดยเปิดให้ใช้งานภายใต้สัญญาอนุญาตแบบเปิดอย่าง Apache-2.0 ซึ่งเปิดกว้างให้นักพัฒนาและองค์กรต่างๆ สามารถนำไปต่อยอดได้อย่างอิสระ
ความโดดเด่นสำคัญของ Clef-omni คือความสามารถในการประมวลผลและให้คะแนนข้อมูลหลากหลายรูปแบบได้พร้อมกันภายในครั้งเดียว (One call) ไม่ว่าจะเป็นข้อมูลประเภทข้อความ (Text) รูปภาพ (Images) เสียง (Audio) และวิดีโอ (Video) ซึ่งช่วยลดความซับซ้อนในการเรียกใช้งานระบบ AI หลายตัวร่วมกัน และเพิ่มประสิทธิภาพในการตัดสินใจเชิงลึกได้อย่างรวดเร็ว
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในด้านโครงสร้างการให้บริการ Cloudflare ได้กำหนดราคาค่าใช้งานไว้อย่างย่อมเยา เพื่อให้เข้าถึงนักพัฒนาทุกระดับ โดยรุ่นหลักอย่าง Clef-omni มีอัตราค่าบริการอยู่ที่ 0.15 ดอลลาร์สหรัฐต่อล้านอินพุตโทเค็น ขณะที่รุ่นย่อยทางเลือกอย่าง Clef-flash มีราคาประหยัดยิ่งกว่าเดิม โดยลดลงมาอยู่ที่ 0.038 ดอลลาร์สหรัฐต่อล้านอินพุตโทเค็นเท่านั้น
การเปิดตัว Clef-omni สะท้อนให้เห็นถึงกลยุทธ์ของ Cloudflare ในการเจาะตลาดโครงสร้างพื้นฐาน AI ที่ต้องการความคุ้มค่าด้านต้นทุนควบคู่ไปกับความสามารถในการจัดการข้อมูลแบบผสมผสาน (Multimodal) ซึ่งปัจจุบันมีความต้องการสูงในกลุ่มแอปพลิเคชันวิเคราะห์วิดีโอและเสียงแบบเรียลไทม์ การใช้โมเดลขนาด 30B-A3B ที่ปรับแต่งมาโดยเฉพาะช่วยให้ประหยัดทรัพยากรประมวลผลได้อย่างมีนัยสำคัญเมื่อเทียบกับการเรียกใช้โมเดลแยกตามประเภทสื่อ
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น