Cloudflare下调Clef-flash输入价格，低价托管同时收紧至24k上下文
Clef-flash每百万输入Token降至0.038美元，但托管上下文从64k缩至24k。短输入任务获得更低费率，长输入任务则面临模型路由或自托管资源的取舍；新增多模态能力也有对应的输入计费。
2026年10月9日18:27:34 UTC，Cloudflare宣布下调Workers AI上Clef-flash的托管推理价格，同时缩小其上下文窗口，并发布支持音视频输入的Clef-omni。这次更新把更低的输入费率与更严格的单次请求容量绑定在一起：对使用该服务的团队而言，模型单价和输入长度需要一起看。
Clef-flash降价，交换条件是更小的托管窗口
根据Cloudflare公告，此次价格和上下文调整如下，价格均为Workers AI托管服务的每百万输入Token美元价格：
| 模型 | 输入价格 | 托管上下文 |
|---|---|---|
| Clef-flash | 从0.09美元降至0.038美元 | 从64k缩至24k |
| Clef | 维持0.24美元 | 维持64k |
| Clef-omni | 发布时为0.15美元 | 64,000 Token |
Cloudflare称，其使用数据中只有0.24%的请求超过24k输入Token，因此选择缩小Clef-flash托管窗口来降低价格。这个比例反映的是公司的使用数据，而非每个客户项目的输入分布。公司建议上下文需求更大的用户转向Clef。
这里必须区分部署方式：Clef-flash在Hugging Face上的模型权重未改动，训练时支持256k上下文，供用户自托管使用。256k是自托管权重的能力说明，不能套用到24k的Workers AI托管服务上。
新增音视频决策，一次调用仍按输入计费
Clef系列面向的是分类、路由和结构化决策：给定状态信息和问题结构，为允许的选项返回概率，而不是生成一段自由文本。新发布的Clef-omni把文本、图像、音频和视频纳入同一次调用；Cloudflare采用Qwen3-Omni-30B-A3B-Instruct的理解骨干，移除了语音输出组件。
官方模型文档明确说明，Clef模型不收输出Token费用，但媒体输入会换算为输入Token，并按对应模型的输入费率收费：
- 图像按处理后的像素块及标记计数，每张上限为1,024 Token。
- 音频每分钟约780 Token。
- 视频在最高分辨率下每分钟最多约15,400 Token；有声音时，每分钟另计约780 Token。480p视频每分钟约8,600个画面Token，即每秒144个。
媒体Token与问题共同占用上下文窗口。文档规定，若它们超过窗口，请求会失败；否则，文本state会被截断，以适应剩余空间。因此，多模态输入的成本与容量都不能只按文字长度估算。
Clef提速发生在服务层，性能数据来自厂商
同次更新还优化了Workers AI上Clef的服务基础设施，包括迁移至SGLang；Cloudflare没有因此发布新的模型权重。公司报告，约800 Token输入的中位延迟从262毫秒降至152毫秒，约3,400 Token从616毫秒降至305毫秒，约16,000 Token从2,721毫秒降至1,635毫秒。
这些是Cloudflare披露的性能结果。MarkTechPost作者Asif Razzaq在10月11日的解读中认为，Clef-omni的价值在于一次调用处理四类模态，但在所引用的工作流评估中仍落后于Clef；文章也注明基准分数未经独立验证。10月11日是媒体报道日期，事件发生于10月9日。
公告未给出上述请求分布的统计周期、样本量，也未单列Clef-flash新费率的具体账单切换时刻；实际采用时仍需以Cloudflare当前价格及账单记录确认。
VMCardio观察：短输入获益更直接，长输入要重算资源组合
对向Cloudflare购买Workers AI托管推理服务的团队而言，在输入量相同、请求适配24k窗口的前提下，Clef-flash输入费用会下降；项目总账单的变化还取决于调用量、媒体Token和模型组合，不能直接套用单价降幅。
长输入项目则需要在路由至64k的Clef与自托管等资源方案之间重新评估。自托管的256k窗口不附带Workers AI的0.038美元费率。VMCardio关注企业对外支付场景，团队可按项目核对Cloudflare实际用量与账单，把短输入、长输入和多模态任务分开看，才能判断这次降价究竟降低了哪一部分支出。