标签
Cloudflare 发布 Clef-omni，一个基于 Qwen3-Omni-30B-A3B 后训练的多模态决策模型，可直接接收音频与视频输入，在单次前向传播中输出每个选项的概率，意图路由类基准表现强劲。
本拉取请求为 llama.cpp 添加了视频输入支持，使多模态模型能够通过新的 mtmd 组件处理视频数据。