北京
把一张照片、3秒的滋滋声、一段2秒的热狗摊视频，再加一个词"lunch？"，一起丢给模型，它会怎么回答？
Clef Omni 给出的答案是：热狗，96.5%。
这不是一次普通的问答演示。OpenRouter 上线的 Decisions 功能，把音频和视频输入正式接了进来。四个模态——音频、视频、图像、文本——一次调用就能处理完，输出的不是 token，而是概率。
概率取代 token，意味着什么
过去调用模型，拿到的是一个个词，需要自己拼装、判断、再决定下一步。Decisions 换了个思路：直接给概率分布。
对做决策类应用的开发者来说，这个差别不小。你要的不是一段描述热狗的文字，而是一个可以直接进业务逻辑的判断结果，以及这个判断有多确定。
价格也摆在这里：输入 $0.15/M，输出免费。
Clef 家族同步扩容
Clef Omni 的定位是原生处理音频、视频、图像和文本，全部在一条流水线里完成，不需要为每种模态单独搭一套流程。
与此同时，Clef 家族还有两个动作：
- Clef-flash 的价格下调
- Clef 推理速度最高提升 2.0 倍
一个负责把多模态能力做宽，一个负责把成本和速度压下来，两条线同时在推。
多模态决策的入口正在变窄
四模态单次调用，加上概率输出和低价输入，这套组合指向的场景很明确：需要快速判断、且判断依据散落在不同模态里的任务。
热狗识别只是个演示。真正值得留意的是，当音频和视频不再需要单独预处理、单独调用，多模态应用的门槛又降了一截。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
