Cloudflare Clef-omni rozszerza decyzje multimodalne, ale dokładność wciąż wyznacza granice

Cloudflare Clef-omni zadebiutował 9 października, oferując natywne przetwarzanie audio, wideo, obrazów i tekstu w jednym potoku decyzyjnym. Firma obniżyła również ceny Clef-flash i zwiększyła szybkość hostowanych inferencji Clef nawet 2,0-krotnie. Łącznie zmiany te przekształcają tygodniową rodzinę modeli w szersze wyzwanie dla wieloetapowych systemów, z których deweloperzy obecnie korzystają przy automatycznym podejmowaniu decyzji.

Istotna zmiana nie polega na tym, że kolejny model akceptuje media. Modele ogólnego przeznaczenia już to potrafią. Cloudflare udostępnia rozumienie multimodalne jako ograniczoną usługę decyzyjną, która zwraca prawdopodobieństwa dla dozwolonych odpowiedzi zamiast generować otwarty tekst.

To rozróżnienie stawia Cloudflare w konkurencji z Jev firmy TypeSafe oraz z bardziej ugruntowanym wzorcem architektonicznym: łączeniem oddzielnych komponentów transkrypcji, analizy obrazu, języka i klasyfikacji. Clef-omni proponuje deweloperom zastąpienie tego łańcucha jednym wywołaniem modelu. Podejście obiecuje mniej orkiestracji, jednak własne wyniki benchmarków Cloudflare pokazują, dlaczego mniejsza liczba komponentów nie oznacza automatycznie lepszych decyzji.

Cloudflare Clef-omni zamienia cztery typy danych wejściowych w jedną decyzję

Cloudflare Clef-omni został zaprojektowany do bezpośredniej oceny mieszanych mediów, bez uprzedniego przekształcania każdego wejścia w tekst.

Model akceptuje tekst, obrazy, dźwięk WAV lub MP3 oraz wideo MP4 lub WebM. Żądanie może łączyć kilka takich danych wejściowych ze schematem opisującym pytania, na które model ma odpowiedzieć. Odpowiedź przypisuje poziom pewności do dozwolonych opcji, zamiast tworzyć narracyjną odpowiedź.

Cloudflare ilustruje ten wzorzec kontrolą sprzętu. Deweloper może przesłać zdjęcie etykiety, nagranie dźwięku maszyny oraz wideo jej wentylatora. Model może następnie ocenić, czy etykieta jest widoczna, czy maszyna brzmi normalnie oraz czy wentylator się porusza.

Taki przepływ pracy zwykle wymaga kilku etapów. Jeden model transkrybuje dźwięk, inny próbuje lub opisuje wideo, a kod aplikacji łączy te wyniki. Końcowy klasyfikator lub model językowy przekształca następnie zgromadzone dowody w decyzję.

Zamiast tego Clef-omni mapuje media do jednej ujednoliconej sekwencji. Cloudflare twierdzi, że zsynchronizowany dźwięk i klatki obrazu pozostają dostępne do wspólnego przetwarzania. Model ocenia każdą prawidłową odpowiedź na podstawie tej połączonej reprezentacji, bez generowania pośredniej transkrypcji lub podpisu.

To istotna różnica w przypadku sygnałów, które tracą kontekst podczas konwersji. Transkrypcja może zachować wypowiadane słowa, jednocześnie odrzucając ton, hałas tła, czas i relację między dźwiękiem a ruchem. Zestaw podpisów wideo może opisywać widoczne obiekty, lecz nie zauważyć, że dźwięk wystąpił w tym samym momencie co awaria mechaniczna.

Cloudflare zbudował model na bazie Qwen3-Omni-30B-A3B-Instruct, fundamentu typu mixture-of-experts. Model mixture-of-experts kieruje różne dane wejściowe przez wybrane grupy parametrów, zamiast aktywować całą sieć przy każdym obliczeniu. Cloudflare zachował rdzeń rozumienia modelu bazowego, lecz usunął jego komponenty wyjściowe text-to-speech.

Firma następnie zamroziła szkielet Qwen3 i wytrenowała adaptery niskiego rzędu, czyli moduły LoRA. LoRA aktualizuje mniejszy zestaw dodanych parametrów, pozostawiając większość modelu bazowego bez zmian. Cloudflare zastosował też trening z entropią krzyżową z wygładzaniem etykiet oraz kalibrację wyniku Brier, która mierzy, jak blisko przewidywane prawdopodobieństwa odpowiadają zaobserwowanym wynikom.

Jego otwarte wagi modelu umożliwiają badaczom inspekcję lub samodzielne hostowanie modelu. Hostowana dokumentacja modelu przedstawia strukturę żądań dla Workers AI.

Ta architektura sprawia, że multimodalny model Clef jest czymś więcej niż chatbotem obsługującym media. To oceniający model związany schematem, zbudowany dla aplikacji, które już wiedzą, na jakie pytania potrzebują odpowiedzi. To ukierunkowanie tworzy również jego kluczowe ograniczenie: system może podejmować użyteczne decyzje tylko wtedy, gdy schemat, dowody i dozwolone wybory oddają rzeczywisty problem.

Multimodalny model Clef celuje w złożoność potoków

Cloudflare konkuruje z kosztami i kruchością połączonych potoków modeli, a nie wyłącznie z innym dostawcą modeli.

Wieloetapowy przepływ pracy z mediami tworzy zależności operacyjne. Rozpoznawanie mowy może zawieść przy akcentach lub zaszumionych nagraniach. Próbkowanie wideo może pominąć istotną klatkę. Model generujący podpisy może pominąć szczegół, który później okaże się ważny. Końcowy system decyzyjny widzi wyłącznie przekształcone wyniki, wraz z każdym błędem wprowadzonym wcześniej.

Każdy etap ma także własne opóźnienia, obserwowalność, zachowanie przy skalowaniu i reakcję na awarie. Deweloperzy muszą zdecydować, czy ponowić nieudaną transkrypcję, kontynuować z częściowymi dowodami czy zatrzymać całe żądanie. Muszą zachować powiązania między znacznikami czasu, klatkami wideo i tekstem pochodnym, jeśli ostateczna decyzja zależy od czasu.

Bezpośrednie przetwarzanie Clef-omni ogranicza te przekazania. Cloudflare podaje, że hostowany model podejmuje decyzje wyłącznie na podstawie tekstu z medianą opóźnienia około 130 milisekund. Żądania dotyczące obrazów zajmują około 150 milisekund, natomiast wejścia audio — kilkaset milisekund.

W przykładzie firmy 21-sekundowe wideo zawierające dźwięk otrzymuje ocenę w około 1,5 sekundy. Są to pomiary Cloudflare, a nie niezależne gwarancje. Rzeczywiste opóźnienie będzie zależeć od rozmiaru ładunku, odległości sieciowej, współbieżności oraz sposobu strukturyzowania pytań przez aplikację.

Potencjalna korzyść pozostaje jednak wyraźna. Platforma wsparcia może ocenić pisemny opis klienta, zdjęcie produktu i nagranie głosowe w jednym żądaniu. Przepływ pracy związany z bezpieczeństwem może połączyć zrzut ekranu, mówioną narrację i ustrukturyzowane dane o incydencie. Aplikacja kontroli jakości może porównać widoczny ruch z dźwiękiem mechanicznym.

Format wyjściowy jest równie ważny jak format wejściowy. Modele Clef generują prawdopodobieństwa ograniczone schematem, dzięki czemu aplikacja może wykorzystać odpowiedź bez parsowania konwersacyjnej prozy. System moderacji może zażądać dozwolonej kategorii, a system routingu może ocenić kilka miejsc docelowych.

Nie eliminuje to logiki aplikacji. Zespoły nadal potrzebują progów pewności, reguł eskalacji, zapisów audytowych i weryfikacji przez ludzi w przypadkach o istotnych konsekwencjach. Potrzebują też polityki dla niepewnych wyników, ponieważ rozkład prawdopodobieństwa nie jest gwarancją poprawności.

Zmianę lepiej rozumieć jako konsolidację. Zamiast utrzymywać odrębne etapy percepcji i klasyfikacji, deweloperzy mogą sprawdzić, czy jeden endpoint obsłuży wystarczającą część przepływu pracy. Może to ograniczyć pracę nad infrastrukturą, nawet gdy sam model nie jest najlepszy w każdej ocenie.

Ta sama zasada dotyczy przepływów pracy z informacjami osobistymi. System łączący spotkania, dokumenty i przechwycone media nadal potrzebuje niezawodnego wyszukiwania oraz zarządzania kontekstem. Narzędzia zbudowane wokół łączenia wiedzy ilustrują szersze zapotrzebowanie na łączenie heterogenicznych informacji bez zmuszania użytkowników do ręcznego odtwarzania kontekstu.

Cloudflare zakłada, że deweloperzy chcą porównywalnej konsolidacji wewnątrz zautomatyzowanych ścieżek decyzyjnych. Jeśli multimodalny model Clef zachowa użyteczne dowody między różnymi mediami, prostsza architektura stanie się przewagą konkurencyjną. Jeśli pominie sygnały specyficzne dla danej domeny, zespoły wrócą do wyspecjalizowanych komponentów mimo dodatkowej złożoności.

Szybsze inferencje Clef zmieniają równanie wdrożeniowe

Aktualizacja Clef jest częściowo historią infrastruktury serwującej, a największe zgłoszone przyspieszenie mediany sięga 2,0x.

Cloudflare nie wydał nowych wag dla szybszej wersji swojego pierwotnego modelu Clef. Firma twierdzi, że ulepszenia wynikały przede wszystkim z jej hostowanej warstwy serwującej. Oznacza to, że użytkownicy hostujący model samodzielnie nie otrzymają automatycznie tych samych korzyści po ponownym pobraniu istniejącego modelu.

Dla wejść bliskich 800 tokenom Cloudflare podaje, że mediana opóźnienia spadła z 262 milisekund do 152 milisekund. Zgłoszone opóźnienie dla 95. percentyla zmieniło się z 438 milisekund na 351 milisekund. Oznacza to poprawę mediany o 1,7x.

Przy około 3400 tokenach mediana opóźnienia miała spaść z 616 milisekund do 305 milisekund. 95. percentyl spadł z 777 milisekund do 531 milisekund. Jest to obciążenie, przy którym Cloudflare zgłasza maksymalne przyspieszenie mediany o 2,0x.

Dla wejść bliskich 16 000 tokenów firma podaje spadek mediany z 2721 milisekund do 1635 milisekund. Wartość dla 95. percentyla spadła z 3250 milisekund do 1805 milisekund. Poprawa mediany przy tym rozmiarze wynosi 1,7x.

Pomiary te mają znaczenie, ponieważ modele decyzyjne często działają wewnątrz innej operacji. Decyzja o routingu może nastąpić, zanim agent wybierze narzędzie. Ocena bezpieczeństwa może zablokować publikację. Klasyfikacja bezpieczeństwa może określić, czy zdarzenie otrzyma natychmiastową uwagę.

Opóźnienie na tych pozycjach się kumuluje. Aplikacja, która wielokrotnie wywołuje model wewnątrz pętli agenta, może zamienić kilkaset milisekund w zauważalne opóźnienie. Opóźnienie ogonowe również ma znaczenie, ponieważ użytkownicy odczuwają wolne żądania, a nie tylko żądanie o medianowym czasie.

Cloudflare przypisuje część poprawy szybkości inferencji Clef przejściu na SGLang, otwartoźródłowy framework serwujący dla modeli językowych i multimodalnych. Cloudflare współpracował z projektem, aby dodać obsługę Clef poprzez wkład do SGLang.

Współpraca ta ma znaczenie poza hostowaną usługą. Zapewnia użytkownikom samodzielnego hostingu obsługiwaną ścieżkę serwowania, choć ich wyniki będą różnić się w zależności od sprzętu i konfiguracji. Sugeruje też, że wydajności modelu nie można oceniać w oderwaniu od oprogramowania inferencyjnego.

Szybszy hostowany model wzmacnia argument Cloudflare za własną platformą. Deweloperzy korzystający z Workers AI mogą łączyć wykonywanie modelu, kod aplikacji i mechanizmy kontrolne AI Gateway u tego samego dostawcy. Niższe opóźnienie zmniejsza koszt dodania kroku decyzyjnego do istniejącego Worker.

Optymalizacja infrastruktury nie poprawia jednak osądu modelu. Błędna odpowiedź zwrócona w połowie czasu nadal jest błędna. Deweloperzy powinni więc rozdzielić dwa pytania ewaluacyjne: czy Clef spełnia ich wymagania dotyczące dokładności i kalibracji oraz czy warstwa serwująca Cloudflare spełnia ich cel opóźnienia.

To rozróżnienie zapobiega przesłanianiu ryzyka aplikacyjnego przez nagłówkowe przyspieszenia. Szybki model moderacji może przetwarzać więcej treści, ale może również skalować fałszywie pozytywne wyniki. Szybki model routingu może przyspieszać agentów, lecz słabe oszacowania pewności mogą kierować więcej żądań do niewłaściwych narzędzi.

Tańszy Clef-flash wiąże się z mniejszym hostowanym kontekstem

Cloudflare obniżył koszt Clef-flash, akceptując widoczny kompromis produktowy: jego hostowane okno kontekstowe jest teraz znacznie krótsze.

Firma twierdzi, że Clef-flash jest teraz tańszy niż Jev, jego najbardziej bezpośrednie porównanie wśród modeli decyzyjnych. Dokładne ceny komercyjne mogą się zmieniać, dlatego kupujący powinni konsultować aktualną dokumentację, zamiast traktować ogłoszenie premierowe jako stały cennik.

Trwalszym faktem jest ograniczenie kontekstu. Hostowany Clef-flash wcześniej reklamował okno o długości 64 000 tokenów. Obecnie akceptuje do 24 000 tokenów za pośrednictwem Workers AI.

Cloudflare twierdzi, że zaledwie 0,24 procenta zaobserwowanych żądań Clef-flash przekroczyło nowy limit. Na podstawie tego użycia firma zdecydowała się obniżyć hostowany limit i zmniejszyć koszt usługi. Większy model Clef zachowuje hostowany kontekst o długości 64 000 tokenów.

Pobieralne wagi Clef-flash pozostają bez zmian. Cloudflare twierdzi, że wagi te zostały wytrenowane do obsługi kontekstu 256 000 tokenów w przypadku samodzielnego hostowania. Tworzy to wyraźną różnicę między teoretycznymi możliwościami modelu a skonfigurowanym limitem produktu zarządzanego.

W przypadku wielu zadań klasyfikacyjnych 24 000 tokenów nadal wystarcza. Zgłoszenie klienta, fragment polityki, podsumowanie incydentu lub krótki ślad działania agenta mogą się bez problemu zmieścić. Zespoły przetwarzające długie dokumenty, rozbudowane ślady lub duże zbiory dowodów muszą uwzględnić nową granicę.

Mogą skrócić dane wejściowe, je podsumować, pobrać wyłącznie istotne fragmenty, skorzystać z większej usługi Clef lub samodzielnie hostować Clef-flash. Każda z tych opcji zmienia system. Skracanie grozi usunięciem rozstrzygających dowodów, a podsumowywanie może wprowadzić kolejny model i kolejne źródło błędów.

Wyszukiwanie może kontrolować rozmiar danych wejściowych, ale uzależnia wynik od tego, co wybierze warstwa wyszukiwania. Samodzielne hostowanie zachowuje więcej kontekstu, ale wymaga planowania pojemności, aktualizacji, prac nad bezpieczeństwem i inżynierii inferencji.

Dlatego historia tańszego Clef-flash nie jest po prostu obniżką ceny. Cloudflare optymalizuje usługę pod przytłaczającą większość zapytań, które obecnie obserwuje. Klienci z wyjątkowo długimi danymi wejściowymi ponoszą koszt poprzez migrację lub zmiany architektury.

Ta decyzja wyjaśnia również pozycjonowanie rodziny modeli. Clef-flash jest przeznaczony do częstych, wrażliwych na opóźnienia decyzji przy relatywnie ograniczonym kontekście. Pełny Clef obsługuje większe lub bardziej wymagające przypadki. Clef-omni kierowany jest do przepływów pracy, w których rozstrzygające informacje obejmują tekst, dźwięk, obrazy i wideo.

Naturalnie nasuwa się wzorzec routingu warstwowego. Aplikacja może zacząć od Clef-flash i eskalować długie lub niepewne przypadki do innego modelu. Taki wzorzec wymaga jednak starannej kalibracji. Próg pewności, który wygląda rozsądnie w ogólnym benchmarku, może zachowywać się inaczej w przypadku własnych danych firmy.

Deweloperzy powinni testować limity kontekstu na kompletnych przykładach produkcyjnych, a nie na podstawie średniej długości danych wejściowych. Rzadkie żądanie przekraczające 24 000 tokenów może być jednocześnie złożonym żądaniem, w którym brak kontekstu powoduje największe szkody.

Cloudflare Clef-omni nadal stoi przed testem dokładności

Opublikowane przez Cloudflare wyniki pokazują zdolny model, ale nie wskazują uniwersalnego zwycięzcy we wszystkich zadaniach i modalnościach.

W zestawie benchmarków Cloudflare Clef-omni osiąga mocne wyniki w kilku ewaluacjach zorientowanych na tekst. Uzyskuje 98,2 w BFCL case exact match oraz 97,7 macro-F1 w CLINC150 z przykładami spoza zakresu. Notuje także 94,8 macro-F1 w BANKING77.

Model ustępuje jednak innemu członkowi rodziny Clef w kilku testach. Pełny Clef osiąga wyższe wyniki w ToolRet, decyzjach dotyczących urządzeń domowych, When2Call, BRIGHT i PhishNChips. Clef-flash prowadzi w BFCL, API-Bank oraz ewaluacji urządzeń domowych.

Jev również zachowuje przewagi. Tabela Cloudflare pokazuje Jev przed Clef-omni w When2Call i BRIGHT. Wyniki przemawiają przeciw traktowaniu większego zakresu danych wejściowych jako automatycznej przewagi.

Ten sam mieszany obraz pojawia się w ewaluacjach przepływów pracy. W opublikowanych ewaluacjach modeli decyzyjnych Clef-omni ustępuje pełnemu Clef w przetwarzaniu faktur. Ustępuje też Clef-flash pod względem dokładnych działań w obsłudze klienta i głównych działań w śladach agentów.

W przypadku incydentów bezpieczeństwa Clef-omni dorównuje Clef-flash i Jev pod względem dokładnych działań, pozostając jednocześnie poniżej pełnego Clef. Różnice te są istotne, ponieważ przepływy pracy w firmach zwykle łączą kilka prawidłowych wyborów. Model może poprawnie wybrać główne działanie, ale pominąć działanie wtórne wpływające na zgodność lub dalsze postępowanie.

Benchmarki dostarczają również ograniczonych dowodów dotyczących nowych modalności. Wiele wymienionych ewaluacji koncentruje się na klasyfikacji tekstu, wyszukiwaniu, użyciu narzędzi lub ustrukturyzowanych przepływach pracy. Nie ustalają one, jak niezawodnie Clef-omni rozumuje na podstawie zsynchronizowanej mowy, dźwięku, ruchu i obrazów w zróżnicowanych środowiskach produkcyjnych.

Cloudflare raportuje opóźnienia multimodalne, ale materiały premierowe nie przedstawiają równie szczegółowego publicznego rozbicia dokładności dźwięku i wideo. Pozostają pytania o zaszumione nagrania, wielu mówców, ruch kamery, skompresowane wideo, nakładające się dźwięki oraz dowody sprzeczne między modalnościami.

Ta luka w weryfikacji powinna kształtować wdrażanie. Zespół oceniający inspekcje fabryczne powinien tworzyć przykłady obejmujące normalne i nieprawidłowe dźwięki przy realistycznym hałasie tła. Organizacja wsparcia powinna testować różne akcenty, mikrofony urządzeń i niekompletne nagrania klientów.

Zespoły bezpieczeństwa powinny osobno mierzyć fałszywie dodatnie i fałszywie ujemne wyniki. Pojedynczy wskaźnik dokładności może ukryć system, który osiąga dobre wyniki dzięki faworyzowaniu najczęstszej klasy. Kalibracja również zasługuje na testy, ponieważ automatyzacja dalszych procesów często zależy od tego, czy wartości pewności odpowiadają rzeczywistym poziomom błędów.

Szybki harmonogram rozwoju Cloudflare zwiększa potrzebę niezależnej oceny. Firma twierdzi, że pierwotna inicjatywa Clef przeszła od wewnętrznej decyzji do premiery w mniej niż tydzień. Tempo iteracji robi wrażenie, ale nie zastępuje szerokich testów zewnętrznych.

Otwarte wagi pomagają. Badacze mogą odtwarzać testy, analizować zachowanie i porównywać wyniki samodzielnego hostowania z Workers AI. Jednak otwarta dostępność nie czyni benchmarku neutralnym. Raportowane liczby nadal wynikają z doboru modeli, promptów, infrastruktury i metryk przez Cloudflare.

Najbardziej uzasadniony wniosek jest węższy niż narracja premierowa. Cloudflare Clef-omni oferuje wiarygodną architekturę pojedynczego wywołania dla decyzji multimodalnych. To, czy usprawni rzeczywisty przepływ pracy, zależy od dowodów z danej dziedziny, których benchmarki premierowe jeszcze nie dostarczają.

Co deweloperzy powinni obserwować dalej

O kolejnej fazie zdecydują niezależne testy multimodalne, wdrożenia produkcyjne i odpowiedzi konkurencji, a nie listy funkcji.

Pierwszym sygnałem jest zakres ewaluacji. Deweloperzy powinni szukać publicznych testów wymagających jednocześnie dowodów z dźwięku i wideo, zwłaszcza gdy te sygnały sobie przeczą. Użyteczny benchmark sprawdzałby, czy model zauważa widoczną maszynę działającą normalnie, podczas gdy jej dźwięk ujawnia przerywaną usterkę.

Takie wyniki wzmocniłyby twierdzenie Cloudflare, że jeden zunifikowany potok zachowuje informacje tracone przez transkrypcję i tworzenie podpisów. Słabe wyniki sugerowałyby, że natywne przyjmowanie danych jest wygodne, ale niekoniecznie dokładniejsze od wyspecjalizowanych komponentów.

Drugim sygnałem jest zachowanie produkcyjne. Cloudflare już opisuje wewnętrzne wdrożenia Clef służące do zamykania zgłoszeń spamu, moderowania bibliotek wtyczek pod kątem phishingu, identyfikowania możliwych danych osobowych i wykrywania złośliwych domen. Przykłady te dotyczą istotnych klasyfikacji, lecz głównie potwierdzają użycie, a nie zmierzoną niezawodność.

Deweloperzy potrzebują wskaźników błędów, wyników kalibracji, wzorców eskalacji i opóźnień krańcowych przy utrzymanym ruchu. Powinni też obserwować, czy zespoły wdrażają Clef-omni do rzeczywiście międzymodalnych decyzji, czy głównie wykorzystują go jako kolejny klasyfikator tekstu i obrazów.

Trzecim sygnałem jest odpowiedź konkurencji. Jev pozostaje najczytelniejszym bezpośrednim punktem odniesienia, ponieważ Clef obsługuje jego kształt API, a Cloudflare wielokrotnie porównuje się z nim w benchmarkach. Zgodność zmniejsza tarcie przy zmianie dostawcy, więc TypeSafe musi bronić swojej pozycji za pomocą dokładności, ekonomiki, opóźnień lub wyspecjalizowanych narzędzi.

Dostawcy uniwersalnych modeli multimodalnych także mają znaczenie, nawet jeśli nie przedstawiają swoich systemów jako modeli decyzyjnych. Ustrukturyzowane dane wyjściowe, ograniczone dekodowanie i dedykowane endpointy klasyfikacyjne mogą zmniejszyć różnice operacyjne. Wyspecjalizowane systemy audio i wizyjne pozostaną atrakcyjne tam, gdzie dokładność dziedzinowa przeważa nad prostotą potoku.

Dla deweloperów praktycznym następnym krokiem jest kontrolowana ewaluacja z użyciem rzeczywistych przykładów. Porównaj zunifikowany model z istniejącym potokiem, a następnie zmierz dokładność pełnych działań, kalibrację, opóźnienia i obsługę błędów. Uwzględnij rzadkie długie dane wejściowe oraz media niskiej jakości, ponieważ średnie często ukrywają przypadki decydujące o ryzyku operacyjnym.

Nie zaczynaj od pytania, czy model rozumie cztery modalności. Zapytaj, czy podejmuje właściwą, ograniczoną decyzję na podstawie tych modalności przy akceptowalnym poziomie błędów. Następnie sprawdź, co dzieje się, gdy jest niepewny, otrzymuje sprzeczne dowody lub przekracza limit kontekstu usługi hostowanej.

Cloudflare ułatwiło przeprowadzenie eksperymentu. Nie wyeliminowało potrzeby jego przeprowadzenia. Wartość Cloudflare Clef-omni ostatecznie będzie zależeć od tego, czy prostsza architektura sprawdzi się w kontakcie z chaotycznymi danymi produkcyjnymi, a nie od tego, czy jeden endpoint technicznie potrafi przyjąć każdy typ pliku.