Cloudflare lancerer Clairic, sin første ekstraktionsmodel i System One

Cloudflare annoncerede Clairic den 19. oktober 2026 og lancerede en forhåndsvisning af det, virksomheden beskriver som den første model i en ny klasse af ekstraktionsmodeller i System One. Modellen hostes på Workers AI, og en udgivelse med åbne vægte er planlagt til senere.

Modellen er udviklet til at hente værdier med bestemte datatyper ud af ustrukturerede input. Den udtrækker, beregner, estimerer og forudsiger i stedet for at generere tekst. Cloudflare siger, at Clairic gør dette med højere nøjagtighed, kortere svartid og lavere omkostninger end traditionelle store sprogmodeller.

Tilgængelighed og priser på Workers AI

Clairic er tilgængelig i forhåndsvisning som @cf/cloudflare/clairic, kan kaldes fra en Cloudflare Worker med env.AI.run() eller via REST API’en. Den officielle modeldokumentation angiver et kontekstvindue på 65.536 tokens, understøttelse af billeder og en pris på 0,10 USD pr. million inputtokens.

Da modellen ikke genererer outputtokens, faktureres kun input. Cloudflare oplyste, at virksomheden har til hensigt at udgive vægtene frit efter yderligere arbejde med kontrolpunkterne, men angav ingen dato.

Sådan fungerer ekstraktionsmodellen

En forespørgsel kombinerer en state, den tekst, der skal læses, samt op til fire valgfrie billeder, med et kort over typede fields. De understøttede felttyper er tekst, tal, dato, klokkeslæt, dato og klokkeslæt, varighed, liste, estimat og prognose, hver med mulighed for instruktioner i almindeligt sprog. Modellen besvarer alle felter i én enkelt parallel fremadpassering uden et ræsonnementstrin og uden at generere tokens, og ifølge Cloudflare svarer den typisk på under et sekund. Felter, der ikke kan være ved siden af inputtet i én behandling på 8.192 tokens, fordeles på parallelle behandlinger, som hver ser hele inputtet, hvorefter resultaterne samles. Dokumentationen begrænser indlejrede billeder til fire PNG-, JPEG- eller WebP-filer på op til 4 MiB hver.

Hvert skalarresultat indeholder p_null, sandsynligheden for, at værdien ikke findes i inputtet, samt en konfidensscore. Estimatfelter returnerer en fordeling inden for grænser, som brugeren har angivet, med en median og et interval på 80 % fra p10 til p90 samt alle 99 percentiler efter anmodning. Hvis inputtet ikke fastlægger værdien for et felt, returneres null med et guess felt, der viser, hvad modellen ellers ville have valgt, i stedet for en opdigtet værdi.

Cloudflare placerer Clairic i kategorien System One sammen med de beslutningsmodeller, der kom før den. TypeSafe introducerede sin Jev-beslutningsmodel omkring en måned før annonceringen, og Cloudflare udgav sine Clef- og Clef-flash-beslutningsmodeller den 1. oktober 2026 og gjorde dem til open source på Hugging Face under Apache 2.0-licensen; Clef blev eftertrænet på Qwen-basismodeller og er kompatibel med Jev-API. Beslutningsmodeller klassificerer et input blandt de angivne valgmuligheder, mens store sprogmodeller genererer åbne tekstsvar. Clairic returnerer derimod værdier med bestemte datatyper direkte: tekstudsnit, tal, datoer, lister og fordelinger. Virksomheden beskriver de tre kategorier som komplementære trin, hvor ekstraktion leverer input til beslutninger, og beslutninger leverer input til det endelige genererede svar.

Dokumenterede eksempler og rapporterede testresultater

I Cloudflares eksempel med en supportmail beregnede modellen en samlet pris på 701,10 USD ud fra en angivet pris på 649,00 USD plus 52,10 USD i moms i samme behandling. Den beregnede også, at der var 11 dage mellem leveringen den 28. september 2026 og datoen på beskeden, den 9. oktober 2026, angav »revnet skærm« og »bule i hjørnet« som nøjagtige tekstudsnit fra inputtet og returnerede null for et sporingsnummer, som ikke stod i mailen. I et eksempel med et foto af en kvittering udtrak Clairic ordrenummer, købsdato og -klokkeslæt, antal, stykpris, subtotal, moms og drikkepenge med konfidensscorer og returnerede null for en rabat, der ikke fremgik af kvitteringen.

Som eksempel på estimering viser annonceringen Clairic prissætte et hus ud fra tekst om sammenlignelige salg: Modellen returnerede en værdi på 418.000 USD med en median på 415.000 USD og et interval på 80 % fra 370.000 USD til 470.000 USD inden for grænser fastsat af brugeren. Som eksempel på prognoser rapporterer Cloudflare om en 21-dages test, hvor Clairic forudsagde antallet af passagerer, der skulle sikkerhedsscreenes den følgende dag ved TSA’s lufthavnskontrolsteder, ud fra den offentligt tilgængelige tidsserie. Virksomheden siger, at prognoserne i gennemsnit afveg med 3,3 %, og at 17 af de 21 faktiske tal lå inden for modellens interval på 80 %, mens tre af de fire afvigelser faldt i weekenden omkring Columbus Day. For den 14. oktober 2026 rapporterede Cloudflare et faktisk tal på 2.419.474 mod en forudsagt median på 2.419.283.

Cloudflare rapporterer også en sammenligning af pipelines, hvor Clairic kombineres med Clef og sprogmodellen GLM-5.3 og sammenlignes med en version af det samme workflow til behandling af produktreklamationer om beskadigede varer, der udelukkende bruger GLM-5.3. Ifølge virksomheden blev kæden færdig på 19,3 sekunder mod 61,7 sekunder, hvilket er 69 % kortere tid eller omkring 3,2 gange hurtigere, og den kostede 6.032 USD pr. million reklamationer mod 11.740 USD, hvilket er 49 % mindre. Clairic og Clef klarede tilsammen ekstraktionen og beslutningen på under et sekund, mens GLM-5.3 brugte 38 sekunder på de samme to trin. Cloudflare siger desuden, at Gemma 4 og Qwen ikke kunne udlede værdier som reparationsomkostninger og ikke klarede opgaven i versionen, der udelukkende brugte store sprogmodeller. Cloudflare har bygget workflowet ind i en livedemo.

Begrænsninger i forhåndsvisningen og planer om åbne vægte

Cloudflare betegner det nuværende endepunkt som et tidligt kontrolpunkt og opremser flere begrænsninger. Ifølge virksomheden virker regnestykker med ét eller to trin, såsom summer, differencer, omregninger og datoaritmetik, pålidelige. Længere kæder af afhængige trin og sammenlægning på tværs af mange tabelrækker er dog vanskelige for en model, der kun arbejder i ét gennemløb uden et kladdefelt. Cloudflare anbefaler derfor, at brugerne lader Clairic stå for forudsigelsen og håndterer beregningerne i kode. Estimater kræver belæg i inputtet, kalibreringen måles, men garanteres ikke, og intervallerne kan blive for snævre ved ukendte data. Prognoserne er grundlæggende og kan ikke erstatte dedikerede tidsseriemodeller.

Virksomheden anbefaler, at man bruger konfidensscorerne, p_null og intervallerne til at afgøre, hvad der skal automatiseres, og hvad der skal sendes videre til yderligere gennemgang, fordi modellen garanterer, at svarene er velformede, men ikke at de er korrekte. Cloudflare oplyste, at virksomheden vil fortsætte arbejdet med modellens regne-, estimerings- og prognosefunktioner ved hvert kontrolpunkt, og at den planlægger senere at frigive Clairic med åbne modelvægte. Navnet spiller ifølge virksomheden på kontorarbejde, klarhed og clairvoyance og fungerer samtidig som kortform for Cloudflares AI-regressionsmodel.