Cloudflare veröffentlicht Clairic, sein erstes System-One-Extraktionsmodell

Cloudflare kündigte Clairic an und veröffentlichte am 19. Oktober 2026 eine Vorschau auf das, was das Unternehmen als erstes Modell einer neuen Klasse von System-One-Extraktionsmodellen bezeichnet. Es wird auf Workers AI gehostet; eine Veröffentlichung mit offenen Gewichten ist für einen späteren Zeitpunkt geplant.

Das Modell wurde entwickelt, um typisierte Werte aus unstrukturierten Eingaben zu extrahieren. Statt Text zu generieren, extrahiert, berechnet, schätzt und prognostiziert es. Laut Cloudflare erreicht Clairic dabei eine höhere Genauigkeit, kürzere Latenzzeiten und geringere Kosten als herkömmliche große Sprachmodelle.

Verfügbarkeit und Preise auf Workers AI

Clairic ist als Vorschau verfügbar als @cf/cloudflare/clairic, über einen Cloudflare Worker aufrufbar mit env.AI.run() oder über die REST-API. Die offizielle Modelldokumentation nennt ein Kontextfenster von 65.536 Tokens, Bildverarbeitung und einen Einheitspreis von 0,10 $ pro Million Eingabetokens.

Da das Modell keine Ausgabetokens generiert, werden nur die Eingaben abgerechnet. Cloudflare erklärte, die Gewichte nach weiteren Arbeiten an den Checkpoints offen zugänglich machen zu wollen, nannte dafür jedoch keinen Termin.

So funktioniert das Extraktionsmodell

Eine Anfrage kombiniert eine state, den zu lesenden Text und bis zu vier optionale Bilder mit einer Zuordnung typisierter fields. Unterstützte Feldtypen sind Text, Zahl, Datum, Uhrzeit, Datum und Uhrzeit, Dauer, Liste, Schätzung und Prognose; für jeden davon können optionale Anweisungen in einfacher Sprache hinterlegt werden. Das Modell beantwortet alle Felder in einem einzigen parallelen Vorwärtsdurchlauf, ohne Denkschritt und ohne generierte Tokens. Laut Cloudflare antwortet es in der Regel in weniger als einer Sekunde. Felder, die zusammen mit der Eingabe nicht in einen Durchlauf mit 8.192 Tokens passen, werden auf parallele Durchläufe aufgeteilt, die jeweils die vollständige Eingabe verarbeiten; anschließend werden die Ergebnisse zusammengeführt. Laut Dokumentation dürfen eingebettete Bilder höchstens vier PNG-, JPEG- oder WebP-Dateien mit jeweils bis zu 4 MiB umfassen.

Jede skalare Antwort enthält p_null, die Wahrscheinlichkeit, dass der Wert in der Eingabe fehlt, sowie einen Konfidenzwert. Schätzfelder geben eine Verteilung innerhalb der vom Aufrufer festgelegten Grenzen zurück, einschließlich Median und 80-%-Intervall von p10 bis p90; auf Anfrage sind alle 99 Perzentile verfügbar. Gibt die Eingabe keinen Aufschluss über ein Feld, lautet der Wert null; zusätzlich wird ein guess Feld ausgegeben, das zeigt, welchen Wert das Modell ansonsten gewählt hätte, statt einen Wert zu erfinden.

Cloudflare ordnet Clairic der Kategorie System One zu, zusammen mit den zuvor eingeführten Entscheidungsmodellen. TypeSafe stellte etwa einen Monat vor der Ankündigung sein Jev-Entscheidungsmodell vor, und Cloudflare veröffentlichte am 1. Oktober 2026 seine Entscheidungsmodelle Clef und Clef-flash als Open Source auf Hugging Face unter einer Apache-2.0-Lizenz. Clef wurde mit Qwen-Basismodellen weitertrainiert und ist mit Jev-API kompatibel. Während Entscheidungsmodelle eine Eingabe einer von mehreren vorgegebenen Optionen zuordnen und große Sprachmodelle offene Texte generieren, liefert Clairic direkt typisierte Werte zurück: Textspannen, Zahlen, Datumsangaben, Listen und Verteilungen. Das Unternehmen beschreibt die drei Kategorien als einander ergänzende Stufen: Die Extraktion speist die Entscheidungsfindung, die wiederum in die abschließende generierte Antwort einfließt.

Dokumentierte Beispiele und berichtete Tests

Im Beispiel von Cloudflare mit einer Support-E-Mail berechnete das Modell in einem Durchlauf eine Gesamtsumme von 701,10 $ aus einem angegebenen Preis von 649,00 $ zuzüglich 52,10 $ Steuern. Es ermittelte außerdem 11 Tage zwischen der Lieferung am 28. September 2026 und dem Datum der Nachricht, dem 9. Oktober 2026, gab „cracked screen“ und „dented corner“ als exakte Textspannen aus der Eingabe an und lieferte für eine in der E-Mail nicht enthaltene Sendungsnummer null zurück. In einem Beispiel mit einem Belegfoto extrahierte Clairic die Bestellnummer, Datum und Uhrzeit des Kaufs, Menge, Stückpreis, Zwischensumme, Umsatzsteuer und Trinkgeld samt Konfidenzwerten. Für einen auf dem Beleg nicht ausgewiesenen Rabatt gab das Modell null zurück.

Als Beispiel für eine Schätzung zeigt die Ankündigung, wie Clairic anhand von Text zu vergleichbaren Verkäufen den Preis eines Hauses ermittelt: Das Modell gab einen Wert von 418.000 $ zurück, mit einem Median von 415.000 $ und einem 80-%-Intervall von 370.000 $ bis 470.000 $ innerhalb der vom Aufrufer festgelegten Grenzen. Für Prognosen berichtet Cloudflare von einem 21-tägigen Test, bei dem Clairic anhand einer öffentlich verfügbaren Zeitreihe die Zahl der Fluggastkontrollen an TSA-Flughafenkontrollstellen für den jeweils folgenden Tag vorhersagte. Laut Unternehmen wichen die Prognosen im Durchschnitt um 3,3 % ab; 17 der 21 tatsächlichen Werte lagen innerhalb des 80-%-Intervalls des Modells. Drei der vier Abweichungen außerhalb des Intervalls fielen auf das Columbus-Day-Wochenende. Für den 14. Oktober 2026 meldete Cloudflare einen tatsächlichen Wert von 2.419.474 gegenüber einem prognostizierten Median von 2.419.283.

Cloudflare berichtet außerdem über einen Pipeline-Vergleich, bei dem Clairic zusammen mit Clef und dem Sprachmodell GLM-5.3 einem vollständig auf GLM-5.3 basierenden Ablauf für denselben Arbeitsprozess zur Bearbeitung von Schadensmeldungen für beschädigte Produkte gegenübergestellt wird. Nach Angaben des Unternehmens war die Kaskade in 19,3 Sekunden abgeschlossen, gegenüber 61,7 Sekunden – 69 % weniger Zeit beziehungsweise etwa 3,2-mal schneller – und kostete 6.032 $ pro Million Schadensmeldungen statt 11.740 $, also 49 % weniger. Clairic und Clef erledigten Extraktion und Entscheidungsfindung zusammen in weniger als einer Sekunde; GLM-5.3 benötigte für dieselben beiden Schritte 38 Sekunden. Cloudflare zufolge konnten Gemma 4 und Qwen in der vollständig auf großen Sprachmodellen basierenden Version keine Werte wie Reparaturkosten ableiten und scheiterten an der Aufgabe. Cloudflare integrierte den Ablauf in eine Live-Demo.

Einschränkungen der Vorschau und Pläne für offene Gewichte

Cloudflare bezeichnet den aktuellen Endpunkt als frühen Zwischenstand und nennt mehrere Einschränkungen. Ein- und zweistufige Berechnungen wie Summen, Differenzen, Umrechnungen und Datumsberechnungen scheinen zuverlässig zu funktionieren, erklärte das Unternehmen. Längere Ketten voneinander abhängiger Schritte und Aggregationen über viele Tabellenzeilen hinweg seien für ein Modell, das nur einen Durchlauf ohne Zwischenspeicher ausführt, jedoch schwierig. Cloudflare empfiehlt, Clairic für die Vorhersage zu nutzen und die Berechnungen im Code durchzuführen. Schätzungen müssen durch Belege in der Eingabe gestützt sein, die Kalibrierung wird gemessen, ist aber nicht garantiert, und bei unbekannten Daten können die Intervalle zu eng ausfallen. Die Prognosefunktion sei grundlegend und kein Ersatz für spezialisierte Zeitreihenmodelle.

Das Unternehmen empfiehlt, Konfidenzwerte, p_null und die Intervalle heranzuziehen, um zu entscheiden, welche Aufgaben automatisiert und welche zur zusätzlichen Prüfung weitergeleitet werden sollen, denn die Antworten des Modells sind garantiert wohlgeformt, aber nicht garantiert richtig. Cloudflare erklärte, das Unternehmen werde die Fähigkeiten des Modells in den Bereichen Berechnung, Schätzung und Prognose mit jedem Zwischenstand weiterentwickeln und plane, Clairic anschließend mit offenen Gewichten zu veröffentlichen. Der Name, so Cloudflare weiter, spiele auf Verwaltungsarbeit, Klarheit und Hellseherei an und diene zugleich als Kurzform für Cloudflares KI-Regressionsmodell.