Modelos y plataformas de IA
Cloudflare lanza los modelos Clairic de pesos abiertos para la extracción de datos

Puntos claveLos pesos abiertos trasladan los costos de servicio y el control de Cloudflare a los…
Ver más
- Los pesos abiertos trasladan los costos de servicio y el control de Cloudflare a los usuarios que ejecutan Clairic localmente.
- La generación autorregresiva con ranuras paralelas mejoró la precisión de extracción a un pequeño costo de latencia.
- Las cifras de precisión de Cloudflare son autoinformadas y carecen de puntos de referencia públicos independientes de extracción.
Cloudflare anunció el 18 de noviembre de 2026 que su versión actualizada de 27.000 millones de parámetros de Clairic y el nuevo Clairic-flash de 9.000 millones de parámetros están disponibles con pesos abiertos en Hugging Face y como puntos de conexión alojados de Workers AI. Ambos están diseñados para convertir texto no estructurado, imágenes y archivos PDF en valores tipados, estimaciones y pronósticos.
La ficha del modelo Clairic identifica Qwen3.8-27B como su modelo base, mientras que la ficha del modelo Clairic-flash utiliza Qwen3.5-9B. Ambos repositorios incluyen pesos, componentes para generar salidas tipadas, archivos de tokenizador y procesador, y utilidades para Python bajo la licencia Apache-2.0, lo que permite ejecutar inferencias localmente con PyTorch y Transformers, sin necesidad de usar Workers AI.
El lanzamiento llega después de la vista previa alojada del 19 de octubre de 2026 de Cloudflare, que utilizaba un punto de control inicial y señalaba que los pesos abiertos estarían disponibles tras seguir trabajando en ellos. Esa vista previa ya incluía extracción, cálculo, estimación y pronóstico, aunque sus indicaciones señalaban como limitaciones la aritmética de varios pasos, las estimaciones sin evidencia que las respaldara y los pronósticos básicos.
Una arquitectura de extracción rediseñada
Para la extracción habitual de texto y números, Cloudflare sustituyó el diseño de una sola pasada hacia adelante de la vista previa por una generación autorregresiva paralela por ranuras. Los campos avanzan a la vez en el lote de procesamiento, pero cada uno utiliza sus propios tokens generados previamente para seleccionar el siguiente token y se detiene al llegar a su propio marcador de fin. Unidades de procesamiento independientes se encargan de las estimaciones, los pronósticos, las duraciones, las fechas calculadas y las operaciones aritméticas explícitas. Cloudflare informa que el cambio mejoró la precisión de la extracción de texto e imágenes, aunque añadió un pequeño costo de latencia.
La interfaz de salida tipada conserva puntuaciones de confianza, probabilidades de valor nulo e intervalos de caracteres para la evidencia textual que se puede asociar de forma inequívoca; la evidencia basada solo en imágenes o ambigua tiene intervalos nulos. Las entradas pueden ser texto o JSON, imágenes opcionales y archivos PDF incrustados; las salidas incluyen valores tipados, listas, valores nulos, estimaciones y trayectorias de pronóstico. Cada solicitud admite un máximo de cuatro imágenes o páginas de PDF renderizadas en total; las entradas incrustadas tienen un límite de 4 MiB cada una y de 8 MiB en conjunto. No se aceptan URL de contenido multimedia remoto.
La compatibilidad con archivos PDF permite solicitar en una sola petición un proveedor, partidas y un total, aunque aparezcan en páginas distintas; las filas de partidas conservan cada descripción, cantidad y precio. El límite de páginas determina el alcance de cada llamada al modelo: procesa un conjunto reducido de páginas, no un repositorio documental completo.
Precisión y latencia autodeclaradas
Las evaluaciones internas de Cloudflare informan de los siguientes recuentos de respuestas correctas para los modelos actualizados y el punto de control anterior de la vista previa:
| Evaluación | Clairic-preview | Clairic | Clairic-flash |
|---|---|---|---|
| Campos de texto nuevos, 96 solicitudes | 295/336 | 335/336 | 328/336 |
| Afirmaciones de clientes registradas, 139 formatos de solicitud | 1,033/1,263 | 1,263/1,263 | 1,263/1,263 |
| Campos de recibos sintéticos en texto e imágenes | 369/576 | 576/576 | 576/576 |
La empresa afirma que no existen pruebas comparativas públicas de extracción y describe sus comparaciones con D1.2 de Liquid AI, combinado con reconocimiento óptico de caracteres, y con Extract de Scaledown como orientativas y basadas en sus propios informes. Por lo tanto, las cifras documentan el progreso que Cloudflare declara haber logrado frente a su vista previa, pero no establecen una clasificación independiente de los modelos de extracción.
Cloudflare informa de tiempos de respuesta medianos y en el percentil 95 de 358 ms y 736 ms para Clairic en campos de texto nuevos, frente a 155 ms y 328 ms para Clairic-flash. En campos de imagen nuevos, Clairic registró 453 ms y 976 ms en esos mismos percentiles, mientras que Clairic-flash registró 305 ms y 605 ms. Las pruebas midieron las respuestas HTTP completas desde un servidor alojado por cuenta propia e incluyeron todos los campos de cada solicitud.
Migración de endpoints y precios por tokens de entrada
En Workers AI, el modelo más grande ahora ocupa @cf/cloudflare/clairic, mientras que la variante más pequeña pasa a @cf/cloudflare/clairic-flash. Las aplicaciones que usan el endpoint de vista previa de Clairic reciben automáticamente el modelo actualizado a medida que se implementa, sin cambiar el endpoint, y los esquemas de la API alojada siguen siendo los mismos. Los clientes pueden, en cambio, dirigir las cargas de trabajo sensibles a los costos al endpoint más económico de Clairic-flash.
Cloudflare fijó los precios estándar de Workers AI en 0,24 $ por millón de tokens de entrada para Clairic y 0,10 $ por millón de tokens de entrada para Clairic-flash, sin cobrar por los tokens de salida, aunque la arquitectura rediseñada sí los genera. Hasta el 1 de diciembre de 2026, una promoción ofrece ambos modelos a 0,10 $ por millón de tokens de entrada. Después, el descuento termina para Clairic y vuelve a aplicarse su tarifa estándar.
Los lanzamientos también presentan al equipo de superinteligencia de Workers AI, que Cloudflare describe como el grupo de investigación de vanguardia detrás de Clef y Clairic. Su estrategia System One consiste en trasladar tareas definidas de forma acotada, que antes requerían llamadas costosas a modelos de lenguaje grandes (LLM) de propósito general, a modelos más pequeños diseñados específicamente para ellas.
Los precios de Cloudflare, basados únicamente en las entradas, mantienen el modelo de costes original de System One incluso tras pasar a la generación de tokens, mientras que los pesos abiertos trasladan los costes de ejecución y el control a quienes ejecutan los modelos por su cuenta. La cuestión pendiente es cómo se trasladan los resultados internos a los documentos de producción, ya que las fichas de los modelos dejan en manos de cada aplicación la definición de los umbrales de aceptación para las puntuaciones de probabilidad.












