AI-modellen en platforms
Cloudflare brengt Clairic-modellen met open gewichten uit voor gegevensextractie

Belangrijkste puntenOpen gewichten verschuiven de serveerkosten en controle van Cloudflare naar gebruikers…
Meer weergeven
- Open gewichten verschuiven de serveerkosten en controle van Cloudflare naar gebruikers die Clairic lokaal draaien.
- Parallelle slot-autoregressieve generatie verbeterde de extractienauwkeurigheid tegen een kleine latentiekost.
- Cloudflare's nauwkeurigheidscijfers zijn zelfgerapporteerd en missen onafhankelijke openbare extractiebenchmarks.
Cloudflare maakte op 18 november 2026 bekend dat de bijgewerkte versie van Clairic met 27 miljard parameters en het nieuwe Clairic-flash-model met 9 miljard parameters beschikbaar zijn met open gewichten op Hugging Face en als gehoste Workers AI-endpoints. Beide modellen zijn bedoeld om ongestructureerde tekst, afbeeldingen en pdf-bestanden om te zetten in getypeerde waarden, schattingen en prognoses.
De modelkaart van Clairic vermeldt Qwen3.8-27B als basismodel, terwijl de modelkaart van Clairic-flash Qwen3.5-9B gebruikt. Beide repositories bevatten gewichten, componenten voor getypeerde uitvoer, bestanden voor de tokenizer en processor, en Python-hulpfuncties onder de Apache-2.0-licentie. Daardoor kunnen de modellen lokaal worden gebruikt voor inferentie met PyTorch en Transformers, zonder dat Workers AI nodig is.
De release volgt op de gehoste preview van 19 oktober 2026 van Cloudflare, die een vroeg checkpoint gebruikte en aangaf dat open gewichten na verder werk beschikbaar zouden komen. Die preview omvatte al extractie, berekeningen, schattingen en prognoses. De bijbehorende richtlijnen wezen ook op beperkingen bij rekenwerk in meerdere stappen, schattingen zonder ondersteunend bewijs en eenvoudige prognoses.
Een vernieuwde extractiearchitectuur
Voor het extraheren van gewone tekst en getallen heeft Cloudflare het ontwerp van de preview, dat uit één voorwaartse doorgang bestond, vervangen door parallelle autoregressieve generatie per slot. De velden worden tegelijk verwerkt in de batch, maar elk veld gebruikt zijn eigen eerder gegenereerde tokens om het volgende token te kiezen en stopt bij zijn eigen eindmarker. Aparte uitvoerlagen verwerken schattingen, prognoses, tijdsduren, berekende datums en expliciete berekeningen. Cloudflare meldt dat deze wijziging de nauwkeurigheid van tekst- en afbeeldingsextractie heeft verbeterd, met een kleine toename van de latentie.
De getypeerde interface behoudt betrouwbaarheidsscores, nullkansen en tekenreeksen voor tekstuele aanwijzingen die eenduidig overeenkomen; bij aanwijzingen die alleen uit afbeeldingen komen of dubbelzinnig zijn, ontbreken de tekenreeksen. Invoer kan bestaan uit tekst of JSON, optionele afbeeldingen en ingesloten pdf-bestanden. De uitvoer omvat getypeerde waarden, lijsten, nullwaarden, schattingen en prognosetrajecten. Per aanvraag zijn in totaal maximaal vier afbeeldingen of gerenderde pdf-pagina’s toegestaan. Ingesloten invoer mag elk maximaal 4 MiB groot zijn, met een gecombineerd maximum van 8 MiB. URL’s naar externe media worden niet geaccepteerd.
Dankzij pdf-ondersteuning kan één aanvraag om een leverancier, afzonderlijke posten en het totaal vragen, ook als die op verschillende pagina’s staan. De rijen met afzonderlijke posten behouden de omschrijving, hoeveelheid en prijs van elk item. De paginalimiet bepaalt de reikwijdte van elke modelaanroep: het model verwerkt een klein aantal pagina’s, niet een volledige documentverzameling.
Zelfgerapporteerde nauwkeurigheid en latentie
Volgens interne evaluaties van Cloudflare zijn dit de aantallen juiste antwoorden voor de bijgewerkte modellen en het eerdere checkpoint van de preview:
| Evaluatie | Clairic-preview | Clairic | Clairic-flash |
|---|---|---|---|
| Nieuwe tekstvelden, 96 aanvragen | 295/336 | 335/336 | 328/336 |
| Geregistreerde beweringen van klanten, 139 aanvraagvormen | 1,033/1,263 | 1,263/1,263 | 1,263/1,263 |
| Synthetische bonvelden in tekst en afbeeldingen | 369/576 | 576/576 | 576/576 |
Het bedrijf zegt dat er geen openbare benchmarks voor gegevensextractie bestaan en omschrijft de vergelijkingen met Liquid AI’s D1.2 in combinatie met optische tekenherkenning en Extract van Scaledown als richtinggevende, zelfgerapporteerde informatie. De cijfers laten dus de door Cloudflare gerapporteerde vooruitgang ten opzichte van de preview zien, maar vormen geen onafhankelijke rangschikking van extractiemodellen.
Cloudflare rapporteert voor Clairic mediane responstijden en responstijden op het 95e percentiel van respectievelijk 358 ms en 736 ms bij nieuwe tekstvelden, tegenover 155 ms en 328 ms voor Clairic-flash. Bij nieuwe afbeeldingsvelden registreerde Clairic op diezelfde percentielen 453 ms en 976 ms, terwijl Clairic-flash uitkwam op 305 ms en 605 ms. De tests maten volledige HTTP-responsen vanaf een zelfgehoste server en omvatten alle velden in elke aanvraag.
Migratie van endpoints en prijzen per invoertoken
Op Workers AI is het grotere model nu te vinden op @cf/cloudflare/clairic, terwijl de kleinere variant verhuist naar @cf/cloudflare/clairic-flash. Applicaties die het Clairic-preview-endpoint gebruiken, krijgen automatisch het bijgewerkte model zodra dit op die plek wordt uitgerold; de schema’s van de gehoste API blijven ongewijzigd. Klanten kunnen prijsgevoelige workloads in plaats daarvan naar het goedkopere Clairic-flash-endpoint sturen.
Cloudflare heeft de standaardprijzen voor Workers AI vastgesteld op $0.24 per miljoen invoertokens voor Clairic en $0.10 per miljoen invoertokens voor Clairic-flash. Er worden geen kosten in rekening gebracht voor uitvoertokens, hoewel de vernieuwde architectuur die wel genereert. Tot 1 december 2026 geldt voor beide modellen een actietarief van $0.10 per miljoen invoertokens. Daarna vervalt de korting voor Clairic en wordt het standaardtarief opnieuw van kracht.
Met de releases wordt ook het team Workers AI Superintelligence geïntroduceerd. Cloudflare omschrijft dit als de onderzoeksgroep die vooroploopt en achter Clef en Clairic zit, met een System One-strategie die nauw afgebakende taken verplaatst van dure, algemene LLM-aanroepen naar kleinere modellen die speciaal voor die taken zijn ontwikkeld.
De prijsstelling van Cloudflare, waarbij alleen invoer wordt berekend, behoudt het oorspronkelijke kostenmodel van System One, ook na de overstap op tokengeneratie. Doordat de gewichten open zijn, komen de kosten en de controle over het draaien van de modellen bij de gebruikers zelf te liggen. De open vraag is hoe de interne resultaten zich vertalen naar productiedocumenten, aangezien de modelkaarten de acceptatiedrempels voor waarschijnlijkheidsscores aan elke toepassing overlaten.












