Cloudflare udostępnia Clairic, swój pierwszy model ekstrakcji System One

Cloudflare ogłosiło Clairic 19 października 2026 r., udostępniając wersję zapoznawczą tego, co opisuje jako pierwszy model nowej klasy modeli ekstrakcji System One. Jest on hostowany w Workers AI, a udostępnienie wag na otwartej licencji zaplanowano na później.

Model został zaprojektowany do wyodrębniania typowanych wartości z nieustrukturyzowanych danych wejściowych — wyodrębnia je, oblicza, szacuje i prognozuje, zamiast generować tekst. Cloudflare twierdzi, że Clairic robi to z większą dokładnością, krótszym czasem odpowiedzi i niższym kosztem niż tradycyjne duże modele językowe.

Dostępność i ceny w Workers AI

Clairic jest dostępny w wersji zapoznawczej jako @cf/cloudflare/clairic, można go wywoływać z poziomu Cloudflare Worker za pomocą env.AI.run() lub przez interfejs REST API. Oficjalna dokumentacja modelu podaje okno kontekstowe o długości 65 536 tokenów, obsługę obrazów oraz cenę jednostkową wynoszącą 0,10 USD za milion tokenów wejściowych.

Ponieważ model nie generuje tokenów wyjściowych, opłata naliczana jest wyłącznie za dane wejściowe. Cloudflare poinformowało, że zamierza udostępnić wagi na otwartej licencji po dalszych pracach nad punktami kontrolnymi, nie podając terminu.

Jak działa model ekstrakcji

Żądanie łączy state, czyli tekst do odczytania oraz maksymalnie cztery opcjonalne obrazy, z mapą typowanych fields. Obsługiwane typy pól to tekst, liczba, data, godzina, data i godzina, czas trwania, lista, szacunek i prognoza; do każdego można opcjonalnie dodać instrukcje sformułowane prostym językiem. Model odpowiada na każde pole w pojedynczym równoległym przebiegu w przód, bez etapu wnioskowania i bez generowania tokenów, a według Cloudflare zazwyczaj udziela odpowiedzi w czasie krótszym niż sekunda. Pola, które nie mieszczą się obok danych wejściowych w jednym przebiegu obejmującym 8192 tokeny, są dzielone między równoległe przebiegi, z których każdy uwzględnia całość danych wejściowych; następnie wyniki są łączone. Dokumentacja ogranicza liczbę osadzonych obrazów do czterech plików PNG, JPEG lub WebP o wielkości do 4 MiB każdy.

Każdej odpowiedzi skalarnej towarzyszy p_null, prawdopodobieństwo, że danej wartości nie ma w danych wejściowych, oraz wynik pewności. Pola szacunkowe zwracają rozkład w granicach określonych przez użytkownika, wraz z medianą i przedziałem 80% od p10 do p90, a na żądanie także wszystkimi 99 percentylami. Jeśli na podstawie danych wejściowych nie da się ustalić wartości pola, zwracane jest null wraz z guess polem wskazującym, co model wybrałby w innym przypadku, zamiast zmyślonej wartości.

Cloudflare zalicza Clairic do kategorii System One, obok wcześniejszych modeli decyzyjnych. Około miesiąc przed ogłoszeniem TypeSafe przedstawiło model decyzyjny Jev, a Cloudflare udostępniło swoje modele decyzyjne Clef i Clef-flash 1 października 2026 r., publikując je jako open source w Hugging Face na licencji Apache 2.0; Clef został poddany dalszemu treningowi na bazowych modelach Qwen i jest zgodny z Jev-API. Modele decyzyjne klasyfikują dane wejściowe według jednej z wymienionych opcji, a duże modele językowe generują tekst otwarty, natomiast Clairic bezpośrednio zwraca typowane wartości: fragmenty tekstu, liczby, daty, listy i rozkłady. Firma opisuje te trzy kategorie jako uzupełniające się etapy: ekstrakcja dostarcza dane do podejmowania decyzji, a decyzje — do wygenerowania końcowej odpowiedzi.

Przykłady opisane w dokumentacji i wyniki testów

W przykładzie Cloudflare dotyczącym wiadomości e-mail do działu pomocy technicznej model obliczył w tym samym przebiegu łączną kwotę 701,10 USD na podstawie podanej ceny 649,00 USD i podatku w wysokości 52,10 USD, wyliczył 11 dni między dostawą 28 września 2026 r. a datą wiadomości, 9 października 2026 r., wskazał „pęknięty ekran” i „wgnieciony róg” jako dokładne fragmenty danych wejściowych oraz zwrócił null dla numeru przesyłki, którego nie było w e-mailu. W przykładzie ze zdjęciem paragonu Clairic wyodrębnił numer zamówienia, datę i godzinę zakupu, ilość, cenę jednostkową, sumę częściową, podatek od sprzedaży i napiwek, przypisując im wyniki pewności, a dla rabatu, którego paragon nie wykazywał, zwrócił null.

Jako przykład szacowania w ogłoszeniu pokazano, jak Clairic wycenia dom na podstawie tekstu opisującego porównywalne transakcje: model podał wartość 418 000 USD, medianę 415 000 USD i przedział 80% od 370 000 do 470 000 USD w granicach określonych przez użytkownika. W przypadku prognoz Cloudflare informuje o 21-dniowym teście, w którym Clairic przewidywał liczbę osób poddawanych kontroli bezpieczeństwa następnego dnia na lotniskowych punktach kontrolnych TSA na podstawie publicznego szeregu danych. Firma twierdzi, że prognozy różniły się od rzeczywistych wartości średnio o 3,3%, a 17 z 21 rzeczywistych wyników mieściło się w 80-procentowym przedziale modelu; trzy z czterech nietrafionych prognoz przypadły na weekend z okazji Dnia Kolumba. Dla 14 października 2026 r. Cloudflare podało rzeczywistą liczbę 2 419 474 i medianę prognozy wynoszącą 2 419 283.

Cloudflare informuje również o porównaniu potoku, w którym Clairic współpracuje z Clef i modelem językowym GLM-5.3, a wyniki zestawiono z wersją tego samego procesu obsługi zgłoszeń dotyczących uszkodzonych produktów opartą wyłącznie na GLM-5.3. Według firmy kaskada zakończyła działanie w 19,3 sekundy, podczas gdy druga wersja potrzebowała 61,7 sekundy, co oznacza o 69% mniej czasu, czyli około 3,2 raza większą szybkość; koszt wyniósł 6032 USD na milion zgłoszeń wobec 11 740 USD, a więc był o 49% niższy. Clairic i Clef wspólnie wykonały ekstrakcję i podjęły decyzję w czasie krótszym niż sekunda, podczas gdy GLM-5.3 potrzebował 38 sekund na te same dwa etapy. Cloudflare twierdzi, że Gemma 4 i Qwen nie potrafiły wyliczyć takich wartości jak koszt naprawy i nie wykonały zadania w wersji opartej wyłącznie na modelach LLM. Cloudflare przekształciło ten proces w demonstrację na żywo.

Ograniczenia wersji zapoznawczej i plany udostępnienia wag na otwartej licencji

Cloudflare określa obecny punkt końcowy jako wczesny punkt kontrolny i wymienia kilka ograniczeń. Jak podaje firma, działania arytmetyczne wymagające jednego lub dwóch kroków — takie jak sumowanie, obliczanie różnic, przeliczanie jednostek i działania na datach — wydają się wiarygodne. Jednak dłuższe ciągi zależnych od siebie działań i agregowanie danych z wielu wierszy tabeli są trudne dla modelu działającego w jednym przebiegu i bez brudnopisu; Cloudflare zaleca więc, by korzystać z Clairic do przewidywania, a obliczenia wykonywać w kodzie. Szacunki muszą mieć podstawę w danych wejściowych, kalibracja jest mierzona, a nie gwarantowana, a przedziały mogą być zbyt wąskie w przypadku nieznanych danych. Prognozowanie ma zaś podstawowy charakter i nie zastępuje specjalistycznych modeli szeregów czasowych.

Firma zaleca korzystanie ze wskaźników pewności, p_null i przedziałów, by zdecydować, co zautomatyzować, a co skierować do dodatkowej weryfikacji, ponieważ gwarantowane jest jedynie to, że odpowiedzi modelu będą poprawnie ustrukturyzowane, a nie to, że będą prawidłowe. Cloudflare poinformował, że będzie rozwijać możliwości modelu w zakresie obliczeń arytmetycznych, szacowania i prognozowania z każdym kolejnym punktem kontrolnym, a później planuje udostępnić Clairic z otwartymi wagami. Nazwa, jak dodano, nawiązuje do pracy biurowej, jasności i jasnowidzenia, a zarazem stanowi skrótowe określenie modelu regresyjnego AI firmy Cloudflare.