Cloudflare lança Clairic, seu primeiro modelo de extração System One

A Cloudflare anunciou Clairic em 19 de outubro de 2026, lançando uma prévia do que descreve como o primeiro modelo de uma nova classe de modelos de extração System One, hospedado no Workers AI, com uma versão de pesos abertos planejada para mais adiante.

O modelo foi desenvolvido para extrair valores tipados de entradas não estruturadas, fazendo extrações, cálculos, estimativas e previsões, em vez de gerar texto. Segundo a Cloudflare, Clairic faz isso com mais precisão, menor latência e menor custo do que os modelos tradicionais de linguagem de grande porte.

Disponibilidade e preços no Workers AI

Clairic está disponível em versão prévia como @cf/cloudflare/clairic, podendo ser chamado de um Cloudflare Worker com env.AI.run() ou pela API REST. A documentação oficial do modelo informa uma janela de contexto de 65.536 tokens, suporte a visão e preço por unidade de US$ 0,10 por milhão de tokens de entrada.

Como o modelo não gera tokens de saída, a cobrança se aplica apenas à entrada. A Cloudflare afirmou que pretende disponibilizar os pesos abertamente após trabalhar mais nos checkpoints, mas não informou uma data.

Como funciona o modelo de extração

Uma solicitação combina um state, o texto a ser lido e até quatro imagens opcionais, com um mapa de fields. Os tipos de campo compatíveis são texto, número, data, hora, data e hora, duração, lista, estimativa e previsão, todos com instruções opcionais em linguagem simples. O modelo responde a todos os campos em uma única passagem direta paralela, sem etapa de raciocínio nem geração de tokens, e, segundo a Cloudflare, normalmente responde em menos de um segundo. Os campos que não couberem junto com a entrada em uma passagem de 8.192 tokens são divididos em passagens paralelas, cada uma com acesso à entrada inteira, e depois reunidos. A documentação limita as imagens incorporadas a quatro arquivos PNG, JPEG ou WebP de até 4 MiB cada.

Cada resposta escalar inclui p_null, a probabilidade de o valor estar ausente da entrada e uma pontuação de confiança. Os campos de estimativa retornam uma distribuição dentro dos limites definidos pelo solicitante, com uma mediana e um intervalo de 80% entre p10 e p90, além de todos os 99 percentis, mediante solicitação. Se a entrada não determinar um campo, o resultado será null, com um guess campo que mostra o que o modelo teria escolhido, em vez de um valor inventado.

A Cloudflare inclui Clairic na categoria System One, ao lado dos modelos de decisão que o precederam. A TypeSafe apresentou seu modelo de decisão Jev cerca de um mês antes do anúncio, e a Cloudflare lançou seus modelos de decisão Clef e Clef-flash em 1º de outubro de 2026, disponibilizando-os como código aberto no Hugging Face sob a licença Apache 2.0; o Clef passou por pós-treinamento com modelos-base Qwen e é compatível com Jev-API. Enquanto os modelos de decisão classificam uma entrada entre opções listadas e os modelos de linguagem de grande porte geram texto aberto, Clairic retorna diretamente valores tipados: trechos, números, datas, listas e distribuições. A empresa descreve as três categorias como etapas complementares: a extração alimenta as decisões, e as decisões alimentam a resposta final gerada.

Exemplos documentados e testes relatados

No exemplo de e-mail de suporte da Cloudflare, o modelo calculou um total de US$ 701,10, somando o preço informado de US$ 649,00 a US$ 52,10 de imposto na mesma passagem; calculou 11 dias entre a entrega em 28 de setembro de 2026 e a data da mensagem, 9 de outubro de 2026; identificou «tela rachada» e «canto amassado» como trechos exatos da entrada; e retornou null para um número de rastreamento que não constava no e-mail. Em um exemplo com a foto de um recibo, Clairic extraiu o número do pedido, a data e hora da compra, a quantidade, o preço unitário, o subtotal, o imposto sobre vendas e a gorjeta, com pontuações de confiança, e retornou null para um desconto que não aparecia no recibo.

Para estimativas, o anúncio mostra Clairic calculando o preço de uma casa com base no texto sobre vendas de imóveis comparáveis: o modelo retornou um valor de US$ 418.000, com mediana de US$ 415.000 e intervalo de 80% de US$ 370.000 a US$ 470.000, dentro dos limites definidos pelo solicitante. Para previsões, a Cloudflare relata um teste de 21 dias no qual Clairic previu o número de passageiros inspecionados no dia seguinte nos postos de controle aeroportuários da TSA, com base na série pública. Segundo a empresa, as previsões tiveram um desvio médio de 3,3%, e 17 das 21 contagens reais ficaram dentro do intervalo de 80% do modelo; três dos quatro casos fora do intervalo ocorreram no fim de semana do Columbus Day. Para 14 de outubro de 2026, a Cloudflare informou uma contagem real de 2.419.474, contra uma mediana prevista de 2.419.283.

A Cloudflare também relata uma comparação de pipeline que combina Clairic com Clef e o modelo de linguagem GLM-5.3, em contraste com uma versão do mesmo fluxo de trabalho de análise de reclamações por produtos danificados baseada exclusivamente no GLM-5.3. Segundo a empresa, o processo em cascata foi concluído em 19,3 segundos, contra 61,7 segundos: 69% menos tempo, ou cerca de 3,2 vezes mais rápido. O custo foi de US$ 6.032 por milhão de reclamações, contra US$ 11.740, ou seja, 49% menor. Clairic e Clef fizeram a extração e a tomada de decisão em menos de um segundo, somadas, enquanto o GLM-5.3 levou 38 segundos para as mesmas duas etapas; a Cloudflare afirma que Gemma 4 e Qwen não conseguiram inferir valores como o custo do reparo e falharam na tarefa na versão baseada exclusivamente em modelos de linguagem de grande porte. A Cloudflare incorporou o fluxo de trabalho a uma demonstração ao vivo.

Limitações da versão prévia e planos para disponibilizar os pesos abertamente

A Cloudflare chama o endpoint atual de uma versão inicial e aponta várias limitações. Segundo a empresa, operações aritméticas de uma ou duas etapas, como somas, diferenças, conversões e cálculos com datas, parecem confiáveis. No entanto, cadeias mais longas de etapas interdependentes e agregações de muitas linhas de uma tabela são difíceis para um modelo de passagem única sem um espaço de rascunho; por isso, a empresa recomenda recorrer à Clairic para fazer previsões e realizar os cálculos em código. As estimativas precisam estar fundamentadas nos dados de entrada; a calibração é medida, não garantida, e os intervalos podem ser estreitos demais quando os dados não são familiares. Já a capacidade de previsão é básica e não substitui modelos especializados de séries temporais.

A empresa recomenda usar as pontuações de confiança, p_null e os intervalos para decidir o que automatizar e o que encaminhar para uma revisão adicional, pois as respostas do modelo têm garantia de estar bem formuladas, não de estarem corretas. A Cloudflare afirmou que continuará trabalhando nos aspectos de aritmética, estimativa e previsão do modelo a cada nova versão e que planeja disponibilizar a Clairic com pesos abertos posteriormente. O nome, acrescentou, faz alusão ao trabalho administrativo, à clareza e à clarividência, além de servir como abreviação do modelo de regressão de IA da Cloudflare.