Cloudflare lanserar Clairic, sin första extraktionsmodell i System One-kategorin

Cloudflare presenterade Clairic den 19 oktober 2026 och släppte en förhandsversion av vad företaget beskriver som den första modellen i en ny klass av extraktionsmodeller i System One-kategorin. Modellen finns på Workers AI, och en version med öppna vikter planeras till ett senare tillfälle.

Modellen är utformad för att extrahera typade värden ur ostrukturerade indata genom att extrahera, beräkna, uppskatta och prognostisera i stället för att generera text. Cloudflare uppger att Clairic gör detta med högre precision, kortare svarstid och lägre kostnad än traditionella stora språkmodeller.

Tillgänglighet och prissättning på Workers AI

Clairic finns tillgänglig i förhandsversion som @cf/cloudflare/clairic, och kan anropas från en Cloudflare Worker med env.AI.run() eller via REST API. Den officiella modelldokumentationen anger ett kontextfönster på 65 536 token, stöd för bilder och ett enhetspris på 0,10 dollar per miljon indatatoken.

Eftersom modellen inte genererar några utdata-token debiteras endast indata. Cloudflare uppgav att företaget avser att släppa vikterna öppet efter ytterligare arbete med kontrollpunkter, men angav inget datum.

Så fungerar extraktionsmodellen

En förfrågan kombinerar en state, den text som ska läsas tillsammans med upp till fyra valfria bilder, med en karta över typade fields. Fälttyper som stöds är text, tal, datum, tid, datum och tid, varaktighet, lista, uppskattning och prognos, och varje fält kan förses med valfria instruktioner på klarspråk. Modellen besvarar alla fält i en enda parallell framåtpassering, utan något resonemangssteg eller genererade token, och enligt Cloudflare svarar den vanligtvis på under en sekund. Fält som inte ryms tillsammans med indata i en enda passering på 8 192 token delas upp mellan parallella passeringar, som alla får se hela indatamängden, och slås sedan ihop. Dokumentationen begränsar inbäddade bilder till fyra PNG-, JPEG- eller WebP-filer på högst 4 MiB vardera.

Varje skalärt svar innehåller p_null, sannolikheten för att värdet saknas i indata och ett konfidensvärde. Fält för uppskattningar returnerar en fördelning inom gränser som anroparen har angett, med en median och ett 80-procentsintervall från p10 till p90, samt alla 99 percentiler på begäran. Om ett fält inte kan avgöras utifrån indata returneras null, med en guess -fält som visar vad modellen annars skulle ha valt, i stället för ett påhittat värde.

Cloudflare placerar Clairic i System One-kategorin, tillsammans med de beslutsmodeller som föregick den. TypeSafe introducerade sin beslutsmodell Jev ungefär en månad före tillkännagivandet, och Cloudflare släppte sina beslutsmodeller Clef och Clef-flash den 1 oktober 2026 och publicerade dem som öppen källkod på Hugging Face under Apache 2.0-licensen. Clef eftertränades på Qwen-basmodeller och är kompatibel med Jev-API. Beslutsmodeller klassificerar indata bland angivna alternativ, medan stora språkmodeller genererar öppna textsvar. Clairic returnerar i stället typade värden direkt: textspann, tal, datum, listor och fördelningar. Företaget beskriver de tre kategorierna som kompletterande steg, där extraktion matar indata till beslut och beslut i sin tur ligger till grund för det slutligt genererade svaret.

Dokumenterade exempel och redovisade tester

I Cloudflares exempel med ett kundtjänstmejl beräknade modellen en totalsumma på 701,10 dollar utifrån ett angivet pris på 649,00 dollar plus 52,10 dollar i skatt under samma passering. Den räknade ut att det var 11 dagar mellan leveransen den 28 september 2026 och meddelandedatumet den 9 oktober 2026, angav sprucken skärm och buckligt hörn som exakta textspann i indatan och returnerade null för ett spårningsnummer som inte förekom i mejlet. I ett exempel med ett foto av ett kvitto extraherade Clairic ordernummer, inköpsdatum och -tid, antal, styckpris, delsumma, moms och dricks tillsammans med konfidensvärden, och returnerade null för en rabatt som inte framgick av kvittot.

Som exempel på uppskattning visar tillkännagivandet hur Clairic värderar ett hus utifrån text om jämförbara försäljningar: modellen returnerade ett värde på 418 000 dollar, med en median på 415 000 dollar och ett 80-procentsintervall på 370 000–470 000 dollar inom gränser som anroparen hade angett. För prognostisering redovisar Cloudflare ett 21-dagarstest där Clairic förutsade antalet personer som skulle säkerhetskontrolleras nästa dag vid TSA:s flygplatskontroller utifrån den offentliga tidsserien. Företaget uppger att prognoserna i genomsnitt avvek med 3,3 procent och att 17 av de 21 faktiska antalen låg inom modellens 80-procentsintervall, medan tre av de fyra avvikelserna inträffade under Columbus Day-helgen. För den 14 oktober 2026 rapporterade Cloudflare ett faktiskt antal på 2 419 474, jämfört med en beräknad median på 2 419 283.

Cloudflare redovisar också en jämförelse av en processkedja där Clairic kombineras med Clef och språkmodellen GLM-5.3, jämfört med en version av samma arbetsflöde för skadeärenden om skadade produkter som enbart använder GLM-5.3. Enligt företaget tog den sammansatta lösningen 19,3 sekunder, jämfört med 61,7 sekunder, vilket innebar 69 procent kortare tid eller ungefär 3,2 gånger högre hastighet. Kostnaden var 6 032 dollar per miljon skadeärenden, jämfört med 11 740 dollar, alltså 49 procent lägre. Tillsammans utförde Clairic och Clef extraktionen och fattade beslutet på under en sekund, medan GLM-5.3 tog 38 sekunder för samma två steg. Cloudflare uppger också att Gemma 4 och Qwen inte kunde härleda värden som reparationskostnad och misslyckades med uppgiften i versionen som enbart använde stora språkmodeller. Cloudflare byggde in arbetsflödet i en livedemonstration.

Begränsningar i förhandsversionen och planer på öppna vikter

Cloudflare beskriver den aktuella ändpunkten som en tidig avstämningspunkt och räknar upp flera begränsningar. En- och tvåstegsberäkningar, som summor, differenser, omvandlingar och datumräkning, verkar vara tillförlitliga, uppger företaget. Däremot är längre kedjor av beroende steg och aggregering över många tabellrader svåra för en modell som arbetar i ett enda genomlopp utan en arbetsyta. Cloudflare rekommenderar därför att användarna förlitar sig på Clairic för förutsägelsen och hanterar beräkningarna i kod. Uppskattningar behöver stöd i indata, kalibreringen mäts snarare än garanteras och intervallen kan bli snäva för data som modellen inte känner igen. Prognostisering är grundläggande och inte ett alternativ till särskilda tidsseriemodeller.

Företaget rekommenderar att man använder konfidenspoäng, p_null och intervallen för att avgöra vad som ska automatiseras och vad som ska skickas vidare för ytterligare granskning, eftersom modellens svar garanterat är välformulerade, men inte nödvändigtvis korrekta. Cloudflare uppger att företaget kommer att fortsätta arbeta med modellens förmåga att utföra beräkningar, uppskattningar och prognoser vid varje ny avstämningspunkt och planerar att därefter släppa Clairic med öppna vikter. Namnet anspelar, tillägger företaget, på kontorsarbete, klarhet och klärvoajans, och fungerar också som kortform för Cloudflares AI-regressionsmodell.