Cloudflare випускає Clairic — свою першу модель вилучення даних System One

19 жовтня 2026 року Cloudflare оголосила про Clairic і випустила попередню версію того, що компанія називає першою моделлю нового класу моделей вилучення даних System One. Модель доступна на Workers AI, а випуск її ваг у відкритий доступ заплановано на пізніше.

Модель створено для вилучення типізованих значень із неструктурованих даних: вона витягує, обчислює, оцінює та прогнозує, а не генерує текст. Cloudflare стверджує, що Clairic робить це точніше, швидше й дешевше, ніж традиційні великі мовні моделі.

Доступність і ціни на Workers AI

Clairic доступна в попередній версії як @cf/cloudflare/clairic, викликати її можна з Cloudflare Worker за допомогою env.AI.run() або через REST API. В офіційній документації моделі зазначено, що вона підтримує контекстне вікно на 65 536 токенів і зображення, а ціна становить $0,10 за мільйон вхідних токенів.

Оскільки модель не генерує вихідних токенів, оплата стягується лише за вхідні. Cloudflare повідомила, що планує відкрити доступ до ваг після подальшого доопрацювання контрольних версій, але не назвала дату.

Як працює модель вилучення даних

Запит поєднує state, текст для читання та до чотирьох необов’язкових зображень, із мапою типізованих fields. Підтримуються такі типи полів: текст, число, дата, час, дата й час, тривалість, список, оцінка та прогноз; для кожного можна додати інструкції простою мовою. Модель відповідає на запит щодо кожного поля за один паралельний прямий прохід, без етапу міркування й без генерування токенів; за словами Cloudflare, зазвичай відповідь надходить менш ніж за секунду. Якщо поля разом із вхідними даними не вміщуються в один прохід на 8192 токени, їх розподіляють між паралельними проходами, кожен із яких обробляє весь вхідний текст, а потім об’єднують результати. Згідно з документацією, можна вбудувати до чотирьох зображень у форматах PNG, JPEG або WebP, розміром до 4 МіБ кожне.

Кожна скалярна відповідь містить p_null, імовірність того, що значення відсутнє у вхідних даних, і показник упевненості. Для полів оцінки модель повертає розподіл у межах, заданих користувачем, із медіаною та 80% інтервалом від p10 до p90; за запитом доступні всі 99 процентилів. Якщо вхідні дані не дають змоги визначити значення поля, модель повертає null із guess полем, у якому вказано, яке значення модель вибрала б за інших обставин, а не вигадане значення.

Cloudflare відносить Clairic до категорії System One, поряд із моделями ухвалення рішень, що з’явилися раніше. Приблизно за місяць до оголошення TypeSafe представила свою модель ухвалення рішень Jev, а Cloudflare випустила моделі ухвалення рішень Clef і Clef-flash 1 жовтня 2026 року та відкрила їхній код на Hugging Face за ліцензією Apache 2.0. Clef пройшла додаткове навчання на базових моделях Qwen і сумісна з Jev-API. Моделі ухвалення рішень класифікують вхідні дані за наведеними варіантами, а великі мовні моделі генерують відкриті текстові відповіді; натомість Clairic безпосередньо повертає типізовані значення: фрагменти тексту, числа, дати, списки й розподіли. Компанія описує ці три категорії як взаємодоповнювальні етапи: вилучення даних забезпечує ухвалення рішень, а рішення стають основою для остаточної згенерованої відповіді.

Документовані приклади й результати тестування

У прикладі з листом до служби підтримки Cloudflare модель за один прохід обчислила загальну суму $701,10 із зазначених у листі ціни $649,00 і податку $52,10, визначила, що між доставкою 28 вересня 2026 року та датою повідомлення 9 жовтня 2026 року минуло 11 днів, точно вилучила з тексту згадки про тріснутий екран і вм’ятину на куті, а для номера відстеження, якого в листі не було, повернула null. У прикладі з фотографією чека Clairic із зазначенням показників упевненості вилучила номер замовлення, дату й час покупки, кількість, ціну за одиницю, проміжну суму, податок із продажу та чайові, а для знижки, якої в чеку не було, повернула null.

Як приклад оцінювання в оголошенні наведено визначення Clairic вартості будинку на основі тексту про продажі аналогічних об’єктів: модель оцінила його в $418 000, медіана становила $415 000, а 80% інтервал — від $370 000 до $470 000 у межах, установлених користувачем. Щодо прогнозування Cloudflare повідомляє про 21-денне тестування, у якому Clairic прогнозувала кількість пасажирів, перевірених наступного дня на контрольно-пропускних пунктах аеропортів TSA, спираючись на загальнодоступний часовий ряд. За словами компанії, середнє відхилення прогнозів становило 3,3%, а 17 із 21 фактичного значення потрапили в 80% інтервал моделі; три з чотирьох промахів припали на вихідні з нагоди Дня Колумба. За даними Cloudflare, 14 жовтня 2026 року фактична кількість становила 2 419 474, а прогнозована медіана — 2 419 283.

Cloudflare також наводить порівняння конвеєрів обробки: Clairic і Clef разом із мовною моделлю GLM-5.3 зіставили з версією того самого процесу обробки заяв про пошкоджені товари, що повністю спиралася на GLM-5.3. За даними компанії, каскадний процес завершився за 19,3 секунди проти 61,7 секунди — на 69% менше часу, або приблизно у 3,2 раза швидше; його вартість становила $6 032 на мільйон заяв проти $11 740, тобто була на 49% нижчою. Clairic і Clef разом виконали вилучення даних і ухвалили рішення менш ніж за секунду, тоді як GLM-5.3 витратила на ці самі два етапи 38 секунд. Cloudflare стверджує, що Gemma 4 і Qwen не змогли визначити такі значення, як вартість ремонту, і не впоралися із завданням у версії, що використовувала лише великі мовні моделі. Cloudflare створила на основі цього процесу інтерактивну демонстрацію.

Обмеження попередньої версії та плани щодо відкриття ваг

Cloudflare називає поточну кінцеву точку раннім контрольним етапом і зазначає кілька обмежень. За словами компанії, одно- й двоетапні арифметичні операції — наприклад, обчислення сум і різниць, перетворення та арифметичні операції з датами — здаються надійними, але довгі ланцюжки взаємозалежних кроків і підсумовування даних у багатьох рядках таблиці даються моделі з одним проходом без робочого простору складно; компанія радить покладатися на Clairic у прогнозуванні, а арифметичні обчислення виконувати в коді. Для оцінок потрібні докази у вхідних даних, калібрування вимірюється, а не гарантується, а інтервали можуть бути надто вузькими для незнайомих даних. Прогнозування ж має базовий характер і не замінює спеціалізованих моделей часових рядів.

Компанія радить використовувати показники впевненості, p_null та інтервали, щоб вирішувати, що автоматизувати, а що передавати на додаткову перевірку, оскільки модель гарантує, що її відповіді будуть коректно сформульованими, але не те, що вони будуть правильними. Cloudflare повідомила, що з кожним контрольним етапом і далі вдосконалюватиме арифметичні обчислення, оцінювання та прогнозування моделі, а згодом планує оприлюднити ваги Clairic. За словами компанії, назва обігрує канцелярську роботу, ясність і ясновидіння, а також слугує скороченою назвою регресійної моделі Cloudflare на основі ШІ.