Cloudflare 发布 Clairic：其首个 System One 提取模型

Cloudflare 于 2026 年 10 月 19 日宣布推出 Clairic，并发布该模型的预览版。Cloudflare 将其描述为新一类 System One 提取模型中的首款产品。目前，该模型托管于 Workers AI，Cloudflare 计划日后以开放权重形式发布。

该模型旨在从非结构化输入中提取类型化值，执行提取、计算、估算和预测，而不是生成文本。Cloudflare 表示，与传统大型语言模型相比，Clairic 的准确率更高、延迟更低、成本也更低。

Workers AI 上的可用性与定价

Clairic 目前以预览版形式提供， @cf/cloudflare/clairic，可通过 Cloudflare Worker 调用，并使用 env.AI.run() 或通过 REST API 调用。官方模型文档列出的上下文窗口为 65,536 个令牌，支持视觉输入，定价为每百万个输入令牌 0.10 美元。

由于模型不会生成输出令牌，费用仅按输入计算。Cloudflare 表示，待进一步完成检查点相关工作后，计划开放发布模型权重，但未给出具体日期。

提取模型的工作原理

一个请求会将一份 state，即待读取的文本以及最多四张可选图像，与一组类型化的 fields。支持的字段类型包括文本、数字、日期、时间、日期时间、时长、列表、估算值和预测值，每种类型都可附带可选的通俗语言说明。模型会通过一次并行前向传递回答所有字段，不经过推理步骤，也不会生成令牌；Cloudflare 表示，模型通常会在一秒内作出响应。如果输入和字段无法在一次 8,192 令牌的传递中一并处理，字段就会拆分到多个并行传递中；每次传递都会读取完整输入，随后再合并结果。文档规定，嵌入的图像最多为四个 PNG、JPEG 或 WebP 文件，每个文件大小不超过 4 MiB。

每个标量答案都附带 p_null，即该值未出现在输入中的概率，以及一个置信度分数。估算字段会在调用方设定的范围内返回一个分布，包括中位数和从 p10 到 p90 的 80% 区间；如有需要，还可返回全部 99 个百分位数。如果输入无法确定某个字段，该字段将返回 null，并附带一个 guess 字段，显示模型原本会选择什么，而不是编造一个值。

Cloudflare 将 Clairic 归入 System One 类别，与此前推出的决策模型并列。TypeSafe 在此次发布前约一个月推出了其Jev 决策模型；Cloudflare 则于 2026 年 10 月 1 日发布了 Clef 和 Clef-flash 决策模型，并在 Hugging Face 上以 Apache 2.0 许可证开放源代码；Clef 基于 Qwen 基础模型进行了后训练，并兼容 Jev-API。决策模型会将输入归类到列出的选项中，大型语言模型则生成开放式文本；与之不同，Clairic 会直接返回类型化值，包括文本片段、数字、日期、列表和分布。Cloudflare 将这三类模型描述为相互补充的阶段：提取为决策提供输入，决策再为最终生成的回复提供依据。

文档记录的示例与公布的测试结果

在 Cloudflare 提供的支持邮件示例中，模型在同一次传递中根据邮件所列的 649.00 美元价格和 52.10 美元税费，计算出 701.10 美元的总额；它还算出 2026 年 9 月 28 日的送达日期与 2026 年 10 月 9 日的邮件日期相隔 11 天，将“屏幕破裂”和“边角凹陷”列为输入中的原文片段，并对邮件中没有出现的追踪号码返回 null。在一张收据照片示例中，Clairic 提取了订单号、购买日期时间、数量、单价、小计、销售税和小费，并为这些结果给出置信度分数；对于收据上未显示的折扣，则返回 null。

在估算方面，Cloudflare 的公告展示了 Clairic 如何根据同类房屋的销售文本估算房价：模型给出的房屋估值为 418,000 美元，中位数为 415,000 美元，80% 区间为 370,000 至 470,000 美元，且结果处于调用方设定的范围内。在预测方面，Cloudflare 报告了一项为期 21 天的测试：Clairic 根据公开时间序列预测 TSA 机场检查站次日的安检人数。该公司表示，预测值的平均误差为 3.3%，21 个实际人数中有 17 个落在模型的 80% 区间内；四次偏差超出区间的情况中，有三次发生在哥伦布日周末。对于 2026 年 10 月 14 日，Cloudflare 报告的实际人数为 2,419,474，预测中位数为 2,419,283。

Cloudflare 还报告了一项流水线对比：将 Clairic 与 Clef 及 GLM-5.3 语言模型组合使用，并与同一套受损产品索赔工作流的全 GLM-5.3 版本进行比较。该公司称，组合方案耗时 19.3 秒，而对照方案耗时 61.7 秒，节省 69% 的时间，速度约快 3.2 倍；每处理百万条索赔，组合方案成本为 6,032 美元，对照方案为 11,740 美元，成本降低 49%。Clairic 和 Clef 合计不到一秒就完成了提取和决策，而 GLM-5.3 完成同样两个步骤耗时 38 秒。Cloudflare 还表示，在全 LLM 版本中，Gemma 4 和 Qwen 无法推导维修费用等数值，因此未能完成任务。Cloudflare 已将这套工作流集成到一个实时演示中。

预览版的局限与开放权重计划

Cloudflare称，当前端点仍处于早期阶段，并列出了若干局限。该公司表示，一步或两步的算术运算，例如求和、求差、单位换算和日期计算，似乎能够可靠完成；但对于没有草稿区的一次性模型而言，处理更长的依赖步骤链以及汇总表格中的许多行数据都很困难。Cloudflare建议用户依靠Clairic进行预测，并用代码处理算术运算。估算需要输入内容提供依据；校准效果需要经过测量，不能保证；面对不熟悉的数据时，区间可能偏窄。此外，预测功能较为基础，不能替代专用的时间序列模型。

Cloudflare建议根据置信度分数、p_null和区间来判断哪些任务可以自动化，哪些应转交进一步审核，因为模型只能保证答案格式正确，不能保证答案正确。Cloudflare表示，将在每个检查点持续改进模型的算术、估算和预测能力，并计划随后发布Clairic开放权重版本。该公司还补充说，这个名称既让人联想到文书工作、清晰度和洞察未来的能力，也可作为Cloudflare人工智能回归模型的简称。