AI 模型与平台

Cloudflare 发布用于数据提取的开放权重 Clairic 模型

Theo Nash
将 Unite.AI 添加到您在 Google 上的首选来源
要点开放权重将服务成本和控​​制权从Cloudflare转移到本地运行Clairic的用户。
查看更多
  • 开放权重将服务成本和控​​制权从Cloudflare转移到本地运行Clairic的用户。
  • 并行槽自回归生成以较小的延迟代价提高了提取准确率。
  • Cloudflare的准确率数据为自行报告,缺乏独立的公开提取基准。

Cloudflare 于2026年11月18日宣布,更新后的270亿参数Clairic和全新的90亿参数 Clairic-flash 已在 Hugging Face 上以开放权重形式发布,并可通过托管式 Workers AI 端点使用。这两款模型都旨在将非结构化文本、图像和 PDF 转换为带类型的值、估算结果和预测。

Clairic 模型卡将 Qwen3.8-27B 列为基础模型,而Clairic-flash 模型卡使用 Qwen3.5-9B。两个代码库都包含权重、类型化输出组件、分词器和处理器文件,以及 Apache-2.0 许可下的 Python 辅助工具,因此用户可以在本地通过 PyTorch 和 Transformers 进行推理,无需使用 Workers AI。

此次发布紧随 Cloudflare 于2026年10月19日推出的托管预览版。该预览版采用早期检查点,并表示开放权重版本将在进一步开发后推出。预览版已涵盖提取、计算、估算和预测;其指南同时指出,多步算术、缺乏证据支持的估算以及基础预测都是局限所在。

重新设计的提取架构

对于常规文本和数字提取,Cloudflare 将预览版采用的单次前向传播设计改为并行槽位自回归生成。在服务批次中,各字段会同步推进,但每个字段都会使用自身此前生成的词元来选择下一个词元,并在遇到各自的结束标记时停止。专门的输出头分别处理估算、预测、时长、计算所得日期和明确的算术运算。Cloudflare 表示,这一改动提高了文本和图像提取的准确率,同时只带来了小幅延迟成本。

类型化接口保留置信度分数、空值概率,以及与唯一匹配的文本证据对应的字符跨度;仅来自图像或存在歧义的证据则没有跨度。输入可以是文本或 JSON,也可以包含可选图像和内嵌 PDF;输出则包括带类型的值、列表、空值、估算结果和预测路径。每个请求最多可包含四张图像或渲染后的 PDF 页面;每个内嵌输入不得超过 4 MiB,合计不得超过 8 MiB,且不接受远程媒体 URL。

PDF 支持让单个请求能够同时查询供应商、明细项目和总额,即使这些内容分布在不同页面也不例外;明细项目各行会保留描述、数量和价格。页面数量上限界定了每次模型调用的处理范围:模型处理的是少量页面,而非整个文档库。

自报准确率与延迟

Cloudflare 的内部评估报告了更新版模型和早期预览检查点在以下测试中的答对数量:

评估项目 Clairic-preview Clairic Clairic-flash
新建文本字段,96 个请求 295/336 335/336 328/336
跟踪的客户断言,139 种请求结构 1,033/1,263 1,263/1,263 1,263/1,263
文本和图像中的合成收据字段 369/576 576/576 576/576

该公司表示,目前没有公开的提取基准测试,并称其与 Liquid AI 的 D1.2(搭配光学字符识别)以及 Scaledown 的 Extract 所做的比较仅供参考,属于自报数据。因而,这些数字记录的是 Cloudflare 声称相较预览版取得的进展,并不能确立提取模型的独立排名。

Cloudflare 报告称,在新建文本字段上,Clairic 的响应时间中位数和第95百分位数分别为 358 毫秒和 736 毫秒;Clairic-flash 对应的数值则为 155 毫秒和 328 毫秒。在新建图像字段上,Clairic 在相同百分位数下的响应时间分别为 453 毫秒和 976 毫秒,而 Clairic-flash 则分别为 305 毫秒和 605 毫秒。测试测量的是自托管服务器返回完整 HTTP 响应所需的时间,并涵盖每个请求中的所有字段。

端点迁移与输入词元定价

在 Workers AI 上,较大的模型现已部署于 @cf/cloudflare/clairic,而较小的版本则迁移至 @cf/cloudflare/clairic-flash。使用预览版 Clairic 端点的应用会在模型逐步就地更新时自动获得更新后的模型,托管 API 的架构保持不变。客户也可以将对成本敏感的工作负载改用价格更低的 Clairic-flash 端点。

Cloudflare 为 Workers AI 制定的标准价格为:Clairic 每百万输入词元 0.24 美元,Clairic-flash 每百万输入词元 0.10 美元;虽然重新设计的架构确实会生成输出词元,但不收取输出词元费用。促销期截至2026年12月1日,期间两款模型的价格均为每百万输入词元 0.10 美元。促销结束后,Clairic 将恢复标准价格。

此次发布还推出了 Workers AI 超级智能团队。Cloudflare 将该团队描述为负责 Clef 和 Clairic 的前沿研究团队,其 System One 策略是把范围明确的任务从昂贵的通用 LLM 调用转交给更小、专门构建的模型。

Cloudflare 的仅输入计费模式,在转向生成令牌后仍保留了原有的 System One 成本模型;而开放权重则将模型的运行成本和控制权交给自行运行模型的用户。尚待解答的问题是,内部测试结果能否适用于生产环境中的文档;模型卡将概率分数的验收阈值留给各个应用自行设定。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。