Cloudflare推出Clairic抽取模型

Cloudflare 10月19日发布新模型 Clairic，自称属于一个全新品类：「系统一」抽取模型。它不写文章、不聊天，专干一件事——从发票、工单这类非结构化文本里，把数值干净利落地抠出来、算出来、估出来。模型已作为预览版上线 Workers AI（@cf/cloudflare/clairic），官方还承诺很快开放权重。

「系统一」的说法借自卡尼曼《思考，快与慢》：大语言模型是慢而深思的「系统二」，而一个月前 TypeSafe 推出的决策模型 Jev 带火了「系统一」这个品类——快、准、便宜，专为单一任务而生。Cloudflare 此前已跟进过决策模型 Clef，这次的 Clairic 则补上了缺失的另一半：抽取。

Clairic 一次前向传播就能返回四类结果：从原文摘出的字段（带字符偏移和置信度）、算出来的数值（数字、日期、时长、列表）、有依据的估计值（给出中位数和80％区间），以及对时间序列的逐步预测。每个字段还附带一个「此值不在输入中」的概率。因为完全不生成 token，它响应不到一秒，只按输入计费，也不会像大模型那样「编」出格式错误或幻觉答案。

官方给了一组对比：处理一条保险理赔流程，Clairic 抽取加 Clef 决策、最后由大模型 GLM-5.3 组织语言的混合管线，端到端19.3秒；全用 GLM-5.3 的管线要61.7秒，快了3.2倍。成本上每百万次请求6032美元对11740美元，省了49％。其中抽取加决策两步，Clairic 和 Clef 合计不到一秒，GLM-5.3 花了38秒。

Cloudflare 也很坦白地列了短板：一两步的计算尚可，更长的链式算术请交给代码；估计值需要输入里有可比数据支撑；预测能力还很初级；区间校准在陌生数据上可能偏窄。官方建议用置信度决定哪些交给自动化、哪些送人工复核。

这款模型瞄向的是企业里最量大管饱的调用：「发票总额多少」「这单晚到几天」。这些活交给会推理的大模型纯属杀鸡用牛刀，而专用小模型更快、更便宜、更稳定。等开放权重后，值不值得在自己的管线里换掉那一层结构化输出调用，很快就能见分晓。

编译自 Cloudflare Blog，原标题："Introducing Clairic, a new System One class of extraction models"