Cloudflare 推出抽取模型 Clairic：不生成 token，直接返回带置信度的类型化数值

Cloudflare 宣布推出新一类 System One 风格的抽取模型预览，首款模型 Clairic 已托管在 Workers AI 上，模型名为 @cf/cloudflare/clairic。Cloudflare 表示打算“很快”以开放权重方式发布该模型。与大语言模型逐个生成 token 不同，Clairic 只做一次并行前向计算，直接从输入中抽取、计算、估计或预测数值，并附带置信度。

它做什么

Clairic 与 Cloudflare 此前推出的决策模型 Clef 并列为 System One 模型：二者都是单次并行前向计算，不推理、不生成 token，只对输入计费，通常一秒内响应。TypeSafe 一个月前宣布了 System One 模型，并推出决策模型 Jev。

Clef 负责在给定选项中做选择，Clairic 则负责输出“值”，包括从输入中原样抽取的文本、读取或计算出的数字、日期、时长和列表、在用户声明范围内的估计值，以及时间序列的逐步预测。

请求由 state（待读文本，最多可附 4 张图片）和一组带类型的 fields 组成。字段数量不限，放不下时，服务端会拆成并行的多遍再合并。每个标量答案附带 p_null（值不在输入中的概率）和 confidence；文本抽取返回字符偏移 span；estimate 返回中位数与 80% 区间（p10 到 p90）。找不到答案时返回 null。

官方示例：客服邮件流水线

Cloudflare 用一封商品损坏的客服邮件演示了“Clairic 抽取、Clef 决策、GLM-5.3 写回复”的流水线。以下数据均为发布方自测：

• 端到端耗时 19.3 秒，全部交给 GLM-5.3 的方案为 61.7 秒；其中抽取 0.46 秒、决策 0.22 秒。
• 每百万次理赔成本 6,032 美元，全 LLM 方案为 11,740 美元，Cloudflare 称成本低 49%。

官方示例：TSA 客流预测

Cloudflare 还用美国运输安全管理局（TSA）公开的每日安检人数做了测试：连续 21 天预测次日人数，平均误差 3.3%，21 天中有 17 天实际值落在 80% 区间内。10 月 14 日实际为 2,419,474 人，Clairic 的中位预测为 2,419,283。

官方提示的局限

Cloudflare 称当前端点是早期检查点：

• 一两步计算较可靠，长链条依赖步骤和跨多行表格的聚合较困难，建议让代码做数学。
• 估计需要输入中有证据。
• 区间校准是测出来的而非保证，在陌生数据上可能偏窄。
• 预测功能基础，不能替代专门训练的时间序列模型。

来源

• https://blog.cloudflare.com/clairic-extraction-model/