Cloudflare正式推出Clairic，这是一类全新的System One提取模型，现已在Workers AI平台托管上线，模型标识为@cf/cloudflare/clairic，官方计划后续开源权重。
System One概念源自《思考，快与慢》，这类模型主打单次快速计算、类型化输出，区别于需要逐步推理生成文本的System Two大语言模型。此前行业出现的Jev、Clef都属于System One决策模型，擅长在给定候选选项里做选择并输出概率。而Clairic开辟了System One下的新赛道：提取模型，专门面向非结构化文本、图像素材，一次性完成信息提取、数值计算、估算与时序预测。
传统业务里大量结构化抽取需求，比如提取发票金额、交付时间、预估维修费用，现在大多交给通用LLM处理。但LLM逐Token生成文本，不仅延迟高、开销大，还容易出现格式错误、凭空编造内容。Clairic不生成自由文本，依靠单次并行前向传递，直接输出强类型结果，附带置信度、空值概率与数值分布区间，大幅缓解幻觉问题。
Clairic核心能力与输出类型
Clairic可以接收文本，最多支持附带四张图片，用户通过schema定义需要提取的字段类型，支持文本片段、数字、日期、时间、时长、列表、估算值、时序预测。
- 提取值：从原文截取姓名、订单号等内容，附带字符偏移位置，方便溯源原文；
- 计算值：自动完成简单运算，例如多笔金额求和、两个日期间隔天数；
- 估算值：原文没有直接给出，但可以依托素材证据推算，返回中位数与80%置信区间；
- 预测值：时序数据的未来预测，每一步都附带概率区间。
当信息不存在于输入素材中，模型会直接返回null并给出p_null空值概率，不会强行编造看起来合理的答案。官方提供了客户邮件提取、收据图像解析、房产估值、机场客流时序预测多个示例。在TSA机场安检人数的21天预测测试中，80%区间覆盖了17个真实结果，平均偏差仅3.3%，能自动识别一周客流波动规律，但无法预判假期这类未包含在历史序列里的突发事件。
System One + System Two 流水线架构
Cloudflare给出一套三段式工作流：Clairic提取非结构化数据得到强类型数值 → Clef决策模型基于数值做分类决策 → LLM负责撰写自然语言回复。
官方做了对比测试，整套Clairic+Clef+GLM-5.3流水线端到端耗时19.3秒，而全部交由GLM-5.3完成提取、决策、写回复，耗时达到61.7秒，速度提升约3.2倍，整体成本下降49%。
测试还发现，纯LLM方案在多次运行时维修估算值会发生浮动，而Clairic输出稳定；同时Gemma4、Qwen直接处理同类提取任务会出现失败，体现传统大模型在结构化抽取场景的短板。
当前预览版局限与后续规划
Clairic目前属于预览版本，存在明确能力边界：仅可靠完成一到两步简单计算，复杂多步运算、跨大量表格聚合的场景建议交给代码处理；估算任务必须依托原文证据，缺少信息时预测精度不足；时序预测仅适合通用模式匹配，不能替代专业时序模型做高精度长期预测。输出格式一定合法，但不代表结果绝对正确，业务系统需要利用置信度、区间信息，把低可信度结果送入人工复核。
当前可通过Cloudflare Worker或者REST API调用，后续优化完成后会开放模型权重。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
