Clairic：全新 System One 萃取模型系列

2026 年 10 月 19 日，Cloudflare 宣布预览全新一类 System One 模型：抽取模型。首个模型 Clairic 已上线 Workers AI，调用标识为 @cf/cloudflare/clairic；开放权重计划随后发布，目前仍属于预览阶段。

这次变化的核心不是让模型更擅长自由对话，而是让它直接从非结构化输入中返回可用数据。Cloudflare 表示，在适合的任务中，Clairic 可比传统大语言模型更准确、延迟更低、成本更少；这是厂商给出的结论，实际效果仍需结合业务数据独立评测。

从自由文本转向类型化结果

Clairic 通过一次前向传播处理输入，不生成输出 token，也不执行多轮推理。它支持的字段包括文本、数字、日期、时间、日期时间、时长和列表，还能根据输入计算数值、估算区间以及预测未来序列。

• 抽取值：从原文复制文本，并返回字符偏移位置与置信度，便于定位和复核。
• 计算值：读取或计算数字、日期、时长等，并按照字段类型处理精度和单位。
• 估算值：在指定上下界和步长网格内返回分布，同时提供中位数、p10、p90 等分位点。
• 预测值：针对时间序列，为每个未来步返回一个点估计及 80% 区间。

标量结果同时包含 p_null 和置信度。找不到字段时，结果为 null，而不是生成一个看似合理的答案；guess 则保留模型原本可能选中的值，供人工复核。

适合处理哪些任务

典型场景包括从发票、收据、客服邮件和图片中提取订单号、金额、日期及损坏类型。数字字段不仅能读取原文中的数值，还可以完成相加等计算。Clairic 也支持文本加最多四张图片的请求，官方收据示例展示了从图像中识别金额、税额和小费。

当输入未直接给出答案、但提供了判断依据时，可以要求估算值。例如，根据面积、房龄、卧室数量和可比成交记录估算房价，模型会返回受声明边界约束的分布。区间越窄，表示输入提供的证据越集中；区间越宽，则可以据此转交进一步检查。

Clairic、决策模型和大语言模型可以形成一条分工明确的链路：Clairic 把原始输入转换为类型化数值，Jev、Clef 等决策模型依据这些数值选择选项，大语言模型再把决策转换为自然语言。

调用方式与成本结构

一次请求由待处理的 state 和一组类型化 fields 组成。开发者为每个字段声明类型、单位、取值范围或说明，随后并行获得答案。字段数量没有固定上限；若无法在一次处理中容纳，服务端会拆分为多个并行 pass，每个 pass 仍读取完整输入，最后合并结果。由于不生成 token，调用成本主要来自输入。

落地时仍需注意

• Clairic 不适合开放式写作、复杂论证或需要自然语言解释的任务，这些工作仍应交给大语言模型。
• 不生成 token 降低了格式错误和文本幻觉风险，但不代表结果绝不会错误，原文识别和计算仍需抽样验证。
• 官方图片示例只覆盖特定收据，倾斜、模糊或版式复杂的数据需要单独测试。
• 预测功能并非专用时间序列模型的替代品；对模型精度和可解释性要求较高的场景，仍需使用专门方案。
• 截至上述资料发布时，开放权重尚未提供，托管版本可通过 Workers AI 使用。

资料来源：Introducing Clairic, a new System One class of extraction models（2026-10-19）。