Cloudflare 宣布推出一款名为“Clairic”的新型提取模型预览版，该模型属于“一级系统”（System One）类别。目前，开发者可以通过 Workers AI 平台使用该模型（标识符为 @cf/cloudflare/clairic），公司计划在不久后向公众开放其权重。该模型能够从非结构化文本和图像中提取、计算、估计和预测数值，其精度更高、速度更快，且成本远低于传统大型语言模型（LLMs）。
一级提取模型的概念
Cloudflare 的这一发布灵感源自 TypeSafe 公司近期提出的“一级系统”模型概念，该概念借鉴了丹尼尔·卡尼曼（Daniel Kahneman）的著作《思考，快与慢》。这些模型旨在实现快速、准确的运行，而无需缓慢的生成式思考。与“Jev”和“Clef”等从预定义选项中进行选择的决策模型不同，Clairic 模型能够直接处理数值的提取、计算或预测，且具有明确的精度，无需生成文本标记（Tokens），从而避免了文本幻觉的发生。
该模型以单次并行处理方式处理请求，并提供具有明确数据类型（如文本、数字、日期、时间、列表、概率估计和时间预测）的答案。每个数字或文本响应都附带置信度百分比以及数据在输入中缺失的概率（p_null），使开发者能够对结果进行自动化验证。
对开发者而言的实际变化
在传统工作流程中，应用程序依赖大型语言模型来提取数据并将其转换为 JSON 格式，这一过程成本高昂、速度缓慢，且容易出现格式错误和幻觉。Clairic 模型通过以下功能提供了实际的替代方案：
提取和计算数值：模型不仅限于复制文本，还可以在输入内容中执行简单的计算，例如将税费计入价格，或计算不同日期之间的时间间隔。
估计范围：如果文本中未明确提供数值，模型可以根据上下文证据提供包含中位数和 80% 置信区间的概率分布。
时间序列预测：该模型可用于根据输入的历史数据预测未来数值，而无需部署专门的复杂时间序列模型。
多模态处理：该模型同时支持文本和图像，能够从纸质收据或模糊的图像文档中精确提取数据。
智能工作流程中的性能与成本
Cloudflare 对基于模型链的工作流程（使用 Clairic 进行提取，随后使用 Clef 进行决策，最后使用语言模型生成响应）与完全依赖单一大型语言模型（GLM-5.3）的工作流程进行了实际对比。结果显示，组合链的处理时间为 19.3 秒，而完整模型需要 61.7 秒；成本也降低至总成本的三分之一左右（每百万次请求 6,032 美元，对比 11,740 美元）。
可用性与当前限制
Clairic 模型目前作为预览功能通过 Workers AI 端点提供，可以通过 Cloudflare Workers 函数或 REST API 进行调用。由于处于初期版本，公司指出了一些当前的限制：复杂的跨步骤计算尚不够精确，预测和预估任务仍处于基础阶段，无法替代专门的复杂时间序列模型。公司计划在未来改进这些方面，并开放该模型的权重。