Cloudflare 的提取模型 Clairic 在 2026 年 10 月 19 日上线 Workers AI 预览：它不生成任何文字，读一遍文本或图片，直接交回带类型的数值——金额、日期、时长、列表，或者一段带区间的估计和预测。Cloudflare 给这类模型起了个新类目名：System One 提取模型。
它和聊天机器人干的不是同一件活
现在大量结构化提取调用，其实在让大模型硬干：一封邮件里要问出订单号、送达日期、含税总额、逾期天数，大模型得逐字生成 JSON，还可能把数字写错、格式写坏，事后还要解析、校验、重试。Clairic 的请求形态完全不同：输入是一段 state（正文加最多四张图片）和一组声明好类型的 fields，一次前向计算并行答完所有字段。文本字段返回原文片段和字符偏移，数字和日期带置信度与 p_null，也就是该值压根不在输入里的概率；查无此项就返回 null，而不是编一个像样的答案。官方例子里，一封客服邮件的含税总额并不直接写在文中，Clairic 在同一遍计算里把 649 美元货价和 52.10 美元税加成了 701.10；小票照片里不存在折扣，它也如实给了 null。
省下的时间和钱，有官方账本
Cloudflare 用一个损坏索赔流程做了级联对照：Clairic 提取、Clef 决策、GLM-5.3 写回复，全链路 19.3 秒；三步全交给 GLM-5.3 要 61.7 秒，光提取和决策两步就耗掉 38 秒，而 Clairic 加 Clef 合计不到 1 秒。总成本从每百万次索赔 11740 美元降到 6032 美元，便宜了 49%。预测能力也给了实测：在美国运输安全管理局的安检人数序列上连续 21 天做次日预测，平均误差 3.3%，21 天里有 17 天的真实值落进它给出的 80% 区间；不过哥伦布日周末错得明显，因为单看序列发现不了假期。这条流水线和站内此前写过的 Cloudflare Clef 决策模型 正好接成上下游：一个负责把事实读准，一个负责在选项里拍板，最后才轮到大模型写人话。
边界写在发布说明里，别当万能计算器
Cloudflare 自己把短板列得很清楚：多步算术不行，长链条的依赖计算和多行表格汇总容易翻车，官方建议让代码负责算账、模型只负责读值；估计要有可比数据或历史垫底，没有依据的数字给不出可信区间；预测只是基础款，替代不了专门的时间序列模型。它目前只在 Workers AI 上以 @cf/cloudflare/clairic 提供托管预览，模型页标价为每百万输入 token 0.10 美元，输出不计费，因为它根本不产生输出 token；权重计划开源，但还没有给日期。对每天要处理成千上万张发票、工单和邮件的团队，它真正的价值不是替代大模型，而是把最重复、最怕写错格式的那一层调用，从大模型的账单里摘出去。
