Cloudflare представила Clairic — модель для извлечения данных без генерации текста
Cloudflare запустила в превью Clairic — модель, которая не пишет ответ по токенам, а за один проход извлекает из текста и изображений структурированные значения. Для документов, писем и чеков это может означать менее хрупкую альтернативу привычной схеме «попросить LLM вернуть JSON, затем проверять и чинить его».
Clairic доступна в Workers AI под именем @cf/cloudflare/clairic; компания также говорит о планах открыть веса модели позже. Речь не о замене чат-бота: модель рассчитана на поля с заранее заданным типом — текст, число, дату, список, оценку или прогноз.
Не красивый текст, а проверяемое поле
В запросе разработчик передаёт исходный текст и схему полей. Для извлечённого фрагмента Clairic возвращает не только значение, но и позицию в исходнике, confidence и вероятность того, что поля в данных нет. Если поле не найдено, ответом становится null, а не правдоподобная фраза.
Компания подчёркивает, что это не делает систему безошибочной. Но типизированный результат и привязка к фрагменту источника упрощают контроль: сомнительные записи можно отправить на ручную проверку, а не пытаться угадать, где генеративная модель потеряла цифру или нарушила JSON.
Источник: Cloudflare.
Когда она полезнее LLM
Cloudflare относит Clairic к «System One» моделям: они делают один параллельный проход без цепочки рассуждений и генерации выходных токенов. По заявлению компании, запрос обычно занимает менее секунды, а цена зависит только от входа. Модель умеет извлекать значения, вычислять их по данным входа, строить оценку с 80‑процентным интервалом и прогнозировать временной ряд.
Практический сценарий — обработка претензий, счетов или заявок: извлечь номер заказа, дату доставки, сумму и список повреждений, а для отсутствующего трек-номера получить null. Это не отменяет валидацию и выборочную проверку, особенно для денег и юридически значимых данных. Зато такой слой может снять с универсальной LLM повторяющуюся работу, где нужен не литературный ответ, а воспроизводимый типизированный факт.
Для команд на Workers AI новинка интересна именно границей применения: Clairic стоит ставить перед агентом или чат-моделью, когда нужно превратить сырой документ в проверяемые поля. Объяснение, переписка с клиентом и нестандартное рассуждение по-прежнему остаются задачей генеративной модели.
