Clairic：System One 抽取模型
发票总额是多少、什么时候送到、晚几天、维修要多少钱——这类重复的结构化输出天天在打给前沿大模型，很贵也很慢。Clairic 换了个思路：单次前向、不做推理、不生成 token，直接从非结构化输入里抽出、算出、估计甚至预测数值，带 80% 区间和置信度，只按输入计费，通常一秒内响应。目前在 Workers AI 上以 @cf/cloudflare/clairic 预览，官方表示开放权重很快放出
工具界面
交互式工具即将上线
功能特点
- ✓ System One 抽取模型的第一个成员，与 Jev、Clef 这类决策模型并列，不是 LLM
- ✓ 四类返回：抽取值（原文片段＋字符偏移＋置信度）、计算值（数值/日期/时间/时长/列表，按类型规则，如金额两位小数）、估计值（给定区间内的分布、中位数与 80% 区间）、预测值（逐步向前，每步带 80% 区间）
- ✓ 单次前向直接给答案，不推理不生成 token，官方对比是 LLM 走同样一步要好几秒
- ✓ 只按输入计费，输出不花钱，适合高频重复的结构化调用
- ✓ 已在 Workers AI 上以 @cf/cloudflare/clairic 提供预览，官方计划随后放出开放权重
- ✓ 思路源自 TypeSafe 提出的 System One 概念：快、精确、带类型，专治 LLM 做得慢又贵的任务
使用步骤
- 先分辨任务类型：要一个数、要一个带类型的值，走 Clairic；要在固定选项里挑一个，走 Clef；要开放式文字，还是留给 LLM
- 在 Workers AI 里调用 @cf/cloudflare/clairic，把要抽的字段和类型声明清楚，估计值还要给出区间边界与网格
- 按返回的置信度与 80% 区间设阈值，低置信度的记录走人工复核或回退到大模型
- 留意预览阶段的变化，等开放权重放出后再评估自托管带来的成本与数据边界
常见问题
Clairic 是什么？
Cloudflare 在 Workers AI 上预览的 System One 抽取模型，模型标识 @cf/cloudflare/clairic。它从非结构化输入里抽取、计算、估计和预测数值，官方给的目标是比传统 LLM 更准、更快、更便宜。原文见 https://blog.cloudflare.com/clairic-extraction-model/
它和 LLM 的区别在哪？
单次前向直接出结果，不推理、不生成 token，所以通常一秒内响应，而官方说 LLM 走同样一步要好几个秒。计费上只算输入，输出不计费。
能返回哪几种结果？
四类：抽取值（原文片段＋字符偏移＋置信度）、计算值（数值、日期、时间、日期时间、时长、列表，遵循类型规则比如金额两位小数）、估计值（在你声明的边界与网格上给出分布、中位数和 80% 区间）、预测值（每个向前步长一个估计，各带 80% 区间）。
和 Jev、Clef 是什么关系？
Jev 和 Clef 是决策模型：给出输入状态和一组问题，返回概率。Clairic 是同一大类（System One）下的新类别——抽取模型，回答的是从输入里抽、算或预测出来的数值。三类分工清晰。
现在能用吗？开源吗？
现在可以预览使用，托管在 Workers AI 上，文档在 https://developers.cloudflare.com/workers-ai/models/clairic/ 。Cloudflare 表示打算很快放出开放权重版本。