产业 / 媒体
Cloudflare 推出文档数据提取模型 Clairic，速度更快、成本更低
Cloudflare 近日发布了一款名为 Clairic 的 AI 模型，专门用于从文档中快速提取结构化数据，速度和成本均优于传统大语言模型。Clairic 目前已在 Workers AI 平台上线预览版，开放权重版本也即将发布。与大语言模型逐词生成文本的方式不同，Clairic 采用单次推理完成所有字段的提取，用户只需指定所需字段名称，如订单编号或发票金额，模型便会返回对应值及置信度评分。若某字段在文档中不存在，模型将返回空值。Cloudflare 将 Clairic 定位为 AI 处理链中的一个环节，可与大语言模型及其他专用模型协同工作，在保持高准确率的同时大幅压缩整体处理时间与推理成本。测试数据显示，采用 Clairic 的组合链路仅需 19.3 秒，而单独使用大语言模型完成相同任务则需 61.7 秒，成本也接近翻倍。
Cloudflare 正式推出文档数据提取模型 Clairic，目前已在其 Workers AI 平台上线预览版，开放权重版本也将于近期跟进发布。Clairic 的核心设计理念是以专用模型替代大语言模型来完成结构化数据提取任务，从而在速度和成本两个维度实现显著优化。用户只需声明所需字段名称，Clairic 便会从非结构化文本中识别并返回对应值，同时附带置信度评分，若字段缺失则返回空值。
与大语言模型逐词生成文本的推理方式不同，Clairic 采用单次推理完成所有字段的提取，这一机制从根本上缩短了响应时间。除基础的字段提取外，Clairic 还具备处理简单计算、估算和预测的能力，使其适用范围超出了单纯的信息抽取场景，能够在一定程度上参与业务逻辑的初步处理。
Cloudflare 将 Clairic 设计为可嵌入更大规模 AI 处理链的组件，与大语言模型及其他专用模型协同运行。以处理客户投诉邮件为例，Clairic 负责从邮件中提取订单编号、金额和损坏描述，并估算维修费用；随后由决策模型 Clef 依据公司规则判断是退款还是维修；最后由 GLM-5.3 生成回复邮件发送给客户。
在性能对比测试中，上述三步骤的组合链路总耗时仅为 19.3 秒，而单独使用 GLM-5.3 完成全部三个步骤则需要 61.7 秒，成本也接近翻倍。这一数据直观体现了专用模型与通用大语言模型协同分工的效率优势，也印证了 Cloudflare 推动模块化 AI 架构的战略方向。
不过，Cloudflare 也坦承 Clairic 目前存在局限性：对于较长的计算链，模型尚无法稳定可靠地处理，建议开发者暂时在自己的代码中单独执行此类逻辑。这意味着 Clairic 在当前阶段更适合作为提取与初步估算的前置环节，而非承担复杂的多步推理任务。随着开放权重版本的发布，社区的参与有望加速其能力边界的拓展。
要点
- Clairic 采用单次推理完成字段提取，相比大语言模型逐词生成的方式速度更快、成本更低
- 在三步骤处理链测试中，引入 Clairic 的方案耗时 19.3 秒，单独使用大语言模型则需 61.7 秒且成本近乎翻倍
- Clairic 定位为 AI 处理链中的专用组件，可与大语言模型及决策模型协同分工，构建模块化工作流
- 当前版本对较长计算链的处理尚不稳定，Cloudflare 建议开发者将此类逻辑保留在自有代码中执行
- 开放权重版本即将发布，有望进一步推动社区在文档智能领域的应用探索
原始标题：Cloudflare's Clairic pulls data from documents faster and cheaper than LLMs
本文由 DataHub 基于公开来源整理，用于信息发现与摘要阅读；具体事实、数据和后续更新以原始来源为准。