Cloudflare مدل Clairic را به‌صورت پیش‌نمایش روی Workers AI منتشر کرد. این مدل یک System One extraction model است: متن یا تصویر را می‌خواند و مقادیر ساختارمند (typed values) برمی‌گرداند، نه متن تولیدشده. کار اصلی‌اش همان کاری است که معمولاً به LLMها سپرده می‌شود — استخراج مجموع فاکتور، تاریخ، شناسه و اعداد مشابه — اما بدون reasoning و بدون تولید output token.

Clairic در یک forward pass به تمام فیلدهای درخواست‌شده پاسخ می‌دهد. پنجره‌ی context آن ۶۵,۵۳۶ توکن است و هر درخواست می‌تواند حداکثر ۴ تصویر داشته باشد. انواع پشتیبانی‌شده شامل text، number، date، time، datetime، duration، list، estimate و forecast است. هر پاسخ عددی شامل p_null (احتمال غیبت مقدار) و یک confidence score است. تخمین‌ها و پیش‌بینی‌ها median و بازه‌ی ۸۰٪ (از p10 تا p90) برمی‌گردانند. پیش‌بینی تا ۶۴ گام را پوشش می‌دهد.

نتایج تست‌های Cloudflare#

در خط‌لوله‌ی ادعای خسارت (claims pipeline)، Cloudflare سه مدل را کنار هم گذاشت: Clairic برای استخراج، Clef برای تصمیم، و GLM-5.3 برای نوشتن پاسخ. نتیجه‌ی این cascade در ۱۹.۳ ثانیه تمام شد — در مقابل ۶۱.۷ ثانیه وقتی GLM-5.3 هر سه مرحله را خودش انجام می‌داد (حدود ۳.۲ برابر سریع‌تر). مرحله‌ی استخراج ۰.۴۶ ثانیه طول کشید در مقابل ۱۶.۱ ثانیه. هزینه به‌ازای هر میلیون ادعا ۴۹٪ کاهش یافت، از ۱۱,۷۴۰ دلار به ۶,۰۳۲ دلار.

یکی از نکات جالب: Clairic در اجرای مکرر، تخمین هزینه‌ی تعمیر را یکسان برمی‌گرداند، در حالی که GLM-5.3 سه مقدار متفاوت ($250، $250 و $220) داد. Cloudflare می‌گوید Gemma 4 و Qwen در نسخه‌ی تمام-LLM شکست خوردند.

اما Clairic بی‌نقص نیست: در پیش‌بینی ۲۱ روزه‌ی تعداد مسافران TSA، ۴ مورد از ۲۱ پیش‌بینی خارج از بازه‌ی ۸۰٪ قرار گرفت (۳ مورد در تعطیلات Columbus Day). محاسبات چندمرحله‌ای (multi-step arithmetic) غیرقابل‌اعتماد گزارش شده است.

دسترسی و قیمت#

Clairic از طریق Workers AI با شناسه‌ی @cf/cloudflare/clairic در دسترس است. قیمت ۰.۱۰ دلار به‌ازای هر میلیون توکن ورودی است و توکن خروجی رایگان محاسبه می‌شود. وزن‌های مدل هنوز منتشر نشده‌اند؛ Cloudflare وعده‌ی انتشارشان را داده.

این خبر برای کسی که ایجنت می‌سازد یعنی چه#

مهم‌ترین پیام Clairic این نیست که یک مدل جدید است، بلکه این است که Cloudflare دارد مسئله‌ی «استخراج ساختارمند» را از LLM جدا می‌کند و به‌عنوان یک primitive ارزان و سریع تعریف می‌کند. اگر امروز با LangChain یا ابزار مشابه، یک LLM را وادار می‌کنید که فیلدهای JSON را از یک فاکتور استخراج کند، Clairic همان کار را با یک‌سوم هزینه و ۳۵ برابر سرعت انجام می‌دهد — به شرطی که فقط استخراج بخواهید، نه استدلال.

اما این خبر هنوز چیزی را عوض نمی‌کند: اگر نیاز دارید مدل هم استخراج کند و هم توضیح بدهد چرا یک مقدار غیبت دارد، یا اگر محاسبات چندمرحله‌ای روی فیلدها دارید، Clairic ابزار درست نیست. محدودیت ۴ تصویر و نبودِ وزن‌های محلی هم یعنی فعلاً به زیرساخت Cloudflare مقید هستید.

نکته‌ی عملی: قیمت ۰.۱۰ دلار ورودی و صفر خروجی یعنی هزینه‌ی schema (تعریف فیلدها) ممکن است از خودِ سند بیشتر باشد. Cloudflare در مثال خود یک فاکتور ۶۱ توکنی را با ۶۵۵ توکن ورودی صورت‌حساب کرده — ۴۷۲ توکن از آن schema بوده. قبل از مهاجرت، schema خود را بشمارید.

منبع: MarkTechPost