Cloudflare 發表 Clairic：不寫字的 AI 模型，單次前向傳播就從文件裡『讀出』數字，成本不到 LLM 一半
Cloudflare 19 日發表首款 System One 擷取模型 Clairic，在 Workers AI 開放預覽。它不逐字生成文字，而是一次讀完輸入、直接回傳型別正確的數值，輸入 token 每百萬僅 0.1 美元，未來將開放權重。
AI 模型一定要「寫字」嗎？Cloudflare 19 日發表的 Clairic 給了否定答案：這是一個不生成任何輸出 token 的模型——你丟給它一份文件和一張欄位表，它在單次前向傳播後直接「讀出」答案：發票號碼、總金額、到期日，一個不多、一個不少。這是 Cloudflare 所謂「System One」新型模型家族的首款擷取模型。
四種工作：擷取、計算、估算、預測
Clairic 承接四種任務：從輸入中「擷取」現成的值（extract）、根據輸入事實「計算」出值（compute，例如發票開立日加 30 天算出到期日）、對輸入沒寫死的值做「估算」（estimate）、對時間序列做「預測」（forecast）。開發者在 Workers AI 上以 @cf/cloudflare/clairic 呼叫，可同時傳入文字與最多 4 張圖片，用自然語言描述每個欄位要什麼型別。
關鍵差異在輸出保證：文字型欄位回傳輸入中的精確片段並附字元位置；數字、日期回傳型別正確的值並附信心分數；找不到答案時回傳 null 而不是亂掰——還附上 p_null（模型自估「輸入無法決定答案」的機率）。估算與預測則給出中位數與 p10–p90 的 80% 區間。因為不逐字生成，回應通常不到一秒，計費只收輸入 token：每百萬 0.1 美元。
19.3 秒 vs 61.7 秒：代理鏈的示範戰
Cloudflare 用一個客訴處理鏈展示定位：Clairic 先從客訴信讀出訂單號、金額與損壞情形並估算維修費，決策模型 Clef（10 月 1 日發表）依公司規則在退款或維修之間二選一，最後 GLM-5.3 寫回覆信——整條鏈 19.3 秒。只用 GLM-5.3 做全部三步要 61.7 秒，成本還貴近一倍。這正是 System One 模型的戰略位置：當 LLM 的「慢思考」節點，配上又快又便宜的「快思考」前處理。
名字也有巧思：Clair 取自「Clair de Lune」與 clerical（文書）、clairvoyance（預知），同時是 [Cl]oudflare [AI R]egression 的縮寫。Cloudflare 表示未來會開放模型權重，目前僅能透過自家端點使用。
從雜亂單據讀出數字：零售業每天都在做的事
發票、訂單信、客訴信格式千奇百怪，企業卻天天要從裡面挖出結構化數字——這正是 Clairic 瞄準的痛點。同樣的場景也發生在零售現場：店家每天手上都是一堆 Excel 銷售報表，看店勢讓店家直接上傳 Excel 試算表，就能自動整理成可分析的業績數據，少了人工謄打、也少了數字出錯的空間。
資料來源
- Cloudflare Blog《Introducing Clairic, a new System One class of extraction models》，2026-10-19
- Unite.AI《Cloudflare Releases Clairic, Its First System One Extraction Model》，2026-10-19
- The Decoder《Cloudflare’s Clairic pulls data from documents faster and cheaper than LLMs》，2026-10-20
- Cloudflare Developers Changelog《Introducing Clairic: an extraction model for typed values, now on Workers AI》，2026-10-19