AREX Feed Article
Cloudflare 在 Workers AI 上线 Clairic 预览版：不生成输出 token，直接返回类型化结果
北京时间 10 月 20 日凌晨，Cloudflare 在中宣布 Clairic 以预览形式在 Workers AI 上线，模型标识为 @cf/cloudflare/clairic。它不生成输出 token。调用方传入一段文本（最多另附 4 张图片）和一组带类型的字段，模型在一次前向传播中按字段返回结果——带字符偏移的文本片段、数字、日期、时长、列表，或者带 80% 区间的估计值和预测值。
写明每百万输入 token 收费 0.10 美元，输出 token 不计费，上下文窗口 65,536 token。Cloudflare 把 Clairic 称为「System One 提取模型」这一新类别的首款模型，并称它比传统大语言模型（LLM）准确率更高、延迟更低、成本更低；博客给出的测试与对比均由 Cloudflare 自己运行。Cloudflare 还表示计划「不久后」开源权重。
字段、类型和一次前向传播
一次请求的核心是两部分：state 是待读的文本，可另附最多 4 张 PNG、JPEG 或 WebP 图片；fields 是一张字段表，每个字段写明类型，可以再加一句自然语言指令。类型包括 text（返回原文片段及其起止位置）、number（按 integer、decimals 控制整数与小数位）、date、time、datetime（均为 ISO 格式）、duration、list，以及 estimate 和 forecast。
标量答案都带一个空值概率和一个置信度：p_null 表示该值不在输入中的概率，confidence 表示模型对这个答案的置信度。找不到时返回 null，同时附上模型原本会选的 guess。博客用一封客服邮件演示：邮件里没有运单号，tracking_number 字段返回 null，guess 是 $52.10；amount_paid 也没有直接写出，模型把 649.00 美元与 52.10 美元相加，返回 701.1。估计值返回指定区间内的分布，含中位数和第 10 至第 90 百分位（p10～p90）；预测值对未来每一步各给一个估计和各自的 80% 区间。
它只处理输入 token，不做推理，也不逐 token 生成；字段放得下时，所有答案在同一次前向传播中并行算完。字段多到一次装不下时，服务端按 8,192 token 的窗口拆成多次并行 pass（前向计算），每次都能看到完整输入，再合并答案。模型文档的示例响应里，output_tokens 为 0，passes 为 3。Cloudflare 据此称，问 30 个字段和问 3 个字段的成本差不多。
21 天 TSA 预测：平均误差 3.3%
博客给出的测试里，有一组带具体误差数字：对美国运输安全管理局（TSA）每日机场安检人数的预测。Cloudflare 取这条公开序列，连续 21 天每天早上根据截至当天的真实数据预测第二天的数字。以 10 月 14 日为例，Clairic 给出的中位数是 2,419,283 人，TSA 实际数字为 2,419,474 人。
21 天里，预测平均误差 3.3%，21 个实际值中有 17 个落在模型给出的 80% 区间内。Cloudflare 称模型仅凭数字就学到了周内节律：周二、周六人数较少，周四、周五、周日较多。4 个落在区间外的日子里有 3 个在哥伦布日周末（10 月 9 日至 13 日），那几天出行人数高于前几周的模式；博客的解释是，Clairic 只从序列本身的模式外推，不处理序列里没有的事件，比如节假日。
这是一次单模型的滚动预测测试：一条时间序列、21 个预测点，全部由 Cloudflare 运行。
三步流水线：19.3 秒与 61.7 秒
成本与延迟的证据来自另一场演示。Cloudflare 用一封产品损坏的理赔邮件对比了两条三步流水线：一条由 Clairic 提取、Clef 决策、GLM-5.3 写回复；另一条三步全部交给 GLM-5.3。前者端到端 19.3 秒，后者 61.7 秒，Cloudflare 折算为少用 69% 的时间、约快 3.2 倍；按每百万次理赔计，成本分别为 6,032 美元和 11,740 美元，前者低 49%。
分步看，差距集中在最前面两步：提取环节 Clairic 用 0.46 秒，GLM-5.3 用 16.1 秒；决策环节 Clef 用 0.22 秒，GLM-5.3 用 21.9 秒；最后写回复，GLM-5.3 分别为 18.6 秒和 16.4 秒。串接版的输入 token 反而更多（701 对 390），输出 token 则为 1,329，全 LLM 版是 2,544。这 6,032 美元里，输出 token 占 5,848 美元，输入 token 只占 184 美元；按这套计费结构，提取和决策两步不产生输出 token，账单主要落在最后写回复的那次调用上。
博客还记录了一个准确率细节：用 GLM-5.3 时，两条流水线在每次运行中都正确完成了事实提取和决策，但 Clairic 每次给出的维修估价相同，GLM-5.3 的三次结果为 250、250、220 美元，区间也每次不同。在同一套全 LLM 流水线里，Gemma 4 和 Qwen 都没能完成这个任务——两者无法从输入推断 repair_cost 这类值。
这些数字同样来自 Cloudflare 自己运行的单一演示场景，成本按每百万次理赔折算；它能说明这条流水线在这个场景下的耗时构成，不能当作跨任务的平均水平。
Cloudflare 给预览版划出的边界
博客在「Preview release」一节里列出了预览版的短板。Cloudflare 说 Clairic「阅读强，但多步算术还不行」：一到两步的计算（总额、差值、换算、日期加减）看起来可靠，更长的依赖步骤对任何没有草稿纸的单次前向模型都难，跨多行表格的汇总同样如此。眼下的建议是让 Clairic 给出值，把算术交给代码。
估计需要证据。从可比样本、历史数据或描述性文本里做估计效果最好；输入里没有依据时，估计的具体程度会受限。区间校准是「测出来的，不是保证的」：训练目标让区间尽量校准，在多数留出集上成立，但遇到不熟悉的数据可能偏窄。
预测是「基础的」。Cloudflare 明确说它不打算取代在特定数据上训练的时间序列模型，适合非关键的一般模式匹配，不适合长跨度精细预测。还有一句针对所有输出：「架构保证每个答案形式正确，不保证它正确。」因此，confidence、p_null 和区间直接决定哪些结果可以自动处理、哪些要转人工。
Cloudflare 把提取和决策拆成两类模型
Cloudflare 在博客里把 Clairic 接在 TypeSafe 的 System One 之后。TypeSafe 约一个月前发布 System One 模型，其中的 Jev 是一个决策模型：对列出的问题给出带概率的判断。Cloudflare 用 Daniel Kahneman 在《Thinking, Fast and Slow》里的划分来解释：System One 快而精确，System Two 会推理，LLM 属于后者。是「非结构化状态输入，类型化概率决策输出」。
Cloudflare 在 10 月 1 日发布了决策模型 Clef。Clef 的写明，权重当天就在 Hugging Face 上以 Apache 2.0 协议开源，模型有 64k 上下文窗口和视觉编码器。在这条流水线里，Clairic 负责提取，Clef 从选项里做选择并给出概率，LLM 负责写句子。三者串起来，就是那封理赔邮件走完的流水线。
Cloudflare 举的例子是那些反复交给前沿 LLM 的结构化输出请求：发票总额是多少、什么时候送达、迟了几天、这次维修要多少钱、未来 24 小时路况如何。这些问题的答案无法预先列全，决策模型没法针对它们给出选项概率，而 LLM 每处理一个字段、一份文档，都要为推理和输出 token 付费。
介绍 Clairic 的博客则说，要先在算术、估计和预测上再改几轮，「之后」再开源。博客把当前端点称为早期检查点（early checkpoint），模型条款写明按「现状」提供，Cloudflare 也可以停止提供。现在能调用的是托管预览，按博客的说法，可下载的权重还要等那几轮改进。