Cloudflare 发布 Clairic：全新 System One 提取模型，单次前向传播即可输出类型化结果

一、Clairic 到底是什么

2026年10月19日，Cloudflare 发布了一款叫 Clairic 的新模型，它是“System One 提取模型”这个新类别里的第一个成员。目前它以预览版形式托管在 Cloudflare 的 Workers AI 平台上，调用名是 @cf/cloudflare/clairic。官方表示计划不久后开放权重，但具体日期和许可证官方未说明。

它要做的事很具体：从一段乱七八糟的文字或图片里，把名字、日期、金额、数量这些信息直接“抠”出来，还能算出或预测一些数值。打个比方，它像一位不用打草稿的速算小助手，你给它一张乱糟糟的账单，它看一眼就能直接报出总金额和到期日，而且答案格式规规矩矩，不会写错小数点。

二、System One 和 System Two 有什么区别

原文借用了丹尼尔·卡尼曼《思考，快与慢》里的概念：System One 是快速、直觉式的思考，System Two 是慢速、深思熟虑的推理。大语言模型（比如 GPT、Claude）属于 System Two，它们一个词一个词地“想”出答案，速度慢、费用高，还可能编造内容。

Clairic 属于 System One：它只把输入读一遍（单次前向传播），不生成任何输出文字，所以响应通常不到一秒，而且只按输入计费。就像你问朋友“现在几点”，他看一眼手表直接回答，而不是先背一遍钟表原理再告诉你时间。

三、它能输出哪几种结果

Clairic 的请求由两部分组成：一段输入（文字，外加最多四张可选图片），以及一张“字段清单”。你给每个字段起名字、指定类型、可以加一句大白话说明，它就在一次并行处理中把每个字段的答案一起返回。

它能返回的类型包括：text（原文中的一段文字及其位置）、number（读出来或算出来的数字）、date/time/datetime（日期和时间）、duration（时长）、list（列表）、estimate（在你给定的最小值和最大值之间给出分布估计）、forecast（对未来每一步给出预测）。每个标量答案都附带“输入里没有这个值”的概率和置信度，估计类答案还附带中位数和 80% 区间。

四、和普通大模型比，它强在哪

原文指出，今天大量“返回 JSON”的调用其实是在用大模型做提取，常见毛病是：输出可能不是合法 JSON、生成过程中数字可能看错、文字片段返回后无法追溯它在原文的位置。Clairic 不生成文字，而是直接给出类型化的值，并附带字符偏移量，让你知道答案来自原文哪个位置。

另一个好处是省钱省时：因为所有字段在同一次并行处理中完成，问三十个字段和问三个字段的成本差不多。原文还强调，由于它不生成 token，不会出现“打错字”式的幻觉，当然它仍然可能出错，所以每个答案都带置信度，方便你判断要不要人工复核。

五、怎么用：一个客服邮件的例子

原文给了一个客服邮件的例子：顾客说订单 A-88412 在 2026 年 9 月 28 日到货，屏幕裂了、角也凹了，付了 649 美元加 52.10 美元。你可以定义字段：订单号（text）、到货日期（date）、商品金额（number）、运费（number）等，Clairic 会一次性返回这些值，并告诉你每个值在原文中的位置和置信度。

如果某个字段在原文里根本不存在，它会返回 null，同时给出“该值不在输入中”的概率和一个猜测值。这就像老师批改填空题：没填的题打叉，但旁边悄悄写个“我猜你想写这个”，方便你判断。

六、适合谁用，有什么限制

它适合需要批量处理单据、邮件、报表的开发者，尤其是那些反复向大模型要同样几个字段的场景。也适合需要数值预测（比如未来 24 小时流量）但又不想承担大模型推理成本的团队。原文还提到，提取模型、决策模型（如 Jev、Clef）和大语言模型可以配合使用：提取模型把原始输入变成类型化的值，决策模型把值变成决定，大模型把决定变成文字。

限制方面：它目前是预览版，正式版时间官方未说明；开放权重的具体安排官方未说明；它只处理你定义的字段，不能像大模型那样自由写作；它仍可能出错，需要结合置信度做人工抽检；图像输入最多四张，更多细节官方未说明。对小学生来说，可以把它理解成一台“自动填表机”：你告诉它表格要哪些格子，它看一眼材料就把格子填好，但填得对不对，还得你自己检查一遍。