JawabanDipublikasikan26 sumber
Cloudflare Clairic: model AI yang mengekstrak data tanpa menulis jawaban
Clairic adalah model ekstraksi dalam tahap pratinjau yang mengembalikan nilai bertipe—bukan prosa—dengan biaya US$0,10 per sejuta token input dan tanpa biaya token output. Dalam satu contoh penanganan klaim produk rusak, pipeline yang memakai Clairic, Clef, dan GLM 5.3 lebih cepat dan 49% lebih murah daripada versi...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Clairic adalah model ekstraksi dalam tahap pratinjau yang mengembalikan nilai bertipe—bukan prosa—dengan biaya US$0,10 per sejuta token input dan tanpa biaya token output.
- Dalam satu contoh penanganan klaim produk rusak, pipeline yang memakai Clairic, Clef, dan GLM 5.3 lebih cepat dan 49% lebih murah daripada versi yang memakai GLM 5.3 di setiap tahap.
- Hasil tersebut berasal dari contoh khusus, bukan bukti bahwa Clairic selalu lebih akurat, cepat, atau hemat biaya daripada model bahasa besar.
- Clairic masih memiliki batas: prakiraan dasarnya, sementara rangkaian hitung panjang dan penjumlahan banyak baris tabel belum andal.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Cloudflare’s Clairic, previewed on October 19, 2026, and how does this non-text-generating “System One” extraction model work—includ. Article summary: Clairic is Cloudflare’s preview “System One” extraction model, announced on October 19, 2026: it returns typed values rather than generating prose, and can extract, compute, estimate, and forecast from unstructured input. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Cloudflare Clairic adalah model ekstraksi yang dirancang untuk mengubah teks dan gambar yang tidak terstruktur menjadi nilai seperti tanggal, angka, dan daftar. Alih-alih menyusun jawaban dalam bentuk kalimat, Clairic mengembalikan bidang data sesuai jenis yang diminta aplikasi. Cloudflare melaporkan hasil yang lebih cepat dan murah dalam beberapa demonstrasi, tetapi contoh tersebut belum cukup untuk membuktikan bahwa Clairic secara umum lebih akurat atau efisien daripada model bahasa besar (LLM).3
4
14
Apa yang dilakukan Clairic?
Clairic adalah model ekstraksi “System One” yang tersedia dalam tahap pratinjau di Workers AI dengan nama @cf/cloudflare/clairic. Cloudflare menyebut model ini dapat mengekstrak, menghitung, memperkirakan, dan membuat prakiraan dari masukan yang tidak terstruktur. Tarifnya US$0,10 per sejuta token input. Karena Clairic tidak menghasilkan token output, tidak ada biaya untuk token keluaran.3
7
18
Satu permintaan terdiri dari masukan berupa teks dan, jika diperlukan, hingga empat gambar, serta daftar bidang bernama yang menjelaskan jenis jawaban yang diminta. Clairic mengembalikan bidang-bidang itu dalam satu proses, bukan dengan menghasilkan kata demi kata seperti model generatif.16
20
Jenis bidang yang didukung mencakup potongan teks, angka, tanggal, waktu, tanggal-waktu, durasi, daftar, estimasi, dan prakiraan. Potongan teks dapat disertai posisi karakter dalam sumber, sedangkan prakiraan dapat mencakup hingga 64 langkah ke depan.1
20
Bagaimana Clairic menunjukkan ketidakpastian?
Setiap jawaban tunggal menyertakan skor confidence dan p_null—probabilitas bahwa masukan tidak memuat informasi yang cukup untuk menentukan jawabannya. Respons juga dapat memuat value dan guess. Jika informasi yang dicari tidak tersedia, value dapat berisi null, alih-alih menyajikan tebakan seolah-olah fakta.2
9
18
Untuk estimasi dan prakiraan, Clairic memberikan nilai median serta rentang 80%, dari p10 hingga p90. Rentang ini merupakan perkiraan ketidakpastian dari model, bukan jaminan bahwa nilai sebenarnya pasti berada di dalamnya. Cloudflare menyarankan pengguna mempertimbangkan confidence, p_null, dan informasi rentang untuk menentukan pekerjaan mana yang bisa diotomatisasi dan mana yang sebaiknya diperiksa manusia.2
Apa yang ditunjukkan uji kinerja Cloudflare?
Dalam contoh penanganan klaim produk rusak, Clairic mengekstrak rincian klaim, model Clef milik Cloudflare memilih opsi seperti pengembalian dana atau perbaikan, lalu GLM-5.3 menyusun balasan untuk pelanggan. Laporan uji tersebut menyebut tahap ekstraksi Clairic memakan waktu 0,46 detik dan tahap pengambilan keputusan oleh Clef 0,22 detik. Seluruh pipeline gabungan selesai dalam 19,3 detik, dibandingkan 61,7 detik untuk versi yang menggunakan GLM-5.3 di setiap tahap.4
15
Biaya yang dilaporkan adalah US$6.032 per sejuta klaim untuk pipeline gabungan dan US$11.740 untuk versi GLM-5.3 saja—pengurangan sebesar 49% dalam contoh itu.15 Angka ini menggambarkan satu alur kerja tertentu, bukan jaminan penghematan untuk semua aplikasi.
Cloudflare juga menguji prakiraan jumlah penumpang di pos pemeriksaan bandara AS untuk hari berikutnya selama 21 hari. Rata-rata galat yang dilaporkan adalah 3,3%, dan angka aktual selama 17 dari 21 hari berada dalam rentang 80% yang diperkirakan model.6
9 Ini merupakan demonstrasi terbatas pada satu rangkaian data, bukan bukti bahwa Clairic mampu membuat prakiraan yang andal untuk beragam data dan kondisi.
Batas praktis yang perlu diperhatikan
Cloudflare menyebut kemampuan prakiraan Clairic masih dasar. Prakiraan jangka dekat cenderung mengikuti pola terbaru, sedangkan prakiraan yang lebih jauh dapat mendatar ke arah nilai rata-rata. Model juga bisa luput memperhitungkan kejadian yang tidak tercermin dalam data masukan.1
17
Dokumentasi Cloudflare juga membatasi klaim soal kemampuan berhitung. Perhitungan satu atau dua langkah—seperti menjumlahkan nilai, mencari selisih, melakukan konversi, dan menghitung tanggal—disebut dapat diandalkan. Namun, rangkaian hitung panjang yang saling bergantung dan penjumlahan banyak baris tabel belum andal. Saran Cloudflare: gunakan Clairic untuk mengekstrak angka yang diperlukan, lalu lakukan perhitungannya dengan kode.1
17
Sejauh ini, klaim kinerja Clairic bertumpu pada contoh yang dirancang untuk tugas tertentu, bukan tolok ukur perbandingan luas yang membuktikan model ini lebih akurat, cepat, atau murah untuk semua beban kerja. Anggap keunggulan tersebut sebagai kemungkinan yang perlu diuji pada kebutuhan Anda sendiri, bukan sebagai hasil yang berlaku universal.4
14
15
Label “System One” dan kaitannya dengan Jev
Cloudflare memakai istilah “System One” untuk menggambarkan Clairic sebagai model khusus yang cepat, berbeda dari model yang menghasilkan jawaban teks dengan proses penalaran.5 PPC Land melaporkan bahwa TypeSafe telah memperkenalkan gagasan System One lebih awal, bersama model bernama Jev. Laporan itu menunjukkan adanya pendahulu yang disebut dalam pemberitaan, tetapi sumber yang tersedia tidak membuktikan hubungan teknis langsung antara Jev dan Clairic, ataupun menjelaskan secara kuat bahwa nama Clairic secara khusus terinspirasi oleh Kahneman.
13
Cloudflare juga menyatakan berencana merilis bobot model secara terbuka, tetapi sumber yang tersedia belum mencantumkan tanggal rilisnya.7
12
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Cloudflare Clairic: model AI yang mengekstrak data tanpa menulis jawaban"?
Clairic adalah model ekstraksi dalam tahap pratinjau yang mengembalikan nilai bertipe—bukan prosa—dengan biaya US$0,10 per sejuta token input dan tanpa biaya token output.
Apa poin penting yang harus divalidasi terlebih dahulu?
Clairic adalah model ekstraksi dalam tahap pratinjau yang mengembalikan nilai bertipe—bukan prosa—dengan biaya US$0,10 per sejuta token input dan tanpa biaya token output. Dalam satu contoh penanganan klaim produk rusak, pipeline yang memakai Clairic, Clef, dan GLM 5.3 lebih cepat dan 49% lebih murah daripada versi yang memakai GLM 5.3 di setiap tahap.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Hasil tersebut berasal dari contoh khusus, bukan bukti bahwa Clairic selalu lebih akurat, cepat, atau hemat biaya daripada model bahasa besar.