AnswersPublished26 sources
Cloudflare Clairic: Cara Model Pengekstrakan System One Berfungsi, Kos dan Batasannya
Clairic ialah model pengekstrakan dalam pratonton yang memulangkan nilai berjenis—bukan karangan—dengan harga AS$0.10 bagi setiap juta token input dan tiada caj token output. Ujian Cloudflare melaporkan saluran kerja tuntutan yang 49% lebih murah, serta ramalan harian dengan ralat purata 3.3%; kedua duanya ialah con...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Clairic ialah model pengekstrakan dalam pratonton yang memulangkan nilai berjenis—bukan karangan—dengan harga AS$0.10 bagi setiap juta token input dan tiada caj token output.
- Ujian Cloudflare melaporkan saluran kerja tuntutan yang 49% lebih murah, serta ramalan harian dengan ralat purata 3.3%; kedua duanya ialah contoh khusus, bukan bukti kelebihan umum.
- Dokumentasi menyatakan ramalan asas dan pengiraan berbilang langkah masih mempunyai batasan; Cloudflare menyarankan pengiraan rumit dibuat dalam kod.
AI Prompt
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
Clairic ialah model pengekstrakan Cloudflare yang masih dalam pratonton di Workers AI. Berbeza daripada model bahasa besar (LLM) yang menjana ayat, Clairic direka untuk memulangkan nilai berstruktur seperti tarikh, angka dan senarai daripada teks atau imej. Cloudflare melaporkan keputusan yang lebih pantas dan murah dalam beberapa demonstrasi, tetapi contoh tersebut belum membuktikan bahawa Clairic secara umum lebih tepat atau cekap daripada LLM.3
4
14
Apa yang Clairic lakukan
Clairic ialah model pengekstrakan “System One” yang boleh digunakan dalam pratonton melalui Workers AI sebagai @cf/cloudflare/clairic. Cloudflare menyatakan model ini boleh mengekstrak, mengira, membuat anggaran dan meramal nilai daripada input tidak berstruktur. Harganya AS$0.10 bagi setiap juta token input. Oleh sebab Clairic tidak menjana token output, tiada caj token output.3
7
18
Permintaan mengandungi teks, dengan pilihan untuk menyertakan sehingga empat imej, serta medan bernama yang menentukan jenis jawapan yang diminta. Clairic memulangkan medan tersebut dalam satu laluan pemprosesan, bukannya menjana jawapan perkataan demi perkataan.16
20
Jenis medan yang disokong termasuk petikan teks, nombor, tarikh, masa, tarikh-masa, tempoh, senarai, anggaran dan ramalan. Petikan teks boleh disertakan dengan kedudukan aksara dalam sumber, manakala medan ramalan boleh memberikan nilai untuk sehingga 64 langkah ke hadapan.1
20
Cara Clairic menunjukkan ketidakpastian
Setiap jawapan skalar menyertakan skor keyakinan dan p_null—kebarangkalian bahawa input tidak menentukan jawapannya. Respons juga boleh mengandungi value dan guess. Jika nilai tidak dapat ditentukan, value boleh dipulangkan sebagai null, bukannya dipersembahkan sebagai fakta yang pasti.2
9
18
Medan anggaran dan ramalan memberikan nilai median serta julat 80%, daripada p10 hingga p90. Julat ini ialah anggaran ketidakpastian model, bukannya jaminan bahawa nilai sebenar pasti berada di dalamnya. Cloudflare menyarankan supaya skor keyakinan, p_null dan maklumat julat digunakan untuk menentukan perkara yang boleh diautomasikan dan perkara yang perlu disemak.2
Apa yang ditunjukkan oleh ujian prestasi
Dalam contoh tuntutan produk rosak, Clairic mengekstrak butiran tuntutan, model Clef milik Cloudflare memilih pilihan seperti bayaran balik atau pembaikan, dan GLM-5.3 menghasilkan jawapan untuk pelanggan. Laporan ujian menyatakan langkah pengekstrakan Clairic mengambil masa 0.46 saat, manakala keputusan Clef mengambil masa 0.22 saat. Keseluruhan saluran kerja gabungan mengambil masa 19.3 saat, berbanding 61.7 saat bagi versi yang menggunakan GLM-5.3 pada setiap langkah.4
15
Kos yang dilaporkan ialah AS$6,032 bagi setiap sejuta tuntutan untuk saluran kerja gabungan, berbanding AS$11,740 bagi versi GLM-5.3 sahaja—pengurangan sebanyak 49% dalam contoh itu.15 Angka ini merujuk kepada satu aliran kerja tertentu dan bukan jaminan penjimatan untuk setiap aplikasi.
Cloudflare turut menguji ramalan jumlah penumpang pada hari berikutnya di pusat pemeriksaan lapangan terbang Amerika Syarikat selama 21 hari. Ralat purata yang dilaporkan ialah 3.3%, dan jumlah sebenar bagi 17 daripada 21 hari berada dalam julat 80% model.6
9 Ini ialah demonstrasi kecil berdasarkan satu siri data, bukannya bukti prestasi ramalan yang meluas merentas pelbagai data dan keadaan.
Batasan praktikal yang perlu diketahui
Cloudflare menyifatkan keupayaan ramalan Clairic sebagai asas. Ramalan jangka dekat cenderung mengikut corak terkini, manakala ramalan bagi beberapa langkah ke hadapan boleh mendatar ke arah purata dan mungkin terlepas peristiwa yang tidak ditunjukkan dalam data input.1
17
Dokumentasi turut menetapkan batas bagi kerja aritmetik. Pengiraan satu atau dua langkah—seperti jumlah, perbezaan, penukaran dan pengiraan tarikh—dinyatakan boleh dipercayai. Namun, rangkaian pengiraan yang saling bergantung dan penjumlahan merentas banyak baris jadual belum boleh diharap sepenuhnya. Saranan Cloudflare ialah menggunakan Clairic untuk mengekstrak nilai yang diperlukan, kemudian membuat pengiraan dalam kod.1
17
Setakat ini, bukti prestasi bergantung pada contoh khusus tugasan dan bukannya penanda aras perbandingan menyeluruh yang menunjukkan Clairic sentiasa lebih tepat, pantas atau murah untuk semua beban kerja. Anggap kelebihan yang dilaporkan sebagai kemungkinan untuk diuji terhadap tugasan sendiri, bukannya jaminan sejagat.4
14
15
Label “System One” dan kaitan dengan Jev
Cloudflare menggunakan istilah “System One” untuk menggambarkan Clairic sebagai model khusus tugasan yang pantas, berbeza daripada model yang menjana respons berbentuk teks dengan penaakulan.5 PPC Land melaporkan bahawa TypeSafe telah memperkenalkan idea System One lebih awal bersama model bernama Jev. Laporan itu menunjukkan adanya model terdahulu yang dikaitkan dengan idea tersebut, tetapi sumber yang tersedia tidak membuktikan hubungan teknikal langsung dengan Clairic atau mengesahkan penjelasan khusus bahawa nama Clairic diinspirasikan oleh Kahneman.
13
Cloudflare juga menyatakan rancangan untuk mengeluarkan pemberat model secara terbuka, namun sumber yang tersedia tidak memberikan tarikh pelancaran.7
12
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Cloudflare Clairic: Cara Model Pengekstrakan System One Berfungsi, Kos dan Batasannya"?
Clairic ialah model pengekstrakan dalam pratonton yang memulangkan nilai berjenis—bukan karangan—dengan harga AS$0.10 bagi setiap juta token input dan tiada caj token output.
What are the key points to validate first?
Clairic ialah model pengekstrakan dalam pratonton yang memulangkan nilai berjenis—bukan karangan—dengan harga AS$0.10 bagi setiap juta token input dan tiada caj token output. Ujian Cloudflare melaporkan saluran kerja tuntutan yang 49% lebih murah, serta ramalan harian dengan ralat purata 3.3%; kedua duanya ialah contoh khusus, bukan bukti kelebihan umum.
What should I do next in practice?
Dokumentasi menyatakan ramalan asas dan pengiraan berbilang langkah masih mempunyai batasan; Cloudflare menyarankan pengiraan rumit dibuat dalam kod.