Cloudflare Clairic wyciąga dane z dokumentów bez generowania tekstu

Czym jest Clairic i jak działa

Clairic opisała na blogu Cloudflare 19 października 2026 roku Michelle Chen. Użytkownik przekazuje modelowi treść, na przykład e-mail z reklamacją albo zdjęcie paragonu, oraz listę pól, które chce otrzymać. Model zwraca wartości w zadeklarowanym typie, czyli jako tekst, liczbę, datę, godzinę, czas trwania lub listę. Jeśli danej informacji nie ma w dokumencie, pole dostaje wartość null zamiast zgadywanej odpowiedzi.

Cloudflare nazywa Clairic modelem typu System One. Określenie pochodzi z książki Daniela Kahnemana „Pułapki myślenia” i oznacza szybkie myślenie w jednym kroku. Duże modele językowe (LLM) firma zalicza do kategorii System Two, bo generują odpowiedź token po tokenie. Clairic nie tworzy tokenów wyjściowych, dlatego płaci się wyłącznie za dane wejściowe.

To trzeci element rodziny modeli o wąskim przeznaczeniu. Na początku października Cloudflare udostępnił modele decyzyjne Clef, które wybierają jedną z wcześniej zdefiniowanych odpowiedzi. Clairic ma przygotowywać dla nich uporządkowane dane z nieuporządkowanych dokumentów.

Cztery rodzaje odpowiedzi

Poza wyciąganiem fragmentów tekstu model wykonuje proste obliczenia i szacunki. Każda odpowiedź liczbowa zawiera pola p_null i confidence, czyli prawdopodobieństwo braku wartości i poziom pewności. Na tej podstawie aplikacja może zdecydować, które przypadki obsłużyć automatycznie, a które przekazać pracownikowi.

• Wartości wyciągnięte - fragment tekstu z pozycją w dokumencie i oceną pewności.
• Wartości obliczone - liczby, daty i czasy trwania wyliczone z treści, na przykład termin płatności.
• Szacunki - mediana i przedział 80 proc. (od percentyla 10 do 90), na przykład przewidywany koszt naprawy.
• Prognozy - jedna wartość z przedziałem 80 proc. dla każdego kolejnego okresu w szeregu czasowym.

Wyniki testów podane przez Cloudflare

Główny przykład Cloudflare to obsługa reklamacji uszkodzonego produktu. Clairic wyciąga z e-maila numer zamówienia, kwotę i opis szkody oraz szacuje koszt naprawy. Model Clef wybiera zwrot pieniędzy albo naprawę zgodnie z regułami firmy, a GLM-5.3 pisze odpowiedź do klienta. Cały łańcuch trwał 19,3 s, a ten sam proces wykonany w całości przez GLM-5.3 zajął 61,7 s.

Sam etap ekstrakcji trwał 0,46 s w Clairic wobec 16,1 s w GLM-5.3. Koszt miliona reklamacji Cloudflare wylicza na 6032 USD dla łańcucha i 11 740 USD dla samego LLM, czyli około 23 500 zł i 45 738 zł netto po kursie NBP z 20 października 2026 roku. Większość kosztu łańcucha to tokeny wyjściowe GLM-5.3 piszącego odpowiedź, a nie praca Clairic.

Cloudflare zwraca też uwagę na powtarzalność. W kolejnych uruchomieniach GLM-5.3 szacował koszt naprawy na 250, 250 i 220 USD, a Clairic za każdym razem zwracał tę samą wartość. Wszystkie liczby pochodzą od producenta. Wpis nie podaje liczby powtórzeń, sprzętu ani stawek przyjętych do wyliczeń, a THE DECODER zaznacza, że brakuje niezależnych testów.

Cena i dostępność w Workers AI

Według dokumentacji Workers AI Clairic kosztuje 0,10 USD za milion tokenów wejściowych. Po kursie NBP z 20 października 2026 roku (1 USD = 3,8959 zł) to około 0,39 zł netto. Jest więc tańszy od Clef (0,24 USD) i droższy od Clef-flash (0,09 USD). Model wywołuje się z poziomu Workera przez env.AI.run() albo przez REST API.

Okno kontekstu wynosi 65 536 tokenów. Pola, które nie mieszczą się razem z treścią w jednym przebiegu o długości 8192 tokenów, model rozdziela na równoległe przebiegi. Do zapytania można dołączyć do czterech obrazów w formatach PNG, JPEG lub WebP, do 4 MiB każdy, przesłanych bezpośrednio, a nie jako adres URL.

Ograniczenia, o których pisze producent

Cloudflare przyznaje, że Clairic dobrze radzi sobie z działaniami w jednym lub dwóch krokach, ale myli się przy dłuższych zależnych obliczeniach i sumowaniu wielu wierszy tabeli. Firma radzi, aby model wskazywał wartości, a rachunki wykonywał zwykły kod. Prognozy mają charakter podstawowy i nie uwzględniają zdarzeń nieobecnych w danych, na przykład świąt. Przedziały ufności bywają zbyt wąskie przy danych odmiennych od treningowych.

Dokumentacja nie wymienia obsługiwanych języków, a wszystkie przykłady w komunikacie są angielskie. Status preview oznacza, że interfejs i cena mogą się zmienić. Firma przetwarzająca dokumenty z danymi osobowymi musi też ocenić, czy może przesyłać je do Workers AI, i opisać to w dokumentacji RODO.

Co to oznacza dla polskich firm

W naszej ocenie Clairic jest wart testu tam, gdzie dziś duży model językowy służy tylko do przepisania kilku pól z dokumentu do systemu. Przykłady to paragony od pracowników, potwierdzenia dostaw, zgłoszenia reklamacyjne czy wiadomości od klientów. Faktury z Krajowego Systemu e-Faktur (KSeF) są już ustrukturyzowane, więc tam model nie jest potrzebny, ale paragony i skany papierowych dokumentów nadal wymagają odczytu.

Rozsądny test to kilkaset historycznych polskich dokumentów ze znanymi poprawnymi wartościami. Wystarczy porównać trafność, odsetek pól zwracanych jako null i koszt z obecnym rozwiązaniem, na przykład z OCR połączonym z LLM. Pola z niską wartością confidence warto kierować do weryfikacji przez pracownika.