Cloudflare 喺2026年10月19日預覽咗 Clairic，公司話係佢哋新「System One」系列嘅第一個「抽取模型」，托管喺 Workers AI。重點唔係佢勁，係佢做嘢方式同一般大模型（LLM）相反：唔生成任何文本，只喺一次前向傳播（forward pass）內，將入面嘅信息抽出、計算、估計同預測，直接回傳帶置信度（confidence score）嘅「類型化」數值（text、number、date、range、list、estimate、prediction）。佢哋話一般一秒內出結果，65,536 token 上下文，支持 vision，最多放4張 PNG/JPEG/WebP、每張最多4MiB。價格輸入 $0.10/百萬 token，因為冇輸出，輸出費永遠係零。
點解要搞個唔寫字嘅模型
Clairic 入面嘅每個字元回答都附 p_null（該值喺輸入中冇出現嘅概率）。估測欄回傳呼叫者指定範圍內嘅分佈，包括中位數同 p10–p90 嘅 80% 區間。
Cloudflare 將佢歸入「System One」，排喺兩類模型之間：Clef/Clef-flash（2026年10月1日已喺 Hugging Face 以 Apache 2.0 開源、基於 Qwen 再訓練嘅「決策模型」），同一般生成式 LLM。佢哋自稱三類互相補充：抽取 → 決策 → 最終文本。
廠商自己公開嘅跑分
注意：以下全部係 Cloudflare 自己公佈，冇獨立驗證。
- 客户電郵案例：$649.00 + 税 $52.10 = $701.10；2026-09-28 至 2026-10-09 差 11 日；電郵入面冇嘅 tracking number 正確回傳 null
- TSA 機場安檢 21 日預測：平均偏差 3.3%，17/21 日落入 80% 區間，剩 4 日其中 3 日係 Columbus Day 週末
- 2026-10-14 實際人數 2,419,474，預測中位數 2,419,283
- 同 GLM-5.3 單模型處理「損壞產品索償」工作流比：Clairic+Clef 19.3 秒 vs 61.7 秒（快約 3.2 倍）；每百萬索償 $6,032 vs $11,740（低 49%）；Gemma 4 同 Qwen 喺單 LLM 版本中未能算出修理費用
限制（Cloudflare 自己講）
目前係「初代檢查點」。單次前向、冇中繼記憶，處理長串依賴步驟或跨多行表格匯總時表現差；估測要求輸入本身有依據，唔慣嘅數據或出現過窄區間；預測功能只係基礎級，唔係專項時序模型。佢哋建議用置信度、p_null、區間決定邊啲任務可以自動化、邊啲要人工复核。
模姐驗嚇貨
「唔寫字」三個字好有説服力，但「高準、低延遲、平」係廠商自己講。真正嘅問題：邊個獨立重複過呢啲數字？65K 上下文加4圖，長文件處理點分片、結果點合併，佢哋只話「各分片睇完全部輸入後再合併」，冇多交代。Clef 開源後 Hugging Face 上面邊個測試過。開源權重幾時落地，Cloudflare 冇講日期，話「額外檢查點完成後」。
待答
- 「更高準確率」具體高幾多？邊個基準？
- 分片合併邏輯喺跨分片字段會唔會出現不一致？
- 同 Clef 結合嘅端到端工作流，邊個環節出錯最難查？
- 開源權重條款有冇附加使用限制？
模姐｜深度調教
