「不产生输出 token 的模型」：Cloudflare 发布 Clairic，一次前向传播把提取做到极致

Cloudflare 昨天发了个新模型，名字叫 Clairic。它不聊天、不写长文，干的活只有一个：从乱糟糟的文本和图片里把数字、日期、名字抠出来，顺手帮你算好。最有意思的不是功能，是账单：它不产生输出 token，所以只收输入的钱，每百万输入 token $0.10。我看完官方博客和两份实测，觉得它替代不了大模型，抢的是你现在用大模型干的那些"脏活"。

Clairic 到底是个什么东西

Cloudflare 给它定的类叫 System One 提取模型。System One 这词一个月前是 TypeSafe 提出来的，借自卡尼曼《思考，快与慢》里的快思考：不推理，一次过，给答案。TypeSafe 当时发的是做决策的 Jev；Cloudflare 本月早些时候发的 Clef 也是决策模型。Clairic 是第一款"提取"类的 System One 模型。

用法跟 LLM 完全不同。你传一个 state（要读的文本，最多再带 4 张图），再给一张字段表：每个字段起名、定类型、写一句说明。模型一次前向传播，回来一张答案表，没有 token 一个个往外蹦这回事。

它能返回四种东西，官方博客的例子很实在。一封客服邮件里，订单号 A-88412 直接抠出来；$649 加 $52.10 的税，邮件里没写总数，它自己算出 701.10；9 月 28 日发货、10 月 9 日写信，它算出隔了 11 天；邮件里压根没提运单号，它返回 null，而不是编一个。这四种就是：提取、计算、估算、预测。估算和预测回来的是分布：中位数加一个 80% 区间。

便宜的不是单价，是计费方式

官方文档的定价：每百万输入 token $0.10。听起来跟 Claude Haiku 5.5 的输入价一个水平，但账要这么算：Haiku 还要收输出的钱，而且你让它做提取，它得先推理一串再吐 JSON，输出 token 经常比输入还多。Clairic 没有输出 token 这个概念，账单上只有输入这一行。

另一个省钱的地方：一次要 30 个字段和要 3 个字段，成本差不多。官方说法是字段塞不下一遍就自动拆成并行遍再合并。你以前用 LLM 做提取，字段一多就得拆 prompt、加校验、写重试，这些工程活本身也在烧 token。

现在它是 Workers AI 上的预览版，调用名 @cf/cloudflare/clairic，上下文 65536 token，支持图片。权重官方说"很快"开源，没给日期。

官方说省 49%，第三方说准头掉了 13 个点

Cloudflare 在博客里搭了个三步流水线来自证省钱：索赔邮件进来，Clairic 先提取金额和日期并估算维修费，Clef 按"30 天内退款、维修费低于 60% 就修"的规则做决策，最后 GLM-5.3 写一封 60 词以内的回复。跟全程用 GLM-5.3 对比，每百万封索赔的处理成本从 $11,740 降到 $6,032，端到端延迟从 61.7 秒降到 19.3 秒。提取这一步，Clairic 只花 0.46 秒，GLM-5.3 要 16.1 秒。

但这是官方自己出的题。独立博主 Muninn 同一天发了份实测，拿 Clairic 跟 Claude Haiku 5.5 硬碰硬：25 段文本加 8 张小票照片，故意出难题——要加减的总数、磅和盎司换算、数天数、文本里没写就该返回 null 的字段、拼错的店名。结果 Haiku 准确率 95%，Clairic 82%。Clairic 的错法很"System One"：3/8 箱 40 升加了 12.5 升，它算成 32.5（正确答案 27.5）；3 磅 4 盎司换算成 1.52 公斤（实际 1.47）；"差一刻一点"读成 00:45 而不是 12:45；三家店名拼错。作为交换，Clairic 单次成本约 Haiku 的四分之一，回答不到半秒。

三行代码就能调

const { answers } = await env.AI.run("@cf/cloudflare/clairic", {
  state: email,
  fields: {
    order_id:    { type: "text", instructions: "Order number" },
    amount_paid: { type: "number", decimals: 2, unit: "USD",
                   instructions: "Total paid including tax" },
    discount:    { type: "number", instructions: "Discount if any" },
  },
});

回来的是强类型答案，每个带 confidence 和 p_null（值不在输入里的概率）。confidence 低的你人工看一眼，高的直接过。这套置信度机制在我看来是它最实在的设计：提取任务最怕的不是错，是错得悄无声息。

对普通用户，我觉得有三层意思

先说钱。如果你现在用 API 做文档解析、报销单据、客服工单分类，提取环节换成这种专用模型，账单大概率直接打骨折。再说准头：82% 对 95% 的差距摆在那，它现在适合当第一遍，后面留个 LLM 复核或者人工抽查，别全押。最后看 Cloudflare 的算盘：把原来流向大模型厂商的提取调用，留在自己的 Workers AI 上。提取归 Clairic、决策归 Clef 和 Jev、写字归 LLM，这套分工以后可能会变成工作流的默认配置。

提醒两句

预览版，准确率数据都是各方自己测的，官方那 49% 和博主那 82% 都别当成你的业务能复现的数字。权重还没开源，"很快"这种词听听就好。还有，它只收输入 token 不等于免费：65536 的上下文，你一次塞 4 张高清图加几万字，输入账单也会涨。

一句话总结：Clairic 把"从乱文本里抠数"这件事从 LLM 手里接过来一部分，便宜、快、带置信度，但算术和细节上还得有人盯着。

来源

• Cloudflare 官方博客：Introducing Clairic, a new System One class of extraction models（2026-10-19）：https://blog.cloudflare.com/clairic-extraction-model/
• Unite.AI 报道：https://www.unite.ai/cloudflare-releases-clairic-its-first-system-one-extraction-model/
• RuntimeWire 报道：https://runtimewire.com/article/cloudflare-clairic-extraction-model-alex-reneau
• Muninn 独立实测：Clairic against Haiku 5.5 on extraction：https://muninn.austegard.com/blog/clairic-vs-haiku.html
• PPC Land 整理的官方流水线数据：https://ppc.land/cloudflares-clairic-model-cuts-ai-pipeline-cost-49-in-its-own-test/