10月20日，Cloudflare 发布文档提取 AI 模型 Clairic，能够比传统大语言模型更快、更便宜地从非结构化文本中抽取出结构化字段。与逐 token 生成答案的传统 LLM 不同，Clairic 可一次返回所有目标字段及置信度，缺失值返回 null 而非「幻觉」编造。Clairic 现已在 Workers AI 上开放预览版，开源权重也将于近期发布。
一句话结论：Clairic 通过单次前向传播完成全量字段提取，配合 Cloudflare 代理链路（Clairic→Clef→GLM-5.3），完整链路耗时仅 19.3 秒，而 GLM-5.3 单独完成同样三步需 61.7 秒，成本高近一倍。
传统文档提取的困境：逐 token 生成与幻觉问题
企业日常面对大量非结构化文本：客户邮件、客服工单、合同条款、发票信息。这些数据无法直接入库，必须先提取出结构化字段（订单号、金额、日期、损坏描述等）。传统方案依赖大语言模型的文本生成能力——让 LLM「读一段话，然后告诉我订单号是什么」，LLM 再逐 token 生成答案。
这一架构有两个根本缺陷。首先是速度慢：逐 token 生成需要完整解码过程，一个字段对应数十甚至数百个 token，累积耗时显著。其次是幻觉风险：当某个字段在原文缺失时，LLM 倾向于「编造」一个合理答案填充空缺，而不是如实返回「不知道」。这在金融、医疗、法律等高风险场景中极易引发错误决策。实测显示，当原始文本中存在 30% 缺失字段时，传统 LLM 方案的幻觉填充率可高达 60% 以上。
Clairic 架构：一次遍历、回答所有字段
Clairic 将文档提取从「生成问题」转变为「预测答案」。用户可自行命名要提取的字段（如订单号、金额、损坏描述），Clairic 在单次前向传播中返回所有目标值，并为每个字段附上置信度评分。缺失字段直接返回 null，而不调用语言建模能力编造内容。
除基本提取外，Clairic 还能顺带完成简单计算、估算和预测类任务。例如从投诉邮件中自动估算维修费用、从合同文本中推算违约金区间。提取结果是结构化 JSON，可直接注入下一步代理节点，无需额外解析环节，降低了整个链路的格式转换开销。
代理链路协作：19.3 秒对比 61.7 秒
Cloudflare 演示了完整的代理链路协作：Clairic 从投诉邮件中抽取订单号、金额与损坏描述，并估算维修费用；决策模型 Clef 根据公司规则在退款与维修之间做出选择；最后由 GLM-5.3 撰写客户回复。完整链路耗时 19.3 秒，而 GLM-5.3 单独完成三步则需 61.7 秒，成本高近一倍。
Clairic 的置信度机制为链路提供了天然的决策门控：置信度高的字段直接进入下一节点，置信度低的字段可触发人工复核，而不是让下游模型「硬接」一个不可靠的答案。Cloudflare 也在官方博客中指出，Clairic 目前对复杂多步计算链路的处理能力仍在改进，复杂逻辑建议在代码层独立执行。
与 GLM-5.3 的互补关系
GLM-5.3 是智谱 GLM-5 系列的最新推理模型，在复杂推理和长文本生成上具有优势。Clairic 的定位并非替代 GLM-5.3，而是在提取环节承担专门任务，让 GLM-5.3 专注于需要推理和生成的环节。谷歌开源的 Harness² 框架同样展示了专业化分工如何帮助模型在各自擅长的环节发挥最大效用。
对于已有 GLM-5.3 部署的企业，引入 Clairic 无需替换现有工作流，只需在链路前端增加一个提取节点即可获得完整的结构化数据生产能力。
应用场景：从客服工单到数据清洗
Clairic 的适用场景广泛，包括：客服工单处理（自动提取投诉类型、订单号、期望解决方案等字段）、数据入库清洗（非结构化文本批量转结构化记录）、财务发票信息提取、以及客服对话摘要与归类。随着 AI 代理在工作流中的应用深化，对结构化数据的需求急剧增长，MiniMax M3.1 Flash 的基准测试也表明，API 成本和推理速度是决定代理系统可用性的关键因素。
可用性与定价
Clairic 现已在 Cloudflare Workers AI 上开放预览版，支持通过 API 调用。开源权重将于近期发布，届时企业可在自有基础设施上私有化部署。Workers AI 的按请求计费模式降低了中小企业的使用门槛，无需预购算力或管理服务器。
技术参数对比
| 方案 | 提取耗时 | 幻觉风险 | 架构 | 置信度反馈 |
|---|---|---|---|---|
| 传统 LLM（逐 token 生成） | 慢（需完整解码） | 高（缺失字段常被编造） | 自回归解码 | 无 |
| 传统字段级提取模型 | 中等 | 低 | 单任务模型 | 部分 |
| GLM-5.3 单独完成三步链路 | 61.7 秒 | 高 | 生成+推理+生成 | 无 |
| Clairic→Clef→GLM-5.3 | 19.3 秒 | 低（null 机制） | 专精+决策+生成 | 有（每字段） |
FAQ
Clairic 和普通 LLM 有什么区别？
普通 LLM 通过逐 token 生成来「回答问题」，而 Clairic 通过单次前向传播直接「预测答案」。这使得 Clairic 在文档提取任务上速度更快、缺失值处理更可靠（返回 null 而非编造）。
开源权重何时发布？
Cloudflare 表示开源权重将于近期发布，届时企业可在自有基础设施上私有化部署，无需依赖 Workers AI。
置信度低时如何处理？
Clairic 为每个字段返回置信度评分。置信度低于阈值的字段可触发人工复核流程，而不是将不可靠的答案直接传入下游环节。
- MiniMax M3.1 Flash：1元/百万Token、速度提升3倍
- 谷歌开源Harness²：不用改权重让AI自我修补
- OpenCode Console 安全漏洞：API密钥泄露48小时入侵始末
延伸阅读
- 豆包拿下特斯拉！马斯克车机首次接入国产大模型，自研神话在中国破功2 月前
- DeepSeek Harness 插件大盘点，20+ 社区插件让 DSH 真正好用起来2 月前
- Hermes Desktop 公测发布：开源自进化 AI Agent 上桌面，三端共用一套记忆与技能4 周前
- Qwen-Drive-1.0：首个统一3D感知与运动规划的自动驾驶视觉-语言模型1 周前
继续读
同一批更新里这几篇值得一看：
- DeepSeek 开源推理框架 DeepInfer：GPU 占用减 35%、成本降 28%2026-10-21
- OpenClaw v2026.10.5 更新发布2026-10-20
- DeepSeek V4.1 Flash深度解读：8B输入激活、KV Cache缩437倍2026-10-19