Clairic 開放權重隨 Clairic-flash 登場
Cloudflare 於 2026 年 11 月 18 日發布更新版 Clairic 開放權重及較小型的 Clairic-flash,為文件擷取提供不同部署模式選擇。公司將擁有 270 億參數的 Clairic 和 90 億參數的 Clairic-flash 定位為專門替代方案,適用於原本常交由通用語言模型處理的工作。參數是塑造模型行為的已學習數值。
核心問題在於:專用擷取器能否以比通用助理更低的營運負擔,產出可信賴的商業記錄。Cloudflare 的發布強化了這項論點,但其效能證據仍由公司自行報告。這些權重讓外部團隊能自行檢驗該說法。
Cloudflare 亦面對專門擷取領域的競爭對手,包括 ScaleDown 和 Liquid AI。眼前壓力落在需要決定如何處理發票、收據、支援服務單及合約的開發者身上。他們現在有更多理由將讀取事實與生成解釋分開,同時把驗證責任牢牢保留在自己的應用程式內。
Clairic 開放權重增加部署選擇
這次發布同時改變了可用模型,以及誰能控制其部署。
Cloudflare 的開放權重擷取發布將更新版 Clairic 系列帶到 Workers AI 和 Hugging Face。Workers AI 是 Cloudflare 的託管模型執行平台。開放權重是可下載的模型參數,開發者可在原供應商的託管服務以外使用,但須受適用授權條款約束。
這項分別相當重要,因為託管服務與可下載模型解決的是不同採購問題。託管服務將基礎設施營運交由供應商負責。可下載權重則讓工程團隊更能掌控營運環境,同時亦要承擔服務提供、更新及可靠性的責任。
兩種安排都不會自動帶來更佳擷取效果。部署控制決定模型在哪裏運行,以及由誰維護。準確度則決定答案是否符合來源內容。這次發布令這些決定更容易分開考量,對同時評估技術效能和營運限制的買家而言相當有用。
端點變更尤其值得注意。端點是應用程式用來要求答案的地址或模型識別碼。Cloudflare 表示,現有的 @cf/cloudflare/clairic 端點將直接換上更新版 27B 模型。9B 版本則有獨立的 @cf/cloudflare/clairic-flash 端點。
對現有用戶而言,保留相同識別碼並不代表保留相同模型行為。替換後的模型可能改善擷取能力,但亦可能改變邊界情況的答案、缺失值處理方式或回應時間。依賴這些細節的應用程式仍需要檢查新輸出。
因此,有用的比較不應只限於舊版與新版。團隊必須以相同工作,比較更新後的託管模型、flash 替代方案,以及任何獨立營運的部署。否則,表面上的改善可能只是源自不同的輸入準備或接受規則。
Cloudflare 亦以 Workers AI superintelligence 團隊之名,介紹 Clairic 和 Clef 背後的研究人員。這個組織標籤為其研究抱負提供背景,但並不能證明 Clairic 在某項特定商業工作上的可靠性。
實際新聞較為聚焦,也更可操作:開發者現有更新版擷取模型、可下載權重及不同的託管選項。這次發布令討論從是否可取得,轉向是否適合使用。買家現在可以研究模型是否適合自己的文件,而毋須等待承諾中的權重發布。
這亦為後續說法建立了不同標準。可用性很容易證實;但要證明可依賴的生產優勢,則需要來自模型供應商未挑選文件的可重複證據。
文件工作流程令通用模型承受壓力
最強的挑戰,是不再讓通用模型處理文件流程的每一個階段。
一個文件工作流程通常包含多項不同工作:識別相關資料、擷取事實、驗證資料,以及決定下一步行動。對話式回答可以將這些工作結合,但結合後也會令失敗原因更難定位。
以發票處理應用程式為例,讀取供應商名稱與計算付款期限是不同工作。將該供應商配對至已核准供應商,又是另一項工作。批准付款則涉及商業決策,不應僅因看似合理的擷取結果而自動作出。
專用模型可向應用程式提供較窄的契約。開發者會指定所需欄位及其預期類型,例如文字、日期或數字。應用程式其後可按照自身要求,評估每個返回值。
這並不會消除歧義。一份文件可能同時列有帳單地址和送貨地址,卻未有清楚說明哪一個較重要。專門化改變的是應用程式請求及處理答案的方式,並不能免除精確定義問題的需要。
ScaleDown 說明 Cloudflare 是在新興類別中競爭,而非創造一個沒有競爭的市場。其以描述驅動的擷取文件說明,系統會尋找所要求的值,並提供信心分數及來源位置。這些功能回應了同一項根本需求:結構化、可檢視的輸出。
因此,競爭關鍵在於完整結果的質素。買家需要正確數值、恰當證據,以及可理解的失敗訊號。一個模型即使返回格式整潔的錯誤答案,也只滿足了該要求中最不嚴格的一部分。
壓力亦延伸至維護文件範本及手寫剖析規則的團隊。當供應商改變版面,或客戶提交格式不一致的表格時,彈性擷取器可提供另一種選擇。然而,只有新系統能以更低成本處理例外情況,取代這些規則才有意義。
這個經濟問題亦包括審核成本。若員工幾乎必須檢查每一項結果,即使模型回應較快,對整體處理時間的影響也可能很小。相反,若能可靠處理例行文件,審核人員便可集中處理真正含糊的個案。
對知識工作者而言,擷取是中間步驟,而非最終成果。資訊結構化後,仍需要整理、脈絡及檢索。區分擷取記錄與建立可搜尋知識庫,有助釐清各個組件的定位。
這正是為何 Clairic 最重要的對手是一種工作流程設計,而非某個特定聊天機械人品牌。通用模型仍適合用於理解和溝通。專用擷取模型所挑戰的,是同一批模型亦應處理每項重複閱讀工作的假設。
短期回應應是比較評估,而非全面取代。團隊需要找出哪些步驟可從專門化受惠,哪些仍需要較廣泛的推理能力。這次發布令這種劃分更容易研究。
平行欄位改變速度論點
Cloudflare 的重新設計優先考慮擷取質素,同時保留專門的服務方式。
Cloudflare 表示,一般文字及數字欄位現採用平行槽位自回歸生成,即每個欄位逐步建立答案,同時各欄位一併推進。這取代了預覽版針對這些欄位的單次處理方式。這項改變令「專用擷取必須完全避免生成」這種簡單說法變得不成立。
相關分別在於生成的範圍。擷取器可以生成所要求的值,而毋須生成周邊解釋。即使產出該結果需要連續步驟,其輸出仍受應用程式欄位定義約束。
這是具意義的架構選擇,因為擷取值的長度及複雜度各有不同。供應商名稱和採購項目清單並不需要相同的答案形式。讓欄位獨立完成,符合將它們視為不同輸出的做法。
不過,平行欄位生成不應被誤解為可無限制地同時處理工作。應用程式仍取決於可用硬件、請求排程、輸入大小和服務軟件。架構描述無法決定每種部署的回應時間。
Cloudflare 在修訂後的生成流程中,仍保留類型化輸出及評分資料。其 Clairic model card 記錄欄位層級答案、信心資料、缺失值機率及回應檢查。這些是用於評估結果的實用介面,而不是自動接受結果的理由。
信心是模型對答案的評估,而非外部正確性證書。校準描述這類評估與觀察結果的吻合程度。自信但錯誤的答案仍是錯誤,因此接受規則需要來自應用程式自身文件的證據。
來源位置提供另一類支持。字元範圍可識別答案在所提供文字中的位置,讓審核人員毋須搜尋整份文件,便可檢查相關段落。
模型卡亦區分無法提供唯一文字位置的情況。僅有影像證據或含糊配對可能沒有這類範圍。應用程式應保留這種分別,而非將每個返回值都呈現為同樣可追溯。
Clairic-flash model card以相似的結構化介面,描述該系列中較小型的成員。這令比較比泛泛而談的大模型與小模型之爭更有用。團隊可針對一組共同要求的商業欄位,評估不同模型。
較小模型不會自動足以應付例行工作,正如較大模型也不會自動成為困難工作的必要選擇。答案取決於文件和錯誤後果。模型大小是決策的輸入,而非結論。
對買家而言,實際問題是額外推論工作能否減少昂貴的下游修正。推論是用來產生模型回應的運算。若可避免誤讀識別碼或將不相關的項目合併,即使答案稍慢也可能更可取。
因此,這次重新設計強化的是比「較小就是較快」更具體的論點。為特定用途建立的輸出,可在擷取質素與回應時間之間提供有用平衡。這項平衡在哪些情況下成立,仍須由獨立測試確認。
四頁文件仍需要更完整的文件系統
Clairic 的文件支援是一項有界限的能力,而非完整的文件處理服務。
Cloudflare 的 文件輸入架構容許圖像與已渲染的 PDF 頁面合共每次請求上限為四項。這是合併計算的限制,不應解讀為支援四個任意長度的 PDF 檔案。
這項差異會改變哪些應用程式較適合採用。短收據或精簡發票可落在此限制內;較長的協議則需要外圍系統選取、拆分或以其他方式準備相關材料。
拆分文件本身亦會帶來風險。定義可能出現在使用該定義的條款很遠之處;修訂內容可能覆蓋先前條款。擷取一段在局部看來正確的文字,並不代表它反映最終協議。
因此,模型的請求邊界會成為應用程式證據邊界的一部分。若系統只提交指定頁面,其答案只能反映該選取內容。應用程式必須考慮未有提供的相關資訊。
當結構化輸出看來具權威性時,這點尤其重要。專用欄位中的日期,可能顯得比聊天回應中的句子更確定。然而,兩者都取決於來源材料、問題及模型的詮釋。
設想一份供應商文件包含簽發日期、交貨日期及付款截止日期。擷取系統須保留這些日期之間的區別。即使從文件中選出有效日期,如填入錯誤的業務欄位,仍然不足夠。
明細項目帶來另一項挑戰。描述、數量及金額應作為同一筆記錄的一部分。即使所有正確片段分別返回,如應用程式把它們關聯至不同項目,亦沒有幫助。
Cloudflare 對結構化列的支援與此問題相關。不過,欄位層面的成功率未必能反映整筆交易是否可用。買家應區分個別正確數值與通過業務驗證的完整記錄。
遺漏資訊同樣值得注意。文件可能沒有採購訂單識別碼,或某欄位留空。即使應用程式偏好完整記錄,不返回任何數值也可能是正確結果。
這令缺失處理既是產品決策,亦是模型行為。應用程式須區分被遺漏的資訊、無法辨讀的內容及互相矛盾的證據。這些情況可能需要不同的後續處理。
擷取出的事實亦須與估算分開。一個印出的到期日是來源中的證據;預測付款日期則是模型對未來行為作出的判斷。若把兩者當作一般日期儲存而不保留其含義,容易造成混淆。
同樣的區別亦適用於計算。讀取總額與重新計算總額是不同操作。讓確定性的算術及業務驗證保持可見,可更容易找出分歧所在。
對用戶而言,外圍工作流程的品質將決定這些區別是否仍然清楚。審核者應能辨識來源內容、模型推論,以及應用程式作出的決定。
這次發佈擴展了一個有用的元件,但並未從該元件周邊的系統中移除文件準備、記錄驗證、例外處理或證據保留的需要。
公司基準測試仍未解答生產環境問題
Cloudflare 公布的結果支持進一步評估,而非普遍適用的準確度或延遲聲稱。
該公司展示了特定工作負載的內部擷取比較及延遲量度。它明確將比較評估描述為自行報告、具方向性的指引。這項限定應與結果一併呈現,而非在結果成為新聞標題時消失。
受控比較回答的是一個有界限的問題:特定系統在所選條件下,於受測輸入上的表現。這不會自動證明它們在陌生版面、劣化掃描檔或不同欄位描述下的表現。
比較系統的選擇亦很重要。Cloudflare 測試了由 Apple Vision 提供光學字元辨識的 Liquid AI D1.2;光學字元辨識會將文字圖像轉換成機器可讀的文字。這個設置量度的是一條已配置的流程,而不是部署競爭模型的所有可能方式。
這並非證明比較不公平,而是指出詮釋結果時應保留受測配置。變更前處理、指示或輸入格式,可能改變比較實際量度的內容。
延遲結果同樣需要審慎看待。Cloudflare 表示量度來自自託管伺服器。使用託管服務的應用程式,亦取決於網絡、文件準備、排隊,以及結果送達用戶前的任何額外處理。
即使模型回應時間很短,也不代表業務工作流程很短。等待審批的記錄仍未完成。如審核者必須重新建構來源證據,模型速度可能只佔整體延誤的一小部分。
最有力的評估應把擷取品質與營運成果連結。相關成果包括獲接受的記錄、修正、被拒輸入,以及送交審核的個案。這些資料可反映表面上的模型改善,是否能在實際應用中維持。
信心閾值亦應在同一脈絡下檢視。閾值是應用程式用來接受或升級處理答案的分數門檻。提高閾值可以減少被接受的錯誤,但會增加審核工作量。
不存在可解決這項張力的通用設定。錯誤的供應商參考資料與不正確的付款指示,後果並不相同。應用程式的接受政策必須反映擷取欄位所觸發的行動。
開放權重令外部審查更可行,但不代表每項測試都等同。硬件、軟件版本及配置選擇都可能影響結果。要做到可重現,必須記錄足夠細節,讓另一個團隊理解實際運行的內容。
授權是另一個需要具體說明的範疇。兩份已發布的模型卡均將 Apache-2.0 列為發佈授權。這比假設「開放權重」一詞在每次模型發佈中都授予完全相同的權限,更具資訊價值。
營運控制仍然需要投入工作。自行提供模型服務,意味著要維護其環境、監察故障及管理更新。能夠下載權重,並不代表獨立部署必然是每位買家的最佳選擇。
因此,持懷疑態度的觀點是務實而非否定性的。Cloudflare 提供了一項可測試的產品主張;仍未解決的是,這項主張能否在客戶文件、部署選擇及業務接受規則之間持續成立。
這種不確定性不會抹煞此次發佈的重要性。它界定了把可用的擷取模型轉化為可靠生產元件所需的證據。
接下來是獨立測試與端點升級
下一階段的證據應將可重現的擷取品質與真實營運條件連結起來。
首先值得關注的訊號,是對先前未見文件進行的獨立評估。測試應包括含糊欄位、缺失數值,以及需要完整關聯相關項目的記錄。外部評估之間的一致結果,將強化 Cloudflare 的專業化論點。
分歧同樣具參考價值。如表現因文件類型而大幅變化,這次發佈將支持較狹窄的部署策略。這會更傾向於把模型配對至特定工作流程,而非把擷取視為已解決的類別。
最有用的公開結果應保留原始輸入並說明接受準則。缺少這些細節,讀者無法區分模型失敗與要求不清。可重現的例子會令 Clairic 開放權重發佈比另一批標題式分數更有價值。
第二個訊號是既有託管端點的行為。Cloudflare 的原地升級意味著現有用戶需要理解隨之而來的變化。除了請求是否仍然成功,亦應透過答案品質及應用程式行為評估相容性。
商業時間表亦形成一個具體檢查點。Cloudflare 表示其臨時 Clairic 推廣優惠將於 2026 年 12 月 1 日結束。評估此發佈的買家,應區分臨時商業條件與其工作負載的持續需求。
即使不比較宣傳價格,這個檢查點亦具意義。生產決策包括基礎設施投入、獲接受輸出的品質及審核成本。即使初期安排優惠,亦無法彌補一條需要持續人手修正的工作流程。
對於擁有既定文件歷史的應用程式而言,端點轉換尤其具啟示性。這些系統可以在熟悉的記錄上,將先前行為與更新後模型作比較。持續的改善將提供比為發佈而挑選的個別例子更有力的營運證據。
第三個訊號是外部部署經驗及競爭反應。有用的報告會說明服務要求、失敗案例及選擇較小模型的後果。競爭者的改善亦會檢驗 Cloudflare 所報告的優勢能否持續。
對 Clairic 與 Clairic-flash 而言,相關結果並非單一的整體勝方。團隊需要知道其輸出在哪些方面有足以改變決策的差異。符合工作流程接受標準的較小模型,可能比未被使用的額外能力更合適。
相反,如速度優勢帶來更多修正,其重要性便會下降。比較應追蹤記錄經過驗證及審核的過程。正是在這裏,架構上的取捨才會成為業務成果。
在這些訊號之中,核心判斷仍然一致。Clairic 開放權重擴展了把重複文件閱讀工作交由專業元件處理的選項,但不會把已擷取資訊的問責責任從使用它的應用程式轉移出去。
對正在考慮此發佈的團隊而言,應從一個錯誤成本及審核負擔已充分理解的、有界限文件工作流程開始。比較完整且獲接受的記錄,包括缺失欄位及含糊證據,而非收集看似吸引的個別答案。保留來源材料,讓審核者能解釋分歧。把擷取事實與估算及下游決策分開。在決定採用任何一種方案前,應在相同輸入上評估託管及獨立營運選項。有用的問題是:把驗證、修正及營運納入考慮後,Clairic 開放權重是否改善了工作?下一輪評估應圍繞這個問題:團隊能否以較少投入接受更多可信的記錄,同時仍理解每個答案獲接受的原因?



