Cloudflare ha anunciado una vista previa de Clairic, un modelo al que define como un modelo de extracción «System One». Funciona en Workers AI con el identificador @cf/cloudflare/clairic. La compañía dice que pretende publicar los pesos en abierto pronto, pero todavía no lo ha hecho.
Qué hace
Clairic recibe un texto, hasta cuatro imágenes opcionales y un mapa de campos con nombre. Cada campo lleva un tipo y, si se quiere, instrucciones en lenguaje natural. El modelo responde a todos los campos en una única pasada paralela, sin paso de razonamiento y sin generar tokens. Según Cloudflare, eso significa que solo se paga la entrada y que la respuesta suele llegar en menos de un segundo.
Los tipos de campo son fragmentos de texto, números, fechas, horas, fecha y hora, duraciones, listas, estimaciones y previsiones. Cada respuesta escalar incluye una puntuación de confianza y p_null, la probabilidad de que el valor no esté en la entrada. Las respuestas de texto llegan con desplazamientos de caracteres, de modo que se puede resaltar el pasaje de origen. Si el valor no aparece, la respuesta es null en lugar de una conjetura verosímil, aunque la salida sigue mostrando qué habría elegido el modelo.
Calcular y estimar, no solo copiar
En el ejemplo de Cloudflare, un correo de cliente da por separado un precio y un importe de impuestos. Clairic devolvió la suma como total pagado. También calculó el número de días entre dos fechas del texto. El número de seguimiento, que no figuraba, volvió como null con confianza baja.
Los campos de estimación devuelven una mediana y un intervalo del 80 % dentro de los límites que declares. Un intervalo estrecho indica mucha certeza y uno ancho, poca, lo que sirve para lanzar otra comprobación. Los campos de previsión devuelven una estimación por cada paso futuro, cada una con su propio intervalo del 80 %.
Las pruebas que ofrece Cloudflare
Para la previsión, Cloudflare ejecutó Clairic a diario durante 21 días sobre los recuentos públicos de los controles de la TSA. Informa de un error medio del 3,3 %, con 17 de los 21 valores reales dentro del intervalo del 80 %. Tres de los cuatro fallos cayeron en el fin de semana del Columbus Day, porque el modelo prevé a partir de los patrones de la serie y no conoce los festivos. Cloudflare añade que el modelo no sustituye a uno específico de series temporales.
En un recibo fotografiado con legibilidad imperfecta, el modelo extrajo todos los valores pedidos con sus puntuaciones de confianza. Devolvió correctamente null para el descuento. La confianza en el número de pedido y en la hora de compra fue menor que en los importes.
Dónde encaja en un flujo
Cloudflare sitúa a Clairic junto a Clef, un modelo de decisión que elige entre las opciones que le das, y un LLM que redacta la respuesta. Su demostración encadena los tres en una reclamación por un producto dañado. Clairic extrae los hechos y estima el coste de reparación, Clef elige entre reembolso o reparación según una política declarada y un LLM escribe la respuesta. La idea que plantea: el modelo de extracción convierte la entrada en bruto en valores, el de decisión convierte los valores en decisiones y el LLM convierte las decisiones en palabras.
Según la fuente, Clef y Jev, de TypeSafe, son modelos de decisión. Clairic es el primer modelo de extracción de esta clase. Las afirmaciones sobre precisión, velocidad y coste provienen de la publicación de Cloudflare y no han sido verificadas de forma independiente.