從非結構化資料直接提取關鍵資訊

Cloudflare擴展低延遲System One模型應用，推出Clairic。不同於先前用於決策的Clef，Clairic專精於從電子郵件、收據照片等格式不固定的資料中，依開發者指定欄位直接回傳金額、日期或訂單編號。它不會像一般大型語言模型逐字生成回覆，而是直接輸出結構化數據。例如在客服郵件場景中，它能找出交貨日期與售價，計算含稅總額及送達天數；若缺乏物流編號則回傳空值，並標註擷取位置與信心分數，方便系統二次確認。

效能大幅提升：速度快35倍、成本降49%

在商品損壞客服流程測試中，Clairic負責資料擷取與維修費估算，Clef決定處理方式，最後由GLM-5.3撰寫回覆。數據顯示，Clairic完成提取與估算僅耗時0.46秒，而GLM-5.3執行相同工作需16.1秒，速度差距顯著。整套混合流程總耗時19.3秒，相較全交由GLM-5.3處理的61.7秒縮短約69%，估算成本更降低49%。不過Clairic目前仍不擅長連續多步驟計算或大量表格加總。

預覽服務與未來規劃

Clairic現已透過Workers AI提供預覽版，計費方式為依輸入資料量收費，輸出端不另收費用。Cloudflare計畫後續公開模型權重，讓開發者能自行部署使用。這標誌著邊緣運算在處理即時數據提取任務上的新突破，特別適合對延遲敏感的應用場景。

評論：對於需要快速從雜訊中提取結構化數據的開發者來說，Clairic提供了比傳統LLM更具成本效益的選擇。