发生了什么：Cloudflare 宣布「提取模型」Clairic 预览版
2026 年 10 月 19 日，Cloudflare 在官方博客宣布一类新模型——System One 提取模型（extraction models）的预览。首个模型 Clairic 已托管在 Workers AI（标识 @cf/cloudflare/clairic），官方称将很快开放权重。与生成文本的大语言模型不同，Clairic 不写文章：它从邮件、发票、小票、时序数据等非结构化输入里提取、计算、估算和预测「值」，返回数字、日期、列表、分布这类强类型答案。
官方借卡尼曼《思考，快与慢》给这类模型定位：System One 快而直接，System Two 慢而深思，LLM 属于后者。Clairic 只做一次并行前向传递，不生成输出 token、只按输入计费，通常一秒内返回；同一步骤让 LLM 推理则要几秒。
官方示例里能看到的四个能力
- 提取与计算：官方演示从一封客服邮件里取出订单号、送达日期、损坏清单，并算出「已付 701.10 美元」——原文只写了 649.00 美元价款加 52.10 美元税费，这个总额是同一趟传递里算出来的；
- 置信与空值：每个答案附带「值不在输入里」的概率（p_null）与置信分；示例邮件里没有快递单号，模型返回 null，而不是一个看起来合理的猜测；
- 读图：一次请求最多可带四张可选图片，把文本之外的材料一并交给同一次传递处理；
- 预测：官方用美国 TSA 机场安检日客流做 21 天逐日预测，平均误差 3.3%，21 天里 17 天实际值落在模型自报的 80% 区间内；模型只从数字里学到「周二周六偏淡、周四到周日偏忙」的周节奏，四个失准日里三天撞上哥伦布日假期——序列之外的节假日信息它并不知道。
官方强调：因为不生成 token，Clairic 不会以 LLM 的方式「幻觉」出一个错误答案，但它仍然可能犯错——置信分的设计，就是让使用方把低置信结果路由给人工复核，而不是无条件自动化。
对企业官网与 GEO 的含义
这类模型的输出本质上是「原文里的值 + 置信度」，等于把「事实能否被机器单次读准」变成一项可自测的要求：官网页面里的关键数字、日期、退换货政策、联系方式是否用清晰正文写清楚，直接决定这类单次传递模型能否一把取到、取对。关键事实藏在图片、复杂排版或缺上下文的表格里，读取失败率就会上升。
本文为平台动态观察：Clairic 处于预览阶段，开放权重版本尚未发布，性能数据均出自 Cloudflare 官方博客自测。建议企业等模型与计费口径稳定后，再评估接入文档处理或数据抽取流程。
来源与适用范围
适用：本文是平台公告类观察，面向正在评估文档/工单/发票机器读取、数据抽取流程，以及关注 AI 内容消费方式变化的企业技术与内容团队。文中性能数字（3.3% 误差、17/21 命中率）均为 Cloudflare 官方博客自述测试结果，未经第三方复现，引用时请注意口径来源。不适用：不构成对 Clairic 准确性的独立评测背书；Clairic 处于预览阶段，不建议据此直接上生产；本文不涉及任何排名、流量或 AI 引用效果承诺；模型定价细节以 Cloudflare 官方计费文档为准。
- Introducing Clairic, a new System One class of extraction modelsCloudflare Blog · 原始日期 2026.10.19 · 读取核对 2026.10.21
不知道先看哪一步？
和真人顾问聊清楚。
告诉我们你的品牌和客户问题，一起确认采样范围与下一步。