Cloudflare випустила оновлену Clairic і легшу Clairic-flash з відкритими вагами

Головне за 30 секунд
- Cloudflare оновила модель Clairic та представила компактну 9B-версію Clairic-flash із відкритими вагами на Workers AI та Hugging Face.
- Оновлена архітектура використовує паралельну слотову авторегресивну генерацію та спеціальні блоки для оцінок, прогнозів і обчислень.
- Моделі підтримують роботу з PDF і зображеннями до чотирьох сторінок або файлів за один запит, збираючи позиції у рядки.
- До 1 грудня 2026 року обидві моделі коштують $0.10 за 1 млн вхідних токенів, після чого 27B Clairic коштуватиме $0.24 за 1 млн токенів.
Зміст
Оновлена архітектура Clairic і легша модель Clairic-flash
Команда, що представилася як Workers AI superintelligence team (дослідницький підрозділ, який працює над Clef, Clairic та іншими моделями), випустила дві моделі з відкритими вагами — оновлену версію Clairic і легшу Clairic-flash. Обидві доступні на Workers AI та на Hugging Face.
Після прев'ю-релізу розробники переглянули архітектуру Clairic під задачі вилучення даних із неструктурованих джерел — від чеків до тікетів підтримки. Для звичайних текстових і числових полів замість одного прямого проходу застосовується паралельна слотова авторегресивна генерація: кожне поле формує наступний токен на основі вже написаних і зупиняється на власному кінцевому маркері, а всі поля просуваються разом у батчі обслуговування.
Для задач обчислень і оцінок додали окремі блоки, навчені працювати з оцінками, прогнозами, тривалостями, розрахованими датами та явною арифметикою. Типізований API-інтерфейс із оцінками впевненості, символьними діапазонами та ймовірностями зберігся, як і попередня схема API.
Робота з PDF, зображеннями, швидкість і результати оцінок
Сімейство моделей Clairic тепер читає не лише фотографії чеків, а й PDF-файли. В одному запиті можна передати до чотирьох зображень або сторінок PDF загалом і отримати, наприклад, постачальника, позиції та підсумкову суму навіть якщо вони розташовані на різних сторінках, а рядки позицій зберігають опис, кількість і ціну разом.
За внутрішніми оцінками Clairic, кількість помилок під час читання тексту та зображень у синтетичних полях чеків зменшилася з 207 до 0. У внутрішніх тестах компанія також порівняла Clairic і Clairic-flash (9 мільярдів параметрів) із Liquid AI D1.2 (у зв'язці з Apple Vision для оптичного розпізнавання символів) та Scaledown Extract, зауваживши, що самостійно зібрані оцінки є орієнтиром, оскільки публічних бенчмарків для вилучення даних ще немає.
Заміри повної HTTP-відповіді на самостійно розгорнутому сервері показали час відповіді менше однієї секунди на різних наборах — від fresh text fields і fresh image fields до commercial leases, loan pricing, traffic forecasting та expense audit, development — із p50 і p95 від 155 мс до 976 мс залежно від набору та моделі.
Тарифи на Workers AI і відкриті ваги на Hugging Face
Під час прев'ю за адресою @cf/cloudflare/clairic працювала 9B-модель за ціною $0.10 за мільйон вхідних токенів. Тепер 9B-варіант перенесено на @cf/cloudflare/clairic-flash з тією ж ціною $0.10 за мільйон вхідних токенів, а на @cf/cloudflare/clairic розгортається 27B-модель Clairic із базовою ціною $0.24 за мільйон вхідних токенів.
Згідно з принципами тарифікації System One, оплата стягується лише за вхідні токени, тоді як витрати на генерацію вихідних токенів бере на себе Cloudflare. До 1 грудня 2026 року діє акційна ціна $0.10 за мільйон вхідних токенів для обох моделей, а з 1 грудня 2026 року вартість Clairic повернеться до $0.24 за мільйон вхідних токенів. Відкриті ваги обох моделей опубліковано на Hugging Face для експериментів і подальшої розробки.
Що це означає на практиці
Якщо ваші проєкти або аналітичні пайплайни вже підключені до ендпоінта @cf/cloudflare/clairic, оновлення розгортається на місці без зміни API-схем, а для чутливих до витрат задач можна перевірити перенесення частини навантажень на легшу 9B-модель @cf/cloudflare/clairic-flash.
Варто врахувати строк акції до 1 грудня 2026 року під час розрахунку витрат на обробку документів, PDF і зображень, а також сприймати наведені бенчмарки як попередні орієнтири та звіряти точність на власних даних.



