Cloudflare 在 Workers AI 上放出了一个名为 Clairic 的抽取模型预览，它的定位不是又一个通用大模型，而是把“从文本里取字段”这件事做成一次前向传播就能完成的专用能力。
发生了什么
根据 MarkTechPost 的报道，Clairic 被 Cloudflare 描述为一种“System One”抽取模型，运行在 Workers AI 之上。它的核心特征有两点：一是返回类型化的值，而不是自由文本；二是每个结果附带置信度分数，供调用方判断是否可信。整个抽取过程在一次前向传播内完成，不需要多轮推理或反复自我校验。
定价上，Cloudflare 给出的方案是按输入 token 计费，输出不收费。这一计费方式与常见的“输入输出双向计费”不同，明显是冲着抽取这类输出极短、输入较长的负载设计的。
为什么重要
“System One”这个说法借自认知科学，指快速、直觉式、低成本的判断，与需要反复推演的“System Two”相对。把它用在抽取模型上，指向的是一条与当前主流路线不同的工程取舍：与其让一个大模型慢慢想、再解析它的自然语言输出，不如训练一个专门做抽取的小模型，一次给出结构化结果。
这背后是过去一两年大量团队踩过的坑。用通用大模型做信息抽取，通常要写提示词约束格式、再解析 JSON、还要处理模型偶尔“自由发挥”导致的解析失败；如果追求准确率，就得加重试、加校验、加多轮修正，延迟和成本随之上升。Clairic 试图把这一整条链路压缩成一次调用，并且用置信度把“不确定”显式暴露出来，而不是藏在流畅的自然语言里。
放在 Cloudflare 的产品脉络里看也合理。Workers AI 一直强调把推理放在离用户近的边缘节点上，抽取恰好是边缘场景的典型负载：请求量大、单次输入不短、输出很短、对延迟敏感。输出不收费的定价，某种程度上也是在鼓励这种“重输入、轻输出”的用法。
影响与看点
对开发者而言，最直接的变化是抽取类任务的实现方式可能简化：表单解析、日志字段提取、邮件信息结构化、工单分类打标这类工作，有望从“提示词工程 + 解析容错”变成“一次调用 + 置信度阈值分流”。置信度分数尤其关键——它让系统可以对低置信结果走人工复核或升级到更强的模型，形成分层处理。
需要保持克制的是，目前公开信息只有预览层面的描述，缺少具体的准确率基准、支持的字段类型范围、置信度分数的校准质量，以及它在复杂嵌套结构上的表现。这些恰恰决定它能否替代现有方案。另外，“一次前向传播”意味着模型容量和任务复杂度存在上限，超出范围的抽取仍需回退到通用模型。
一个值得关注的判断是：抽取正在从“提示词技巧”变成“基础设施能力”。当云厂商把这类专用模型做成按 token 计价的托管服务，竞争点就从“谁的提示词写得好”转向“谁的置信度更可信、回退策略更顺滑”。Clairic 的真正价值，可能不在于它多准，而在于它把不确定性变成了一个可以被工程化处理的接口。
