Cloudflare ha lanciato Clairic, un modello di intelligenza artificiale specializzato nell’estrazione di informazioni strutturate da contenuti non strutturati, introducendo quella che l’azienda definisce una nuova categoria di modelli System One dedicati all’estrazione. Disponibile in anteprima attraverso la piattaforma Workers AI, Clairic è progettato per individuare valori specifici all’interno di testi e immagini, effettuare calcoli, produrre stime e restituire previsioni senza utilizzare il tradizionale processo di generazione sequenziale dei token caratteristico dei modelli linguistici. L’obiettivo è trasformare direttamente documenti, comunicazioni e altri contenuti in informazioni tipizzate che possano essere utilizzate da applicazioni, database e procedure automatizzate. Cloudflare dichiara che questa architettura permette di migliorare l’accuratezza e ridurre latenza e costi rispetto all’impiego di modelli linguistici generalisti per attività di estrazione. Il servizio è identificato dall’ID @cf/cloudflare/clairic e può essere richiamato sia mediante la funzione env.AI.run() all’interno dei Cloudflare Workers sia attraverso API REST. La documentazione indica una finestra di contesto di 65.536 token, il supporto per input visivi e un prezzo di 0,10 dollari per milione di token in ingresso. Poiché non vengono generati token testuali in uscita, la fatturazione riguarda esclusivamente l’input elaborato. Cloudflare prevede inoltre di pubblicare i pesi del modello dopo ulteriori attività sui checkpoint, senza aver comunicato una data.
Il funzionamento di Clairic si basa su una richiesta composta da uno state, contenente il materiale da analizzare, e da un insieme di fields, che descrivono le informazioni da ricavare e il relativo tipo di dato. I campi possono rappresentare testo, numeri, date, orari, date e orari combinati, durate, elenchi, stime e previsioni, accompagnati da istruzioni in linguaggio naturale che ne precisano il significato. Il modello elabora i campi in parallelo attraverso un singolo passaggio computazionale, senza produrre una catena di ragionamento testuale o una risposta discorsiva. Secondo Cloudflare, questa modalità consente generalmente di ottenere il risultato in meno di un secondo. Quando il numero dei campi supera la capacità elaborabile insieme al contenuto in un singolo passaggio da 8.192 token, il sistema suddivide l’operazione in più passaggi paralleli, ciascuno dei quali mantiene accesso all’intero input, e successivamente riunisce i risultati. Il supporto multimodale permette di associare al testo fino a quattro immagini PNG, JPEG o WebP, ciascuna con dimensione massima di 4 MiB.
Un elemento dell’architettura riguarda la gestione dell’incertezza e delle informazioni mancanti. Per ogni valore scalare estratto, Clairic restituisce un livello di confidenza e il parametro p_null, che esprime la probabilità che l’informazione richiesta non sia presente nel materiale fornito. Quando un dato non può essere determinato, il sistema può restituire un valore nullo anziché inventare una risposta, mantenendo separatamente in un campo guess il valore che avrebbe ipotizzato. Per le stime numeriche, il modello può invece produrre distribuzioni delimitate da intervalli stabiliti dal chiamante, indicando il valore mediano, un intervallo di probabilità dell’80% compreso tra il decimo e il novantesimo percentile e, su richiesta, i 99 percentili della distribuzione. In un esempio relativo a un messaggio di assistenza clienti, Clairic ha calcolato un totale di 701,10 dollari partendo da un prezzo di 649 dollari e da 52,10 dollari di imposte, ha ricavato un intervallo di 11 giorni tra la consegna del 28 settembre 2026 e la comunicazione del 9 ottobre, ha identificato le descrizioni dei danni riportati dal cliente e ha restituito un valore nullo per un numero di tracciamento assente dal testo.
Clairic si inserisce nella famiglia dei modelli System One accanto ai modelli decisionali, ma svolge una funzione distinta. Jev, introdotto da TypeSafe, e i modelli Clef e Clef-flash presentati da Cloudflare il 1° ottobre 2026 sono orientati alla scelta tra opzioni predefinite, mentre Clairic restituisce direttamente valori, sequenze testuali, date, liste e distribuzioni. Clef e Clef-flash sono stati pubblicati con licenza Apache 2.0 su Hugging Face; Clef deriva da modelli base Qwen sottoposti a post-training ed è compatibile con l’API di Jev. L’organizzazione descritta da Cloudflare prevede che i modelli di estrazione possano fornire dati strutturati ai modelli decisionali, i quali determinano le operazioni successive, lasciando eventualmente a un modello linguistico generativo il compito di costruire una risposta articolata. Si tratta quindi di una separazione funzionale tra acquisizione delle informazioni, classificazione e produzione linguistica, con interfacce progettate per integrare i risultati direttamente nei sistemi applicativi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)