The Pulse

Cloudflare presenta in anteprima Clairic, un modello per l’estrazione di dati tipizzati

Cloudflare ha presentato Clairic il 19 ottobre come modello in anteprima su Workers AI per estrarre, calcolare, stimare e prevedere valori tipizzati a partire da input non strutturati. L’azienda afferma che funziona in un solo passaggio, ma

AI.info Team · Scritto con l’IA · verificato · 2026-10-20

Cloudflare ha presentato Clairic il 19 ottobre come modello in anteprima su Workers AI, progettato per ricavare dati tipizzati da testi e immagini non strutturati senza generare una risposta scritta. L’azienda lo presenta come un nuovo tipo di modello «System One»: uno strumento rapido, che opera in un solo passaggio, per trovare o calcolare valori per i quali altrimenti si ricorrerebbe a un modello linguistico generalista. Cloudflare afferma che l’endpoint ospitato è disponibile come @cf/cloudflare/clairic; prevede di rilasciare i pesi aperti in seguito.

Clairic è pensato per compiti come individuare il totale di una fattura, calcolare quanti giorni sono trascorsi dalla consegna, stimare il costo di una riparazione o prevedere un valore a breve termine sulla base di una serie temporale. Anziché restituire testo in forma libera, risponde nei campi definiti dagli sviluppatori, con tipi quali testo, numero, data, durata, elenco, stima e previsione. Le risposte possono includere punteggi di confidenza, la probabilità che un valore richiesto sia assente e, per stime e previsioni, un intervallo all’80%.

Un solo passaggio, risposte tipizzate

Una richiesta fornisce a Clairic un blocco di testo, eventualmente accompagnato da un massimo di quattro immagini, e una serie di campi denominati con relativi tipi e istruzioni. Il testo estratto può includere gli offset dei caratteri che indicano dove compariva un valore nell’input. Le risposte mancanti possono essere restituite come null, mentre i campi numerici possono seguire regole come un numero fisso di cifre decimali.

Cloudflare afferma che il modello elabora l’input in un solo passaggio in avanti e addebita soltanto i token di input, non quelli dell’output generato. Le richieste con molti campi possono essere suddivise in passaggi paralleli se i campi non entrano insieme all’input in un unico passaggio. L’azienda afferma che ciascuno di questi passaggi esamina l’intero input prima che le risposte vengano unite.

«L’endpoint attuale è una versione preliminare e ci aspettiamo che migliori», scrivono Alex Reneau, Michelle Chen e Kevin Flansburg, autori dell’annuncio di Cloudflare.

I test di Cloudflare favoriscono una cascata di modelli

Per mostrare come Clairic potrebbe inserirsi in un flusso di lavoro del servizio clienti, Cloudflare ha confrontato una sequenza in tre fasi — Clairic per l’estrazione, il suo modello Clef per una decisione e GLM-5.3 per una risposta scritta — con una versione che impiegava GLM-5.3 per tutte e tre le fasi. Nel test dell’azienda, la sequenza si è conclusa in 19,3 secondi, contro i 61,7 secondi del flusso di lavoro basato interamente su GLM. Cloudflare ha calcolato per la cascata un costo inferiore del 49% per milione di richieste di risarcimento: 6.032 dollari contro 11.740 dollari.

Questi risultati riguardano l’esempio specifico di Cloudflare, non un benchmark generale tra compiti o fornitori diversi. L’azienda afferma che entrambi i flussi di lavoro che impiegavano GLM-5.3 hanno individuato correttamente i fatti e preso la decisione giusta in ogni esecuzione, ma la stima della riparazione prodotta da GLM-5.3 variava da un’esecuzione all’altra, mentre quella di Clairic no. Cloudflare riferisce inoltre che Gemma 4 e Qwen non sono riusciti a inferire alcuni valori nello stesso compito.

Cloudflare ha testato separatamente le capacità previsionali di Clairic sui conteggi giornalieri dei passeggeri ai controlli di sicurezza negli aeroporti statunitensi, pubblicati dalla Transportation Security Administration. Su 21 previsioni a un giorno, riferisce un errore medio del 3,3%, con 17 conteggi effettivi compresi negli intervalli all’80% del modello. Dei quattro casi in cui i conteggi sono rimasti fuori dagli intervalli, tre riguardavano giorni del fine settimana del Columbus Day; Cloudflare afferma che il modello non poteva tenere conto delle festività non rispecchiate nella serie storica.

Cloudflare mette in guardia dal fidarsi di ogni risposta ben formata

L’azienda descrive Clairic come una versione preliminare ed esplicita i limiti che contano per il suo impiego. Nei test iniziali, i calcoli in uno o due passaggi appaiono affidabili, ma le catene più lunghe di operazioni aritmetiche dipendenti tra loro e l’aggregazione di dati distribuiti su molte righe di una tabella possono risultare difficili. Cloudflare consiglia di usare codice ordinario per i calcoli aritmetici dopo che Clairic ha previsto un valore.

Le stime dipendono dagli elementi presenti nell’input, come esempi comparabili o dati storici. Cloudflare avverte inoltre che gli intervalli di confidenza possono essere troppo stretti su dati non familiari e afferma che il modello non è destinato a sostituire i sistemi specializzati nella previsione di serie temporali per lavori dettagliati su orizzonti lunghi. Un risultato tipizzato vincola la forma di una risposta; non garantisce che sia corretta.

Gli sviluppatori possono richiamare l’anteprima da un Worker o tramite l’API REST di Cloudflare. Per ora, il ruolo più chiaro di Clairic è quello di una fase in un flusso di lavoro più ampio: estrarre e strutturare i valori, passarli a un modello decisionale o al codice dell’applicazione e riservare un modello linguistico alla risposta che deve effettivamente essere scritta.