不是聊天模型
Cloudflare 在 2026 年 10 月 19 日宣布預覽 Clairic：一種 System One 風格的萃取模型，已托管在 Workers AI，識別名為 @cf/cloudflare/clairic。
官方把它對照 Kahneman 的 System One／System Two：System One 要快、要準；System Two（如一般 LLM）偏慢、可深思。TypeSafe 先前的決策模型（如 Jev）是 System One 的一類；Clairic 則開出萃取這一類：仍強調快、有型別、便宜，但直接回傳從輸入抽出、算出或預測出的值。
官方自報的關鍵差異包括：
| 項目 | 官方說法 |
|---|---|
| 輸出 | 帶型別的值（span、數字、日期、列表、分布等）＋信心分數 |
| 生成 | 不生成 token；單次前向、平行回答多欄位 |
| 計費 | 類似決策模型，主要依輸入；無輸出 token 費用 |
| 權重 | 「intend to release the model open-weights soon」＝打算稍後開源，現在還沒 |
能力、延遲「通常低於一秒」、以及相對 LLM「更準、更快、更便宜」等比較，皆為官方自報，本文不當作第三方評測。
它回傳什麼
依官方說明，一次請求是一段 state（文字，可加最多四張圖）加上一組你命名的 typed fields。每個欄位可指定型別與簡短指示；模型在同一趟平行運算裡回答。可能的回傳類型包括：
- Extracted：從輸入複製的文字片段，附字元偏移與信心分數
- Computed：數字、日期、時間、時長、列表（可依型別規則，例如金額兩位小數）
- Estimated：輸入沒寫死、但有證據可估的值，回分布與 80% 區間
- Forecasted：序列往後每一步的估計與區間
官方強調：因為不生成 token，它不會以 LLM 那種方式「幻覺」出格式錯誤字串；答案是你要求的型別，或找不到時回 null（並可附 p_null、guess）。當然它仍可能答錯，所以要看信心分數決定是否人工複核。
部落格用客服郵件與收據照片當示例（訂單編號、送達日、金額加總、損壞列表等）。那些示例輸出屬官方示範，不是你環境的保證結果。
怎麼試、權重何時開
現階段路徑是 Workers AI 上的 @cf/cloudflare/clairic 預覽。官方範例用 Worker 呼叫 env.AI.run("@cf/cloudflare/clairic", { state, fields })。
關於開源：文章寫的是 intend to release open-weights soon，也就是權重尚未釋出。請不要寫成「已開源」；若之後倉庫上線，再另文更新。
本文建議：適合發票欄位、日期與金額加總、需要 null 而不是瞎猜的管線；需要長文推理或自由寫作仍應走 LLM。上線前用自己的文件集對一下信心分數門檻，低信心的欄位送人工。
