Cloudflares Modell Clairic liefert typisierte Werte statt Text

Cloudflare hat am 19. Oktober 2026 eine Preview von Clairic veröffentlicht, einem Modell, das exakte Werte aus E-Mails, Dokumenten und Fotos zieht. Anders als ein Chatbot liefert es typisierte Daten wie eine Zahl oder ein Datum, keinen geschriebenen Text. In Cloudflares eigenem Test war eine Pipeline, die es als Erstes einsetzte, mehr als dreimal so schnell fertig und kostete 49 % weniger.

Was Clairic macht

Cloudflares Ankündigung nennt Clairic das erste Modell einer neuen Art, die das Unternehmen "Extraktionsmodelle" nennt. Man schickt ihm Text, dazu bis zu vier Bilder, und eine Liste der gewünschten Felder. Es gibt jedes Feld als Wert des angefragten Typs zurück.

Die Typen umfassen Text, Zahlen, Datums- und Zeitangaben, Zeitdauern, Listen, Schätzungen und Prognosen. Steht die Antwort nicht in der Eingabe, gibt das Modell null zurück, also einen leeren Wert. Jede Antwort enthält außerdem einen Konfidenzwert.

Clairic läuft auf Workers AI, Cloudflares Dienst, der KI-Modelle im eigenen Netzwerk ausführt. Entwickler rufen es als @cf/cloudflare/clairic aus einem Worker auf, Cloudflares Serverless-Code, oder über eine REST-API.

Warum es zählt, dass keine Ausgabe-Token anfallen

Die meisten Sprachmodelle schreiben ihre Antwort Token für Token. Ein Token ist ein kleines Textstück, und Ausgabe-Token sind meist der teure Teil der Rechnung. Clairic überspringt diesen Schritt. "Es gibt kein Reasoning und keine Ausgabe-Token", schreibt Cloudflare, und die Ausgabe wird nicht berechnet.

Dieser Aufbau hat einen Haken. "Die Architektur sorgt dafür, dass jede Antwort wohlgeformt ist, aber nicht unbedingt korrekt", heißt es in dem Beitrag. Ein Wert hat immer den richtigen Typ, kann aber trotzdem falsch sein.

Schätzungen kommen mit einer Spanne, nicht nur mit einer Zahl. Clairic liefert einen mittleren Wert und ein 80-%-Intervall, also die Spanne, in die der wahre Wert in vier von fünf Fällen fallen sollte.

Cloudflares Test

Cloudflare testete einen Ablauf für Schadensmeldungen bei Versicherungen für beschädigte Waren. Eine Pipeline nutzte Clairic, um die Fakten herauszuziehen, dann Clef für die Entscheidung und dann das Sprachmodell GLM-5.3, um die Antwort zu schreiben. Clef ist das Entscheidungsmodell, das Cloudflare Anfang dieses Monats veröffentlicht hat. Die andere Pipeline nutzte GLM-5.3 für jeden Schritt.

Messgröße	Clairic + Clef + GLM-5.3	GLM-5.3 für jeden Schritt
Gesamtdauer	19,3 Sekunden	61,7 Sekunden
Schritt Faktenextraktion	0,46 Sekunden (Clairic)	16,1 Sekunden
Schritt Entscheidung	0,22 Sekunden (Clef)	21,9 Sekunden
Kosten pro Million Schadensmeldungen	6.032 Dollar	11.740 Dollar

Beide Pipelines lagen laut Cloudflare in jedem Durchlauf bei Fakten und Entscheidung richtig. In einem separaten Test prognostizierte Clairic 21 Tage lang die täglichen Passagierzahlen an den Sicherheitskontrollen von US-Flughäfen. Seine Prognosen lagen im Schnitt um 3,3 % daneben, und 17 der 21 echten Werte fielen in seine 80-%-Spanne.

PPC Land hat nachgerechnet und eine Lücke gefunden. Die Schrittzeiten des reinen LLM-Laufs ergeben zusammen 60,4 Sekunden, nicht 61,7. PPC Land berechnet außerdem, dass Ausgabe-Token etwa 97 % der Kosten der Kaskade ausmachen.

Grenzen und offene Fragen

Cloudflare benennt die Schwachstellen offen. "Das Lesen ist stark, mehrstufige Arithmetik noch nicht", heißt es in dem Beitrag. Die Spannen des Modells können bei ungewohnten Daten zu eng sein. Seine Prognosefunktion ist einfach und ersetzt keine spezialisierten Zeitreihen-Tools. Cloudflare nennt die aktuelle Version "einen frühen Checkpoint".

Cloudflare kündigt an, die Gewichte des Modells "bald" zu veröffentlichen, nennt aber weder Datum noch Lizenz. Beim Preis ist die Lage klarer. Cloudflares Workers-AI-Modellseite nennt 0,10 Dollar pro Million Eingabe-Token, dieselbe Zahl, die auch RuntimeWire meldet. Dieselbe Seite gibt ein Kontextfenster von 65.536 Token an, also die größte Textmenge, die eine Anfrage fassen kann. PPC Land, das sich nur auf den Blogbeitrag stützte, hatte geschrieben, es sei kein Preis pro Token veröffentlicht.

Was das für Entwickler bedeutet

Clairic spricht dafür, KI-Arbeit nach Aufgaben aufzuteilen: Ein günstiges, schnelles Modell liest, und ein großes Modell schreibt nur. Wenn deine App vor allem für Ausgabe-Token zahlt, lohnt sich ein Test dieser Aufteilung.

• Davorschalten, nicht ersetzen. Nutze Clairic, um Felder aus E-Mails oder Belegen zu ziehen, und schicke nur die schwierigen Fälle an ein vollwertiges Sprachmodell.
• Nutze die Null- und Konfidenzwerte. Lege eine Schwelle fest, unterhalb derer ein Mensch oder ein größeres Modell das Ergebnis prüft. Eine wohlgeformte Antwort ist noch keine korrekte.
• Halte Rechenaufgaben heraus. Frag nach den Rohwerten und bilde Summen in deinem eigenen Code, denn mehrstufige Arithmetik ist eine bekannte Schwäche.
• Teste mit deinen eigenen Dokumenten. Alle Zahlen oben stammen aus Cloudflares Tests. Lass ein paar hundert deiner echten Eingaben laufen, bevor du dich auf Tempo oder Genauigkeit verlässt.
• Plane das Budget nach Eingabegröße. Bei 0,10 Dollar pro Million Eingabe-Token und ohne Gebühr für die Ausgabe richtet sich die Rechnung danach, wie viel du schickst. Kürze lange E-Mail-Verläufe, bevor du sie abschickst.