Cloudflare 於近日發布了旗下全新 AI 模型「Clairic」的預覽版本，這款模型專為資料擷取設計，並在內部測試中展現出驚人的效益。據 Cloudflare 自家測試結果顯示，以 Clairic 為核心建構的 AI 處理管道（AI pipeline，指將多個 AI 任務串聯起來以完成特定目標的自動化流程）相較於完全依賴大型語言模型（LLMs）的解決方案，成本可降低 49%，處理速度更提升約 3.2 倍。

Cloudflare 指出，Clairic 的獨特之處在於它能讀取文字與圖片，並直接回傳類型化的數值，而非像一般大型語言模型那樣生成長篇文字。這款模型是 Cloudflare 首款「System One extraction models」（第一系統擷取模型）的概念模型，目前已部署於 Cloudflare 的 Workers AI 平台，名稱為 @cf/cloudflare/clairic。公司預計在完成更多開發後，將公開其模型權重（open weights）。

Cloudflare 借鑒諾貝爾經濟學獎得主丹尼爾·卡尼曼（Daniel Kahneman）的著作《快思慢想》中的概念，將人類的認知分為「第一系統」（System One）與「第二系統」（System Two）。「第一系統」指的是快速、直覺式的判斷，而「第二系統」則代表緩慢、深思熟慮的推理。Cloudflare 認為，大型語言模型透過逐步推理來解決問題，屬於第二系統工具，而 Clairic 則是一種針對特定任務進行快速、直覺判斷的第一系統模型。

Clairic 的核心功能是從非結構化輸入（如電子郵件、收據、數字表格）中，精準地提取、計算、評估與預測數值，並將其填入預設的表格欄位。與生成式模型不同的是，Clairic 在處理過程中不會產生輸出 Token，這大幅降低了成本，因為大型語言模型通常會依照輸入與輸出的 Token 數量計費。此外，由於該模型透過一次並行處理（one parallel pass）來應答所有欄位，因此其回應時間通常不到一秒，遠比大型語言模型需要數秒的推理時間來得快。

Cloudflare 以處理客戶申訴信件為例進行測試，設計一個包含三個步驟的 AI 處理管道，其中結合了 Clairic、@cf/cloudflare/clef 與 GLM-5.3 模型。結果顯示，處理一百萬筆申訴的成本為 6,032 美元，而若完全採用 GLM-5.3 進行同樣處理，成本則高達 11,740 美元。這項測試證明，導入 Clairic 的混合式解決方案不僅大幅節省了費用，也顯著提高了處理效率。

業界觀察也印證了對此類成本優化方案的需求。根據 NP Digital 的一項研究顯示，高達 47.1% 的行銷人員每週會遇到數次 AI 生成內容不準確的問題，更有超過七成的行銷人員表示，每週需花費數小時來查核 AI 的輸出。此外，OpenRouter 在今年八月的數據也顯示，AI 代理程式執行的每個任務所消耗的 Token 數量，約為人類使用者的五倍，這使得 AI 相關的成本持續攀升。

儘管 Clairic 在多步算術運算方面仍有進步空間，且其預測功能主要依賴可比較數據或歷史趨勢，但在處理大量重複性資料擷取任務時，它能有效降低 AI 部署的成本與延遲。對於台灣的 AI 開發者和企業技術決策者而言，若能善用如 Clairic 這類具備成本效益且高效的專用型 AI 模型，將特定任務從通用的 LLMs 中分流，可望在持續優化 AI 管道成本的同時，提高整體 AI 應用的可靠性與效率。