Clairic API
Clairic — це модель вилучення даних від Cloudflare, яка за один прохід витягує типізовані значення з тексту та зображень, повертаючи оцінку впевненості для кожного поля.
Clairic — це модель вилучення даних, представлена Cloudflare як перша модель класу System One, що застосовується до завдань вилучення. Вона приймає текст, зображення та схему типізованих полів і за один прохід повертає текстові фрагменти, числа, дати, час, тривалості, списки, оцінки та прогнози. Для кожного поля модель надає оцінку впевненості та ймовірність null. На відміну від звичайних LLM, вона не генерує вихідних токенів, а отже, потребує менше часу та коштів.
Модель добре підходить для вилучення даних з документів, як-от рахунки, квитанції та страхові папери, для агрегації фінансових даних, обчислення дат і тривалостей, прогнозування запасів та вилучення інформації в обслуговуванні клієнтів. Вона надійно виконує одно- або двоетапні обчислення, як-от суми, різниці, перетворення та арифметику з датами. У триетапному конвеєрі разом з LLM і моделлю рішень Clef вона скоротила час роботи зі страховими заявками з 61,7 секунди до 19,3 секунди, що відповідає зниженню затримки на 69%, а витрат — приблизно на 49%.
Попри ці переваги, Clairic має обмеження. Багатокрокова арифметика в прев'ю-версії ще не завершена, а довгі ланцюжки залежностей і агрегація по кількох рядках таблиці даються важко. Оцінки покладаються на порівнянні дані, історію або описовий текст у вхідних даних і без доказів є лише обмежено точними. Прогнозування базове й не замінює моделі часових рядів, навчені на конкретних даних. Модель призначена для загального зіставлення шаблонів і некритичних застосувань, тому для складних міркувань і генерації тексту її слід поєднувати з LLM.
Оновлено:
MODEL ID
clairic- Контекст
- 65.536K
- Макс. вихід
- 58.982K
- Вхід
- text / image
- Вихід
- decisions
Ключові можливості
- Вилучення типізованих значень за один прохід
- Оцінка впевненості для кожного поля
- Нижча затримка та вартість за LLM
- Надійні одно- та двоетапні обчислення
- Прев'ю-версія, планується відкрита публікація ваг
Постачальники
Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.
| $0.1 | $0 |
Швидкий старт рішень
Надсилайте стан і вузькі типізовані питання на /api/v1/decisions та читайте одну відповідь на кожне питання: noul повертає ймовірність від 0 до 1, choice — вибраний варіант із його розподілом, а score — числову оцінку для впорядкованих критеріїв. Цей endpoint відокремлений від поверхонь Chat Completions, Messages і Responses.
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "clairic",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "Does this message convey urgency?",
"criteria": {"true": "Time-sensitive", "false": "No urgency"}
},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"]
}
}
}'Часті запитання
Що таке Clairic?
Clairic — це модель вилучення даних, представлена Cloudflare як перша модель класу System One, що застосовується до завдань вилучення. Вона приймає текст, зображення та схему типізованих полів і за один прохід повертає текстові фрагменти, числа, дати, час, тривалості, списки, оцінки та прогнози. Для кожного поля модель надає оцінку впевненості та ймовірність null. На відміну від звичайних LLM, вона не генерує вихідних токенів, а отже, потребує менше часу та коштів. Модель добре підходить для вилучення даних з документів, як-от рахунки, квитанції та страхові папери, для агрегації фінансових даних, обчислення дат і тривалостей, прогнозування запасів та вилучення інформації в обслуговуванні клієнтів. Вона надійно виконує одно- або двоетапні обчислення, як-от суми, різниці, перетворення та арифметику з датами. У триетапному конвеєрі разом з LLM і моделлю рішень Clef вона скоротила час роботи зі страховими заявками з 61,7 секунди до 19,3 секунди, що відповідає зниженню затримки на 69%, а витрат — приблизно на 49%. Попри ці переваги, Clairic має обмеження. Багатокрокова арифметика в прев'ю-версії ще не завершена, а довгі ланцюжки залежностей і агрегація по кількох рядках таблиці даються важко. Оцінки покладаються на порівнянні дані, історію або описовий текст у вхідних даних і без доказів є лише обмежено точними. Прогнозування базове й не замінює моделі часових рядів, навчені на конкретних даних. Модель призначена для загального зіставлення шаблонів і некритичних застосувань, тому для складних міркувань і генерації тексту її слід поєднувати з LLM.
Як нараховується оплата за використання?
Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни.
Які вхідні дані підтримує Clairic?
Модель приймає текст, зображення та схему типізованих полів.
Чи генерує Clairic текст?
Ні, модель не генерує вихідних токенів. Вона витягує типізовані значення та повертає для кожного поля оцінку впевненості й імовірність null.
Для яких завдань найкраще підходить Clairic?
Для вилучення даних з документів, агрегації фінансових даних, обчислення дат і тривалостей, прогнозування запасів та обробки страхових заявок.
Чим Clairic відрізняється від звичайних LLM?
За даними Cloudflare, вона забезпечує вищу точність, нижчу затримку та нижчу вартість у завданнях вилучення даних, але не призначена для генерації тексту чи складних міркувань.
Які обмеження має Clairic?
У прев'ю-версії багатокрокова арифметика ще не завершена, а довгі ланцюжки залежностей і агрегація по кількох рядках таблиці даються важко. Прогнозування базове, а оцінки без доказів у вхідних даних лише обмежено точні.
Як Clairic працює разом з іншими моделями?
Вона доповнює LLM і модель рішень Clef у триетапному конвеєрі. Cloudflare позиціонує її як компонент ширшої архітектури ШІ, а не заміну LLM.