[控场AI]
公司

Clairic

AI初创公司,专注于信息提取模型,发布了名为System One的提取模型类别。

核心事实

时间轴 (近 90 天)

10月20日

对于 Clairic 的列表答案,返回带 span 和置信度分数的值;估计值返回 median、p10 和 p90 而非 p_null,需要单独检查。

待验证50%
10月20日

Clairic 能处理四类任务:抽取输入中已有的值、根据输入中的事实计算值、估计输入未固定的值、以及预测序列。

待验证50%
10月20日

Clairic 按 'AS IS' 和 'AS AVAILABLE' 提供,Cloudflare 可能随时停止服务且不退款;权重尚未公开,目前只能在 Cloudflare 端点运行。

待验证50%
10月20日

在 Clairic 的标量答案对象中,value 字段是实际答案,p_null 表示输入中不包含该值的概率,guess 不是答案;当 value 为 null 时,不应读取 guess。

待验证50%
10月20日

官方示例中,po_number 的答案对象包含 type: text, p_null: 1, span: [8, 16], guess: INV-2291, confidence: 0.9995, value: null。

待验证50%
10月20日

Cloudflare 官方文档指出,单值结果为 null 意味着模型认为输入信息不足。

待验证50%
10月20日

Clairic 不擅长多步算术,Cloudflare 建议让 Clairic 预测值,让代码做数学。

待验证50%
10月20日

在官方示例响应中,61 个 state_tokens 用于发票文本,472 个 schema_tokens 用于字段定义,总计 655 个 input_tokens,output_tokens 为 0,passes 为 3。

待验证50%
10月20日

Clairic 是一个零输出 token 的抽取模型,在单次前向传播中为每个字段返回一个值,不生成文本。

待验证50%
10月20日

Clairic 每次处理可容纳 8,192 token 的字段加输入,更多字段会拆分到并行批次;最多支持 4 张嵌入图片(PNG、JPEG 或 WebP),不支持远程 URL。

待验证50%

还有 7 条时间轴事件

全部知识事实 (19)

已验证

LLM 的自回归生成特性决定其输出是逐 Token 的流式传输,源于 Transformer 架构的解码策略

65%
已验证

Cloudflare Workers AI内置了多种嵌入模型,所有模型推理由Cloudflare Workers AI完成

65%
待验证

Clairic 的定价为每百万输入 token 0.10 美元,输出不收费。

60%
待验证

对于 Clairic 的列表答案,返回带 span 和置信度分数的值;估计值返回 median、p10 和 p90 而非 p_null,需要单独检查。

50%
待验证

Clairic 按 'AS IS' 和 'AS AVAILABLE' 提供,Cloudflare 可能随时停止服务且不退款;权重尚未公开,目前只能在 Cloudflare 端点运行。

50%
待验证

在 Clairic 的标量答案对象中,value 字段是实际答案,p_null 表示输入中不包含该值的概率,guess 不是答案;当 value 为 null 时,不应读取 guess。

50%
待验证

官方示例中,po_number 的答案对象包含 type: text, p_null: 1, span: [8, 16], guess: INV-2291, confidence: 0.9995, value: null。

50%
待验证

Cloudflare 官方文档指出,单值结果为 null 意味着模型认为输入信息不足。

50%
待验证

Clairic 不擅长多步算术,Cloudflare 建议让 Clairic 预测值,让代码做数学。

50%
待验证

在官方示例响应中,61 个 state_tokens 用于发票文本,472 个 schema_tokens 用于字段定义,总计 655 个 input_tokens,output_tokens 为 0,passes 为 3。

50%
待验证

Clairic 是一个零输出 token 的抽取模型,在单次前向传播中为每个字段返回一个值,不生成文本。

50%
待验证

Clairic 每次处理可容纳 8,192 token 的字段加输入,更多字段会拆分到并行批次;最多支持 4 张嵌入图片(PNG、JPEG 或 WebP),不支持远程 URL。

50%
待验证

Clairic 能处理四类任务:抽取输入中已有的值、根据输入中的事实计算值、估计输入未固定的值、以及预测序列。

50%
待验证

Clairic 的定位是「System One 提取模型」,一次前向传播就返回带置信度分数的类型化值。

50%
待验证

Clairic 的「一次前向传播」是指模型在单次调用中通过多输出头或结构化预测头,同时给出所有目标字段的值与置信度,不需要逐 token 迭代。

50%
待验证

Clairic 目前处于预览阶段,其置信度分数的校准质量、类型化值的覆盖范围以及跨领域的泛化表现仍需实际测试才能判断。

50%
待验证

对于对延迟敏感、调用量大的抽取场景,Clairic 值得纳入评估清单,但更现实的定位是流水线中的第一道过滤器,而非通用模型的完全替代品。

50%
待验证

System One被Clairic定义为一个全新的模型类别,专注于从数据中提取信息。

50%
待验证

Clairic在Hacker News上发布了其称为「System One」类别的提取模型。

50%

来源文章