Cloudflare hat die Gewichte seiner Extraktionsmodelle freigegeben. Am Abend des 18. November 2026 veröffentlichte das Unternehmen eine überarbeitete Version von Cloudflare Clairic mit 27 Milliarden Parametern und dazu das kleinere Clairic-flash mit neun Milliarden. Beide lesen strukturierte Werte aus Texten, Bildern und neu auch aus PDFs, beide stehen unter der Apache-2.0-Lizenz auf Hugging Face. Gleichzeitig stellt sich das zuständige Team selbstbewusst als „Workers AI Superintelligence Team“ vor. Für Nutzer der bisherigen Vorschau ändert sich allerdings auch der Preis.
Cloudflare Clairic: Was die Modelle können
Clairic ist kein Chatmodell. Cloudflare ordnet es in eine Klasse ein, die das Unternehmen „System One“ nennt, angelehnt an Daniel Kahnemans Unterscheidung zwischen schnellem, intuitivem und langsamem, abwägendem Denken. Gemeint sind kleine, spezialisierte Modelle für wiederkehrende Aufgaben, die Unternehmen heute oft teuren großen Sprachmodellen überlassen: Wie hoch ist die Rechnungssumme? Wann wurde geliefert? Wie viele Tage ist eine Zahlung überfällig?
Laut der Ankündigung im Cloudflare-Blog erhält Clairic einen Zustand, also Text oder JSON und optional Bilder, sowie ein Schema mit typisierten Feldern. Zurück kommen typisierte Werte, Listen, Nullwerte, Schätzungen und Prognosen. Zu jedem Feld liefert das Modell Konfidenzwerte, Zeichenpositionen im Quelltext und Wahrscheinlichkeiten, ob ein Wert fehlt. Für Rechenaufgaben, Schätzungen, Zeitspannen und berechnete Daten hat Cloudflare eigene Ausgabeköpfe trainiert.
Die erste Fassung hatte Cloudflare am 19. Oktober als Vorschau vorgestellt und offene Gewichte „bald“ angekündigt. Das Versprechen ist nun eingelöst. Das Team steht auch hinter Clef, den Entscheidungsmodellen, über die wir im Oktober berichtet haben: Cloudflare Clef: Neue Open-Source-Decision-Modelle für KI-Agenten.
Neue Architektur nach der Vorschau
Nach eigenen Angaben hat Cloudflare die Architektur nach der Vorschau grundlegend überarbeitet. Gewöhnliche Text- und Zahlenfelder werden nicht mehr in einem einzigen Vorwärtsdurchlauf erzeugt, sondern per „parallel slot autoregressive generation“: Jedes Feld nutzt die bereits geschriebenen Tokens, um das nächste zu wählen, und stoppt an einer eigenen Endmarke. Alle Felder laufen gemeinsam im Serving-Batch. Das kostet etwas Latenz, verbessert laut Cloudflare aber die Genauigkeit bei Texten und Bildern deutlich. Die typisierte API mit Konfidenzwerten und Zeichenpositionen bleibt unverändert.
Neu ist die Verarbeitung von PDFs. Pro Anfrage sind bis zu vier Bilder oder PDF-Seiten erlaubt. Positionen auf Rechnungen können als Zeilen zurückkommen, die Beschreibung, Menge und Preis zusammenhalten, auch wenn Lieferant, Positionen und Summe auf verschiedenen Seiten stehen.
Die Zahlen: selbst gemessen
Cloudflare veröffentlicht interne Auswertungen und vergleicht mit der eigenen Vorschau sowie mit Liquid AIs D1.2 (kombiniert mit Apple Vision für die Texterkennung) und dem Extract-Modell von Scaledown. Einige Werte:
- Frische Textfelder (96 Anfragen): Clairic 335 von 336 Feldern korrekt, Clairic-flash 328, die Vorschau 295, D1.2 mit OCR 304, Scaledown 259.
- Gemischte Eingaben (36 Anfragen): Clairic 221 von 226, Clairic-flash 213, Vorschau 207, D1.2 116, Scaledown 156.
- Kundenprüfungen (139 Anfrageformen): Clairic und Clairic-flash je 1.263 von 1.263, Vorschau 1.033, D1.2 973, Scaledown 653.
- Synthetische Belegfelder in Text und Bild: beide neuen Modelle 576 von 576, Vorschau 369.
Bei der Bilderkennung sank die Fehlerzahl auf den internen Benchmarks laut Cloudflare von 207 auf null. Die Latenz liegt nach eigenen Messungen auf einem selbst gehosteten Server unter einer Sekunde: Clairic kommt bei frischen Textfeldern auf 358 ms im Median und 736 ms im 95. Perzentil, Clairic-flash auf 155 und 328 ms. Bei Bildfeldern sind es 453 und 976 ms beziehungsweise 305 und 605 ms.
Wichtig ist die Einschränkung, die Cloudflare selbst macht: Öffentliche Benchmarks für Extraktion gibt es noch nicht, die Werte sind selbst berichtet und sollen nur als Richtwert dienen. Volle Punktzahlen auf internen Testsätzen sagen wenig darüber, wie sich ein Modell bei fremden Dokumenten schlägt. Unabhängige Tests stehen aus.
Offene Gewichte auf Qwen-Basis
Beide Modelle liegen auf Hugging Face unter der Apache-2.0-Lizenz, die auch kommerzielle Nutzung erlaubt. Laut den Modellkarten basiert Clairic auf Qwen3.8-27B und Clairic-flash auf Qwen3.5-9B, beides Modelle von Alibaba. Cloudflare hat also kein Basismodell von Grund auf trainiert, sondern offene Modelle für die Extraktion spezialisiert. Das schmälert den praktischen Nutzen nicht, relativiert aber das Etikett „Superintelligence Team“ ein Stück weit.
Für den lokalen Betrieb nennt die Modellkarte Python ab Version 3.11, PyTorch und Transformers; die Schema-Vorgaben setzt die Bibliothek xgrammar über einen Logits-Prozessor um. Der mitgelieferte Code wird über eine eigene Hilfsfunktion geladen, was auf Hugging Face als „custom code“ gekennzeichnet ist. Wer das Repository einbindet, führt also Code aus dem Modell-Repository aus und sollte ihn vorher prüfen.
Preise: Vorschau-Nutzer zahlen bald mehr
Auf Workers AI sind die Modelle als @cf/cloudflare/clairic und @cf/cloudflare/clairic-flash verfügbar. Abgerechnet werden nur Eingabe-Tokens. Hier steckt ein Detail, das Entwickler kennen sollten: In der Vorschau lief unter dem Endpunkt clairic das 9B-Modell für 0,10 Dollar je Million Eingabe-Tokens. Dieses Modell zieht nun zu clairic-flash um, unter clairic läuft künftig das 27B-Modell. Cloudflare stellt bestehende Integrationen automatisch um.
Bis zum 1. Dezember 2026 kosten beide Modelle 0,10 Dollar je Million Eingabe-Tokens. Danach steigt der Preis für Clairic auf 0,24 Dollar, Clairic-flash bleibt bei 0,10 Dollar. Wer den bisherigen Endpunkt nutzt und nichts ändert, zahlt ab Dezember also das 2,4-Fache, bekommt dafür aber das größere Modell. Für kostensensible Workloads empfiehlt Cloudflare selbst den Wechsel auf Clairic-flash. Die API-Schemata bleiben laut Entwicklerdokumentation unverändert.
Einordnung
Clairic steht für einen Trend, der weniger Schlagzeilen macht als neue Frontier-Modelle, aber im Alltag viel Geld sparen kann: kleine Spezialmodelle, die eine Aufgabe schnell und billig erledigen, statt jedes Rechnungsfeld durch ein großes Sprachmodell zu schicken. Ähnlich zielt Meta mit Muse Ember auf Routinearbeit in Agenten. Die offenen Gewichte unter Apache 2.0 sind ein echtes Plus, weil sich die Modelle so auch auf eigener Hardware und mit sensiblen Dokumenten betreiben lassen. Die Benchmarks sollte man dagegen mit Vorsicht lesen, denn sie stammen ausschließlich von Cloudflare. Und wer den Vorschau-Endpunkt in Produktion nutzt, sollte bis zum 1. Dezember entscheiden, ob ihm das größere Modell den höheren Preis wert ist.




