Cloudflare lança Clairic, modelo de extração estruturada para o Workers AI

A Cloudflare colocou em prévia o Clairic, um modelo de extração estruturada no Workers AI que responde com valores tipados — e não com texto gerado. A proposta é separar tarefas como localizar datas, somar itens de uma fatura, identificar um ID ou estimar um valor das tarefas de raciocínio e redação feitas por LLMs. O modelo está disponível desde 19 de outubro de 2026 sob o identificador @cf/cloudflare/clairic; os pesos ainda não foram liberados.

Em resumo

• O Clairic recebe texto ou imagens e devolve campos como número, data, duração, lista, estimativa ou previsão.
• Ele não produz uma sequência livre de tokens: cada resposta deve respeitar o tipo definido no esquema ou retornar null.
• A Cloudflare o posiciona como uma etapa rápida antes de um modelo gerativo, útil para extração e validação de dados em fluxos de agentes e atendimento.
• O serviço está em prévia no Workers AI, custa US$ 0,10 por milhão de tokens de entrada e não cobra tokens de saída, segundo a empresa.
• Os números de velocidade, custo e precisão divulgados são testes da própria Cloudflare; ainda faltam avaliações independentes e pesos abertos para auditoria técnica.

O que a Cloudflare lançou

O Clairic inaugura, na nomenclatura da Cloudflare, uma categoria de extraction models. Em vez de receber uma instrução ampla e escrever uma resposta em linguagem natural, o sistema recebe dois elementos: o estado, que reúne o documento ou o contexto a analisar, e um esquema de campos com tipos explícitos. A saída pode trazer, por exemplo, a data de entrega, o número de itens, o total de uma cobrança ou a indicação de que determinado dado não aparece no material.

Essa distinção importa porque a extração estruturada costuma ser implementada hoje com um LLM generalista e uma camada adicional de validação de JSON. Esse arranjo é flexível, mas pode falhar de maneiras difíceis de detectar: preencher um dado ausente com algo plausível, alterar o formato de uma data ou produzir texto fora do contrato da API. A Cloudflare afirma que o Clairic decodifica respostas dentro das regras do tipo solicitado e devolve null quando o contexto não determina o valor.

No Workers AI, o modelo atende pelo identificador @cf/cloudflare/clairic. A documentação informa suporte a campos de texto, número, data, hora, data e hora, duração, listas, estimativas e previsões. Para desenvolvedores que trabalham com documentos, e-mails, recibos, tickets de suporte ou imagens de comprovantes, a ideia é trocar uma etapa de “perguntar ao chatbot” por uma chamada com contrato de dados mais rígido.

Como o modelo se encaixa em um fluxo de IA

O lançamento também formaliza uma divisão de trabalho que vem ganhando espaço em aplicações de IA. Um modelo de extração lê dados brutos e produz variáveis verificáveis; um modelo de decisão escolhe entre opções previamente definidas; por fim, um LLM escreve a resposta para o usuário. A Cloudflare já oferece o Clef para a camada de decisão e apresenta o Clairic como a peça voltada aos valores que não podem ser enumerados antecipadamente.

Em uma solicitação de reembolso, por exemplo, o Clairic poderia identificar número do pedido, prazo de entrega, valor do produto e dano relatado. Um modelo de decisão poderia escolher entre reembolso, troca ou análise humana. Só então um modelo gerativo redigiria a mensagem final. O benefício potencial não é eliminar LLMs, mas evitar que um LLM caro e probabilístico execute todas as partes do fluxo.

Essa arquitetura é particularmente relevante para agentes que chamam ferramentas. Quando cada etapa exige geração de texto e nova interpretação, a latência se acumula e os pontos de falha aumentam. Um campo tipado com probabilidade de ausência e confiança pode dar ao desenvolvedor um critério objetivo para interromper o fluxo, pedir confirmação ou encaminhar o caso a uma pessoa.

Capacidades confirmadas e limites de uso

A Cloudflare diz que o Clairic lê texto e até quatro imagens por solicitação. A página do produto descreve uma janela de contexto de 65.536 tokens e um mecanismo de divisão de esquemas largos em passagens paralelas. Isso não significa que o modelo tenha raciocínio geral ilimitado: a própria documentação orienta o uso para extração, cálculo simples, estimativa e previsão de valores tipados.

Há uma diferença importante entre “não gera texto” e “não erra”. Tipagem reduz erros de formato, mas não comprova que um valor extraído está semanticamente correto. A Cloudflare inclui sinais como confiança e probabilidade de campo ausente, que podem ajudar a compor regras de revisão. Ainda assim, empresas que usam a ferramenta em sinistros, pagamentos, saúde, crédito ou operações reguladas devem manter validações determinísticas e trilhas de auditoria.

O anúncio traz exemplos de valores calculados a partir de um e-mail, leitura de recibo e previsão de fluxo de passageiros. Esses exemplos ilustram a amplitude pretendida, mas não substituem um benchmark reproduzível para cada domínio. A empresa reconhece limites em aritmética de múltiplas etapas e não publicou uma avaliação padronizada de precisão para todas as classes de tarefa.

Velocidade e preço: como interpretar os números

Segundo a Cloudflare, o Clairic custa US$ 0,10 por milhão de tokens de entrada e não tem cobrança de saída porque não gera tokens de resposta. Em um estudo de caso de pipeline de sinistros divulgado no lançamento, a empresa comparou um fluxo em cascata — Clairic para extrair, Clef para decidir e GLM-5.3 para redigir — com o uso de um único LLM para as três etapas. A Cloudflare relata redução de tempo total e de custo nesse cenário.

Esses resultados devem ser lidos como evidência de produto, não como prova universal. O desenho da tarefa, o tamanho do documento, a qualidade do esquema, a necessidade de revisão e o modelo usado para a resposta final alteram o resultado. Uma aplicação pequena, que já usa um LLM barato e tem poucos campos, pode não justificar uma nova dependência. Já um processo de grande volume, com campos repetitivos e regras claras, é mais compatível com a proposta.

O impacto para equipes brasileiras

Para empresas no Brasil, o uso mais imediato tende a estar em automações internas: classificação de chamados, leitura de comprovantes, triagem de contratos, cadastro de documentos e extração de dados de e-mails. A integração com Workers AI pode ser atraente para equipes que já operam serviços na infraestrutura da Cloudflare e desejam reduzir o número de fornecedores em um fluxo de IA.

Mas a adoção exige uma análise de dados antes da comparação de preço. Documentos fiscais, dados pessoais e comunicações de clientes podem conter informações protegidas pela LGPD. A equipe responsável precisa verificar onde os dados são processados, quais controles de retenção e acesso estão disponíveis, como os resultados são registrados e quando há transferência internacional de dados. Um campo “estruturado” não torna automaticamente o tratamento de dados menos sensível.

O que ainda não está comprovado

• A Cloudflare não divulgou o número de parâmetros do Clairic nem liberou pesos no momento do anúncio.
• Os ganhos de desempenho divulgados vêm de testes e de um pipeline definidos pela própria empresa.
• Não há, no material de lançamento, um benchmark independente que compare a precisão em documentos brasileiros, português ou cenários regulados.
• O produto está em prévia; preço, limites e comportamento de API podem mudar antes de uma disponibilidade geral.

Análise do NoticIA

O aspecto mais relevante do Clairic não é apenas um novo endpoint de IA, mas a tentativa de tornar explícita uma arquitetura que muitas equipes já improvisam: usar modelos diferentes para perceber, decidir e escrever. Se a Cloudflare conseguir entregar resultados consistentes, o modelo pode reduzir a dependência de “JSON via prompt” em tarefas onde o formato e a verificabilidade valem mais do que a criatividade.

Ao mesmo tempo, a linguagem de “System One” não deve ser confundida com garantia de segurança. Sistemas rápidos podem amplificar erros rapidamente quando recebem documentos ambíguos, imagens ruins ou esquemas mal especificados. A vantagem prática virá para quem tratar confiança, null, validação e escalonamento humano como partes do produto — não como detalhes posteriores.

Perguntas frequentes

O Clairic substitui um modelo de linguagem?

Não necessariamente. Ele foi apresentado para extrair e produzir valores tipados; um LLM ainda pode ser usado para conversa, síntese, explicação e redação final.

O modelo é aberto?

Não no lançamento. A Cloudflare afirmou que pretende liberar pesos abertos no futuro, mas não anunciou uma data.

Ele serve para OCR?

O Clairic aceita imagens e pode extrair campos delas, mas isso não equivale a uma garantia de desempenho em todo tipo de documento, idioma ou qualidade de fotografia.

Qual é o principal cuidado para produção?

Definir esquemas estreitos, validar campos críticos por regras de negócio e encaminhar casos de baixa confiança ou dados ausentes para revisão.