Clairic: Модель структурированного извлечения и прогнозирования от Cloudflare

Семейство моделей Clairic от Cloudflare включает две модели, обновленные одновременно 11 18: Clairic (27B, на базе Qwen3.8-27B, загружена 10 16) и Clairic Flash (9B, на базе Qwen3.5-9B, загружена 11 12). На вход подается текст или JSON-состояние, опционально изображения и PDF, а также список «имя поля → описание типа». Модель возвращает типизированные значения по каждому полю: текст, число, дата и время, длительность, булево значение, перечисление, объект, список, вычисление, а также оценки с верхним и нижним пределами и прогнозные последовательности с шагом. Отдельно предусмотрен типизированный выходной слой clair_head, структурные ограничения обеспечиваются библиотекой xgrammar. Лицензия Apache-2.0.

Оригинал: Cloudflare/clairic

Семейство моделей Clairic от Cloudflare включает две модели, обновленные одновременно 11 18: Clairic (27B, на базе Qwen3.8-27B, загружена 10 16) и Clairic Flash (9B, на базе Qwen3.5-9B, загружена 11 12). На вход подается текст или JSON-состояние, опционально изображения и PDF, а также список «имя поля → описание типа». Модель возвращает типизированные значения по каждому полю: текст, число, дата и время, длительность, булево значение, перечисление, объект, список, вычисление, а также оценки с верхним и нижним пределами и прогнозные последовательности с шагом. Отдельно предусмотрен типизированный выходной слой clair_head, структурные ограничения обеспечиваются библиотекой xgrammar. Лицензия Apache-2.0.

Почему это важно Извлечение данных из чеков, форм и журналов не требует написания собственных промптов и парсеров; каждое поле сопровождается уровнем уверенности и вероятностью отсутствия значения, что позволяет задавать пороги; лицензия Apache допускает коммерческое использование

Рост рейтинга 58 · Лайки 78 · Загрузки 34

Причины

  • Ответы для задач извлечения содержат флаги valid и complete, общую уверенность и независимо оцениваемую вероятность отсутствия значения p_null; для однозначно сопоставленного текстового доказательства указываются символьные интервалы в исходном тексте
  • Для оценок и прогнозов необходимо объявлять min / max (для прогнозов дополнительно horizon и interval), опционально возвращаются квантили; режим source_only использует только числа и даты, явно присутствующие в исходном тексте, а режим knowledge позволяет модели использовать свои знания
  • В ответе указывается, был ли вход усечен, и объем использованных токенов, что помогает определить пригодность результата для дальнейшего использования

Использование

  • Требуется Python 3.11+, установите зависимости из requirements.txt репозитория; после snapshot_download("Cloudflare/clairic") добавьте путь в sys.path, затем выполните from clairic_model import load_release_model, systemone; вызовите load_release_model(path, device="cuda")
  • Вызов systemone(model, processor, {"state": текст, "fields": {имя_поля: {"type": "number", "decimals": 2}, ...}}); изображения передаются через PIL в массиве images, опция options.include_quantiles возвращает квантили, параметр reference_date обрабатывает относительные даты, такие как «на прошлой неделе»
  • Размер одного встроенного файла не должен превышать 4 МиБ, суммарный размер — 8 МиБ, общее количество страниц изображений и PDF — не более 4; при нехватке видеопамяти можно использовать модель Cloudflare/clairic-flash размером 9B с аналогичным способом использования; для асинхронных приложений используйте await model.predict_async(request)

Риски

  • В карточке отсутствуют результаты бенчмарков и требования к видеопамяти; уровень уверенности основан на вероятностях модели, поэтому официально рекомендуется настраивать пороги под свои данные
  • Требуется импорт собственного Python-кода среды выполнения из репозитория; удаленные URL медиафайлов не поддерживаются, второй одновременный запрос вызывает ошибку переполнения очереди
  • Данный пункт не был выполнен

Открыть

Hugging Face Trending

Открыть последние новости ИИ