Clairic, 문서에서 필요한 항목만 타입까지 맞춰 뽑아내는 Cloudflare의 새 추출 모델

작동 방식

일반적인 대규모 언어 모델은 답을 토큰 단위로 하나씩 이어서 쓴다. 반면 Clairic은 입력을 한 번 병렬로 훑는 방식으로 동작하며, 출력 토큰을 아예 만들지 않는다. 그래서 요금도 입력 토큰에만 붙는다. 각 항목은 타입, 널(null)일 확률, 신뢰도 점수와 함께 반환된다. 텍스트 답변에는 원문에서 해당 글자가 시작되고 끝나는 위치를 가리키는 문자 오프셋이 함께 제공되고, 수치 추정 항목은 개발자가 정한 범위 안에서 중앙값과 80% 구간을 돌려준다. 한 번의 처리 단위인 8,192토큰에 들어가지 않는 항목은 여러 개의 병렬 처리로 나누어 계산한다.

주요 스펙과 가격

모델 ID는 @cf/cloudflare/clairic이고 컨텍스트 윈도우는 65,536토큰이다. 요청 한 번에 PNG, JPEG, WebP 이미지를 최대 4장까지 넣을 수 있다. 가격은 입력 100만 토큰당 0.10달러이며, 출력 토큰이 없으므로 출력 요금은 0달러이다. 현재는 Workers AI에서 프리뷰로만 제공되고, 라이선스는 독점 프리뷰 형태이다. Cloudflare는 이후 개선을 거쳐 오픈 웨이트를 공개할 계획이라고 밝혔다. 이는 Clef 의사결정 모델이 Apache-2.0으로 공개된 경로와 같은 방식이다. 추출 단계의 처리 시간은 0.46초로, 비교 대상인 GLM-5.3의 16.1초와 크게 차이가 난다.

왜 중요한가

송장, 이메일, 보험 청구서에서 구조화된 데이터를 뽑는 일은 보통 LLM 호출로 처리한다. 이 방식은 느리고, 출력 토큰에도 요금이 붙으며, 가끔은 없는 값을 지어내기도 한다. Cloudflare가 든 손해 청구 처리 예시에서 Clairic, Clef, LLM을 차례로 잇는 구성은 19.3초에 끝났고, 전부 LLM으로 처리한 구성은 61.7초가 걸렸다. 비용도 100만 건 기준 6,032달러와 11,740달러로, 약 49% 낮았다. 신뢰도 점수와 원문 위치 정보가 있으니 값이 불확실한 항목만 사람이 검토하도록 분기하는 설계도 가능하다.

Clef와의 차이

Clef는 예, 아니오, 선택지, 점수 같은 타입이 정해진 질문에 선택지별 확률로 답하는 모델이다. Clairic은 입력에서 텍스트 구간, 숫자, 날짜, 목록, 추정치, 예측값을 꺼내 오는 모델이다. Cloudflare는 Clairic이 사실을 추출하고 Clef가 다음 행동을 결정하는 식으로 두 모델을 함께 쓰는 사례를 보여 준다.

참고할 점

Cloudflare가 밝힌 한계도 분명하다. 여러 단계에 걸친 산술이나 많은 행에 대한 집계는 약하므로 이런 계산은 직접 코드로 처리하는 편이 낫다고 안내한다. 추정값은 입력 안에 근거가 있어야 하고, 예측 기능은 기초적인 수준이어서 전용 시계열 모델을 대신하지는 못한다. 낯선 데이터에서는 80% 구간이 지나치게 좁게 나올 수 있다는 점도 유의해야 한다. 21일간의 TSA 승객 수 테스트에서는 평균 오차가 3.3%였고, 실제 값 21개 중 17개가 80% 구간 안에 들어왔다. 문서와 에이전트 파이프라인을 만드는 개발자라면, 프리뷰 단계라는 점을 감안해 자신의 문서 유형으로 먼저 정확도를 확인해 보기를 권한다.

활용 예와 정리

정리하면 Clairic은 문서를 읽고 "필요한 칸을 채워 주는" 일에 특화된 모델이다. 주문 번호, 금액, 날짜처럼 값이 명확한 항목은 물론 목록이나 추정치도 같은 방식으로 요청할 수 있다. 답을 문장으로 풀어 쓰지 않기 때문에 응답이 빠르고, 출력 요금이 없어 대량 처리에 유리하다. 값마다 붙는 신뢰도 점수와 원문 오프셋을 기준으로 자동 처리할 건과 사람이 확인할 건을 나누면, 송장이나 청구서 같은 문서 업무에서 검토 부담을 줄일 수 있다. 이미지는 한 요청에 최대 4장까지이므로, 문서가 여러 장이면 요청을 나누어 보내는 구성을 고려해야 한다.