Cloudflare anunció Clairic el 19 de octubre de 2026, un modelo para extraer valores y realizar cálculos, estimaciones y previsiones a partir de entradas sin estructurar. Está disponible en vista previa en Workers AI como @cf/cloudflare/clairic. El anuncio expresa la intención de publicar pesos más adelante: no acredita que ya puedan descargarse ni establece una licencia abierta para ellos.
La propuesta interesa a quienes convierten correos, facturas o imágenes en datos para una aplicación. En lugar de pedir una respuesta libre y después interpretarla, la petición declara los campos que necesita. Pero obtener un número bien formado sigue sin demostrar que ese número sea correcto.
Qué recibe y qué devuelve
Según la ficha del modelo alojado, la petición combina un texto en state con un mapa de campos en fields. Admite también hasta cuatro imágenes PNG, JPEG o WebP embebidas; no acepta direcciones remotas como entrada de imagen. Hay límites adicionales de tamaño por archivo y petición que deben comprobarse antes de integrar documentos reales.
Los tipos permiten solicitar texto, números, fechas, duraciones o listas. El texto extraído incluye posiciones para localizarlo en la entrada original. Los campos escalares de extracción y cálculo incorporan señales como confidence y p_null, relacionadas con la confianza y con la posibilidad de que el dato no pueda determinarse.
La explicación oficial de la API de extracción precisa un matiz importante: un null significa que el modelo considera insuficiente la entrada. Puede faltar el dato o puede haber fallado al identificarlo. Las listas vacías tampoco demuestran por sí solas que el documento carezca de elementos relevantes.
Extraer una fecha y estimar una fecha son tareas distintas
Una fecha de vencimiento impresa es un dato que se intenta extraer. Predecir cuándo pagará un cliente es una estimación. Clairic ofrece distribuciones para estimaciones y previsiones, con mediana e intervalos como el comprendido entre los percentiles 10 y 90.
Ese intervalo representa la parte central del 80% de la distribución predicha; no es una garantía de que el resultado real caiga dentro. La documentación advierte de que las estimaciones pueden producirse aunque haya poca información. Acotar una predicción a noviembre tampoco impide que el pago real llegue en diciembre.
Un ejemplo de soporte, sin automatizar el reembolso
Imaginemos este mensaje: «Mi pedido P-72 llegó roto. Pagué 121 EUR». Es un ejemplo hipotético, no ejecutado por Puntoes. Una prueba de integración podría pedir identificador, importe y fecha de entrega. La referencia esperada sería P-72, 121 EUR y ausencia de fecha; habría que contrastar la salida real con esa referencia.
Si la fecha decide si procede un reembolso, completarla con una estimación cambiaría el significado de la prueba. Primero se comprueba el dato; después se aplica la política correspondiente; finalmente se autoriza la acción y se evita ejecutarla dos veces. El modelo de extracción no concede ese permiso.
Esta separación complementa los modelos de decisión Clef que ya explicamos: extraer información y elegir entre opciones son pasos diferentes, aunque puedan formar parte del mismo flujo.
Precio y límites de la vista previa
La ficha consultada el 20 de octubre indica 0,10 dólares por millón de tokens de entrada; el anuncio señala que no hay cargo por tokens de salida. Es la tarifa del modelo, no un presupuesto completo de los servicios que utilice una aplicación.
Cloudflare reconoce límites en aritmética con cadenas largas de operaciones y en previsiones complejas. Recomienda utilizar código para los cálculos que lo requieran. También advierte de que los intervalos pueden ser demasiado estrechos ante datos desconocidos.
Antes de actuar con importes o fechas, conviene evaluar documentos propios, campos ausentes y errores de lectura. Aquí no hemos llamado a la API ni medido precisión, latencia o ahorro. La noticia es la disponibilidad de una vista previa con un contrato de salida específico; su fiabilidad para cada proceso queda por comprobar.