An updated Clairic and Clairic-flash are now open-weight, from the new Workers AI Superintelligence team
出典: blog.cloudflare.com

Cloudflareは、文書から情報を抽出するAIモデル「Clairic」の更新版と、軽量版「Clairic-flash」の重みを公開しました。両モデルはWorkers AIで利用でき、Hugging Faceでも重みが公開されています。

更新版Clairicはプレビュー版から構造を見直し、画像やPDFを含む文書の抽出に対応しました。Cloudflareの社内評価では、両モデルともテキストや画像を使った複数の抽出試験で結果が示されています。

画像やPDFから項目を抽出

Clairicは、文章などの非構造化データから指定した項目を取り出すモデルです。更新版では画像とPDFを含む複雑な文書を扱えます。表やリスト、日付の処理と、回答を元の内容に結びつける能力も改善したとCloudflareはしています。

入力例には、領収書の画像やサポートチケットの文章があります。PDFでは、異なるページに記載された仕入れ先、明細、合計額を一度のリクエストで指定できます。画像とPDFページは合わせて最大4枚まで入力できます。

明細は、品目の説明、数量、価格をひとまとまりにした行として返せます。また、計算、推定、抽出の用途に向けて専用の出力部分が訓練されています。推定値や予測、期間、計算した日付、明示的な算術を扱います。

更新版で抽出方法を変更

更新版Clairicでは、通常のテキストと数値の抽出に「並列スロット自己回帰生成」を採用しました。プレビュー版の、1回の処理で値を取り出す方式から変更しています。各項目は、それまでに出力したトークンを使って次のトークンを選びます。

各項目の生成は、それぞれの終了マーカーに達すると止まります。項目は処理時のバッチ内で並行して進みます。Cloudflareは、この変更によって遅延がわずかに増える一方、テキストと画像の抽出精度が向上したとしています。

応答には引き続き信頼度や確率が含まれます。テキスト中の根拠を示す文字位置も維持されています。抽出する項目には型を指定できます。

270億と90億パラメーターの2モデル

更新版Clairicは270億パラメーターのモデルです。Clairic-flashは90億パラメーターで、より軽量なモデルとして提供されます。プレビュー時のClairicのエンドポイントには、更新版が展開されます。

Workers AIでは、Clairicを「@cf/cloudflare/clairic」で利用できます。Clairic-flashのエンドポイントは「@cf/cloudflare/clairic-flash」です。プレビュー版のAPIスキーマは維持されています。

両モデルを手がけたWorkers AI Superintelligenceチームは、CloudflareのAI研究チームです。同チームはClairicのほか、Clefも手がけています。

社内評価での抽出結果

Cloudflareの社内評価では、96件のリクエストに含まれるテキスト項目336件のうち、更新版Clairicは335件、Clairic-flashは328件を正しく抽出しました。プレビュー版は295件でした。比較対象のLiquid AI D1.2とApple Vision OCRを組み合わせた結果は304件でした。

顧客の利用を想定した139種類のリクエストでは、両モデルとも1263項目すべてが正解でした。プレビュー版は1033項目でした。また、テキストと画像による合成領収書の試験では、両モデルとも576項目すべてが正解でした。

テキストと画像が混在する36件のリクエストでは、226項目中、Clairicが221件、Clairic-flashが213件を正しく抽出しました。プレビュー版の結果は207件でした。

応答時間の計測結果

Cloudflareは、自社でホストしたサーバーからのHTTP応答全体にかかる時間も測定しました。テキスト項目の96件のリクエストでは、Clairicの中央値は358ミリ秒、95パーセンタイルは736ミリ秒でした。Clairic-flashはそれぞれ155ミリ秒、328ミリ秒でした。

画像項目の48件のリクエストでは、Clairicの中央値は453ミリ秒、95パーセンタイルは976ミリ秒でした。Clairic-flashはそれぞれ305ミリ秒、605ミリ秒でした。いずれもリクエスト内の全項目を含む応答の計測です。

商業用賃貸契約を扱う180件のリクエストでは、Clairicの中央値は691ミリ秒、95パーセンタイルは803ミリ秒でした。Clairic-flashはそれぞれ379ミリ秒、519ミリ秒でした。融資価格を扱う600件のリクエストでは、中央値がClairicで395ミリ秒、Clairic-flashで188ミリ秒でした。