Cloudflareは2026年10月19日、非構造化データから数値や日付などを取り出すモデル「Clairic」のプレビューを発表しました。入力から値を抽出するだけでなく、計算や予測にも対応し、Workers AIで利用できます。
選択肢ではなく値を返す「System One」モデル
Clairicは、Cloudflareが「System One型」と位置づけるモデル群の最初の抽出モデルです。Cloudflareはこの考え方を、素早く精密なSystem Oneと、熟考を担うSystem Twoという区分に結びつけています。
先行するSystem OneモデルのJevとClefは、入力された状態と質問、選択肢の一覧をもとに、それぞれの選択肢に対する確率を返す判断モデルです。Clairicは選択肢から答えを選ぶ代わりに、入力から値を直接取り出したり、入力に基づいて計算したり、先の値を予測したりします。
用途には、請求書の合計額や配送日、納期からの遅延日数、修理費、今後24時間の交通量があります。答えをあらかじめ選択肢として並べにくい問いを、数値などの構造化された出力にする設計です。
モデルは数値に「80% range」を付けて返すほか、名前、日付、リストなど型のある値も抽出します。CloudflareはClairicをWorkers AI上で「@cf/cloudflare/clairic」として提供し、オープンウェイト版も近く公開する意向を示しています。
請求書処理では入力方法や専用モデルで差
請求書処理の手法を比べたBusinessware Technologiesの評価には、専用の文書処理サービスであるAWS Textract、Google Document AI、Azure Document Intelligenceのほか、外部OCRとGPT-4oを組み合わせる方法、画像を直接GPT-4oへ入力する方法が含まれます。
外部OCRを使う構成では、まずOCRサービスが画像から文字を読み取り、そのテキストをGPT-4oに渡します。画像入力の構成は、別のOCRサービスを挟まず、GPT-4oが画像を直接処理します。
Businessware Technologiesの評価では、Azure Document Intelligenceは複雑なレイアウトや入れ子の表への対応が強く、Google Document AIは明細行の抽出で苦戦しました。専用サービス、OCRとLLMの組み合わせ、画像を直接扱うLLMでは、入力の扱い方や得意な文書構造が異なります。
ベンチマークは精度・時間・費用を分けて見る
Businessware Technologiesは文書処理のベンチマークで、項目や値をどれだけ正確かつ網羅的に抽出できるかに加え、処理時間と1,000ページ当たりの費用を評価しています。
同社の2026年請求書比較では、平均効率はGemini 3 Proが94.75%、Azure AI Document Intelligenceが90.52%、Claude Sonnet 4.5が90.27%でした。GPT-5 miniは87.94%、GPT-5.2は87.59%です。
2025年の比較では、明細行を含む請求書の検出精度はAmazon Analyze Expense APIが91.1%、Azure AI Document Intelligenceが85.7%、Google Document AIが68.1%でした。手書きフォームや技術図面を対象にした別の測定もあり、文書の種類によって比較対象と指標が変わります。
「80%」の幅は実績のカバー率と照らす
予測値に範囲を付ける形式では、区間が実際の値をどの程度含むかを「カバー率」で評価できます。カバー率は、観測された実際の値のうち、予測区間に入った値の割合です。
例では、当初の区間に入った実際の値は67%で、目標とする80%を下回っていました。過去のデータで区間を補正した後に、実際の値が区間内に入る割合を再計算する手順が示されています。
この80%の保証は、個々の予測ごとではなく多数の予測にわたる平均的なものとされ、データが交換可能であることを前提とします。区間予測の評価では、全体としてのカバー率と条件ごとの較正を区別し、スコア関数を使って予測を比較する方法があります。
予測区間は、予測に使ったデータ上の適合度とは分け、予測後のデータで性能を測ります。
