Een persoon leest een factuur naast een laptop met een online factuurformulier.
Nieuws19 november · 01:205 min leestijd

Cloudflare publiceert gewichten van Clairic en Clairic-flash

Cloudflare publiceert de gewichten van Clairic en introduceert het 9B-model Clairic-flash. Teams kunnen beide via Workers AI gebruiken of zelf draaien, met verschillende gehoste prijzen vanaf 1 december.

Cloudflare publiceert de gewichten van het vernieuwde Clairic en het nieuwe 9B-model Clairic-flash; vanaf 1 december kost de gehoste 27B-versie $0,24 per miljoen invoertokens en Flash $0,10, meldt het bedrijf op 18 november.

Een documentteam dat honderd miljoen invoertokens per maand via Workers AI verwerkt, betaalt na die datum $24 voor Clairic of $10 voor Flash. Tot 1 december kosten beide modellen $10. De gedownloade gewichten maken een derde route mogelijk, maar verplaatsen rekenkracht, beheer en validatie van Cloudflare naar het team.

Het bestaande endpoint krijgt een 27B-model

Clairic begon op 19 oktober als 9B-preview op Workers AI. De 9B-preview van Clairic kostte $0,10 per miljoen invoertokens en beloofde open gewichten zonder datum of licentie. De nieuwe release vervangt dat model achter het bestaande endpoint door een 27B-versie. Apps die al op die route zitten, krijgen de bijgewerkte versie automatisch; de API-schema’s blijven gelijk. Clairic-flash krijgt het eigen endpoint @cf/cloudflare/clairic-flash.

Het verschil zit ook in de opbouw. Cloudflare verving voor gewone tekst- en getalvelden de enkele doorgang door parallelle generatie per veld. De velden worden tegelijk verwerkt, maar elk gebruikt zijn eigen eerder gegenereerde tokens. Losse modelonderdelen verwerken daarnaast berekeningen, schattingen, voorspellingen, tijdsduren en berekende datums. De API houdt vaste uitvoervelden, betrouwbaarheidskansen en tekstverwijzingen naar bewijs in het document.

De nieuwe modellen lezen ook PDF-pagina’s. Eén verzoek kan bijvoorbeeld een leverancier, regels en totaalbedrag ophalen, ook als die op verschillende pagina’s staan. Per aanvraag zijn maximaal vier afbeeldingen of weergegeven PDF-pagina’s toegestaan. Dat maakt de modellen bruikbaar voor een concrete documentstap, maar zegt nog niet hoeveel controle een administratie nodig houdt.

De gewichten krijgen een licentie en runtime

De modelkaarten vermelden Apache 2.0 voor Clairic en dezelfde licentie voor Clairic-flash. De grotere kaart noemt Qwen3.8-27B als basismodel; de kleinere gebruikt Qwen3.5-9B. Beide repositories bevatten modelgewichten, configuratie, verwerkingsbestanden en Python-hulpmiddelen voor PyTorch en Transformers. Zelf draaien betekent dus meer dan de gewichten downloaden: het team moet ook de runtime en de omgeving beheren.

De voorbeelden voor zelf draaien gebruiken CUDA of een Dockercontainer met GPU’s, maar de modelkaarten noemen geen minimumgeheugen of totale kosten. Een eigen server kan de route van documenten naar een externe model-API veranderen, maar vergt capaciteit, updates, toegangsbeheer en evaluatie. Microsoft en NVIDIA ordenden dertig risico’s voor open-weightmodellen in vijf categorieën en koppelden daar tests aan. Die verantwoordelijkheid hoort bij de organisatie die de gewichten uitvoert.

De gehoste route blijft intussen bestaan. De gehoste Clairic-route staat nog als preview vermeld, met zero data retention maar zonder prestatie- of beschikbaarheidsgarantie. De aankondiging noemt geen verwerkingsregio voor documenten. Geen gegevens bewaren is daarom niet hetzelfde als weten in welke regio een aanvraag wordt verwerkt.

Liquid AI kiest voor een API-route

Cloudflare zet de gewichten open in een productlijn met gespecialiseerde modellen. Het bedrijf publiceerde eerder Clef en Clef-flash als open beslismodellen onder Apache 2.0, gericht op classificaties en vaste keuzes in agentworkflows. Clairic voegt documentextractie toe aan die reeks taakgerichte modellen.

Ook Liquid AI breidt gestructureerde modeluitvoer uit. De documentatie voor d1.2 en d1.2-ultra noemt vijf nieuwe taken, waaronder waarden uit tekst lezen, passages vinden, objecten in beelden lokaliseren, getallen schatten en meerdere opties kiezen. Liquid beschrijft dit als een gehoste API voor tekst, afbeeldingen en audio. Dat is een parallelle productbeweging; de publicatie van Clairic-gewichten voegt daarnaast een route toe waarbij het team zelf de uitvoering beheert.

De cijfers blijven Cloudflares eigen tests

Cloudflare meldt dat 335 van 336 verse tekstvelden goed zijn voor Clairic en 328 voor Flash, tegenover 295 voor de preview. Op synthetische kassabonvelden in tekst en beeld halen beide nieuwe modellen 576 van 576, tegenover 369 van 576 voor de preview. Bij verse beeldvelden meet het bedrijf voor Clairic een mediane responstijd van 453 milliseconden en een 95e percentiel van 976 milliseconden; voor Flash zijn dat 305 en 605 milliseconden.

Cloudflare zegt dat er nog geen openbare benchmark voor documentextractie bestaat en noemt de vergelijking met andere modellen richtinggevend. De cijfers komen dus uit tests van het bedrijf zelf, waaronder een synthetische kassabon. De afbeelding hieronder laat het verschil zien: de preview mist de winkelnaam, terwijl Clairic die als Coffee House invult en alle vijf getoonde velden goed teruggeeft.

Vergelijking van kassabonextractie door Clairic-preview en Clairic, bron: Cloudflare
Vergelijking van kassabonextractie door Clairic-preview en Clairic, bron: Cloudflare

De modelkaarten zeggen dat de applicatie zelf betrouwbaarheidsgrenzen moet bepalen. Een score voor een vast testdocument garandeert niet dat een onbekende leveranciersfactuur zonder controle kan worden geboekt. De publicatie geeft teams nu wel keuze over de plek waar de extractie draait; de juiste keuze hangt af van documentkwaliteit, validatie en de kosten van eigen infrastructuur.

Veelgestelde vragen

Alisina Nawabi
Geschreven doorAlisina Nawabi

AI Product Engineer & Solutions Architect

Van document naar gegevens

Ik denk mee over welke informatie jouw proces nodig heeft, ontwerp de controle rond twijfelgevallen en realiseer de route van document tot werkende software. Waar dat kan, draait de verwerking op eigen infrastructuur.

Meer informatie

Dit artikel is geproduceerd samen met het Agent Team. Meer over de redactie.

Gerelateerde artikelen

Perplexity voegt Locate toe aan Decider v1.3
Nieuws
4 min

14 nov 00:23

Perplexity voegt Locate toe aan Decider v1.3

Perplexity voegt Locate toe aan Decider v1.3: de functie haalt exacte tekstfragmenten uit tickets en documenten naast classificatiekansen. API-prijzen beginnen bij $0,01 per miljoen invoertokens, maar de modelkaart spreekt de actuele downloadstatus tegen.

Liquid AI brengt zes open-weight LFM3-modellen uit
Nieuws
4 min

28 okt 00:27

Liquid AI brengt zes open-weight LFM3-modellen uit

Liquid AI maakt zes open-weight modellen voor tekst, beeld, audio en beslissingen beschikbaar. De tekstvariant past volgens het bedrijf in circa 1 GB bij 4-bit, maar commerciële inzet kent een omzetgrens en de benchmarks zijn leveranciersmetingen.

Cloudflare zet Clairic in preview voor documentextractie
Nieuws
5 min

20 okt 02:54

Cloudflare zet Clairic in preview voor documentextractie

Clairic haalt gegevens uit facturen, claims en formulieren en geeft ze als vaste velden terug. Cloudflare zet het model als preview op Workers AI; open gewichten volgen later.

Cloudflare brengt Clef-omni uit voor audio en video
Nieuws
4 min

9 okt 22:22

Cloudflare brengt Clef-omni uit voor audio en video

Cloudflare brengt Clef-omni uit als open-weight beslismodel voor tekst, beeld, audio en video. Dezelfde release verlaagt de prijs van Clef-flash en versnelt Clef, met duidelijke grenzen aan context en benchmarkbewijs.

Cloudflare publiceert Clef-modellen voor agentbesluiten
Nieuws
3 min

1 okt 18:38

Cloudflare publiceert Clef-modellen voor agentbesluiten

Clef en Clef-flash geven agenten gestructureerde classificaties met kansen. Cloudflare publiceert de modelgewichten en modelcode onder Apache 2.0, terwijl de RL-finetuning voorlopig een begeleide dienst is.

PrismML propt een 27B-redeneermodel in 4 GB op je iPhone
Nieuws
4 min

15 jul 20:22

PrismML propt een 27B-redeneermodel in 4 GB op je iPhone

Een spin-off van Caltech comprimeert een volwaardig redeneermodel van 27 miljard parameters tot minder dan 4 gigabyte, klein genoeg voor een iPhone zonder cloud. Lokale AI zonder tokenrekening komt zo binnen bereik van elk bedrijf.