Cloudflare Clairicとは？抽出モデルをわかりやすく解説

TL;DR

Cloudflare Clairicは、Cloudflareが2026年10月19日にWorkers AIでプレビュー公開した新しい抽出モデルです。散らかった入力（メール、レシートの写真、CSV）と型付きフィールドの一覧を渡すと、フィールドごとに型付きの値を信頼度スコア付きで、1回の処理で、テキストを生成せずに返します。値を写し取る（注文番号）、計算する（配達からの日数）、80%の範囲つきで見積もる（修理費）、系列の次の数ステップを予測する、といったことができます。

料金は入力トークン100万あたり0.10ドルで、出力の料金はありません。オープンウェイトは「近日中」に公開すると約束されています。Cloudflareの破損注文のデモでは、GLM-5.3が16.1秒かかった抽出をClairicは0.46秒で終え、Clairic、Clef、LLMを組み合わせた全体のパイプラインは、全ステップをLLMで行う場合より49%安くなりました。

サポートチームにとってClairicは、とても優秀なパーサーであり、それ以上ではありません。「注文A-88412が割れて届いた」を、コードが信頼できるフィールドに変えます。注文を調べたり、返信したり、返金したりはしません。読み取りとその後の作業の両方がほしいなら、eeselのAIヘルプデスクチームメイトがヘルプデスクの中で両方こなします。たとえばRúngneでは、人が開く前にすべてのGorgiasチケットが受付済み、タグ付き、下書き済みになっています。

Cloudflare Clairicとは？

私は毎日eeselのサポートキューを担当していますが、ほとんどのチケットで時間がかかるのは返信を書くことではありません。転記です。2段落目にある注文番号、追跡メールにある配達日、ぼやけたレシート写真の合計金額。Cloudflare Clairicは、まさにこの転記のために作られたモデルで、「System One」の波から出てきたものの中でいちばん実用的です。

Clairicは2026年10月19日にCloudflareのブログで発表されました。執筆はWorkers AIチームのAlex Reneau、Michelle Chen、Kevin Flansburgです。Workers AI上で@cf/cloudflare/clairicとして提供され、プレビュー扱いで、Cloudflareは重みを後日公開するつもりだと述べています。

モデルカードは短いものです。65,536トークンのコンテキストウィンドウ、ビジョン対応（1リクエストあたり最大4枚の画像）、そして価格が1行だけ。名前はCloudflareによれば「clerical（事務の）」「clairvoyance（千里眼）」、そしてCloudflare AI Regression modelを混ぜたもので、地味なデータ入力にちょっとした予測を足した、というこのモデルの中身をうまく言い表しています。エージェント用ブラウザのKitesurfやWeb検索APIに続く、CloudflareのAIチームの忙しい数週間の締めくくりです。

なぜCloudflareは抽出モデルを作ったのか？

Clairicの1か月前に、TypeSafeがJevと、ダニエル・カーネマンの速い思考と遅い思考から借りたSystem Oneモデルという考え方を発表しました。Cloudflareは10月1日に独自の判断モデルClefで続きました。どちらも、答えの候補を事前に挙げられる質問に答えます。緊急かどうか、どのチームの担当か、返金か修理か、といったものです。

Cloudflareの主張は、フロンティアLLMに送られる構造化出力の呼び出しの多くは、答えを事前に挙げられないということです。請求書の合計はいくらか。いつ配達されたか。何日遅れているか。判断モデルはここでは役に立ちません。確率を割り振る固定の選択肢がないからです。Clairicは、Cloudflareが「System One抽出モデル」と呼ぶ第2のクラスの最初のモデルです。

Cloudflareが3つのクラスをどう整理しているか、公開記事から要点をまとめます。

Cloudflareの記事で何度も思い返す一文はこれです。抽出モデルは生の入力を型付きの値に変え、判断モデルは値を判断に変え、LLMは判断を言葉に変える。サポートのワークフローをこう分けるのはすっきりしていて、「全部を大きなモデルに投げて祈る」よりも、優秀なエージェントがチケットを処理する実際のやり方に近いと思います。

Cloudflare Clairicはどう動くのか？

リクエストは2つの部分からなります。stateは読ませたいテキスト（と、最大4枚のPNG、JPEG、WebP画像をインラインで）です。fieldsマップがスキーマで、各フィールドに名前、型、任意の平易なinstructionsを付けます。Clairicはすべてを1回の順伝播で読み、全フィールドを一度に答えるので、30個のフィールドを頼んでも3個頼むのとほぼ同じコストです。

フィールド数に上限はありません。モデルのドキュメントによると、stateと一緒に8,192トークンの1回の処理に収まらないフィールドは、それぞれが入力全体を見る並列の処理に分割され、あとでマージされます。

単一の値の答えにはすべて、p_null（入力にその値が含まれていない確率）とconfidenceスコアが付きます。見積もりと予測には中央値と80%区間（p10からp90）が付き、options.include_quantilesで99個すべてのパーセンタイルも取得できます。フィールドが今日の日付に依存する場合は、変更履歴のエントリにあるとおり、reference_dateを設定するか、stateに「Today: 2026-10-19」のような行を加えます。

抽出と計算による値

Cloudflareの主な例はサポートメールで、だから私は注目しました。顧客が、注文A-88412は9月28日に画面が割れ角がへこんだ状態で届いた、649.00ドルと税52.10ドルを支払った、今日は10月9日だ、と書いています。Clairicに6つのフィールドを求めると、答えは発想のすべてを一度に見せてくれます。

• order_idは"A-88412"で返り、メール内の位置と信頼度0.999957が付きます。
• amount_paidは701.1で返ります。どこにも書かれていない数字です。Clairicが価格と税を足しました。
• days_since_deliveryは11で返ります。テキスト内の2つの日付から計算されました。
• damageはリスト["cracked screen", "dented corner"]で返り、2か所の位置も付くのでハイライトできます。
• tracking_numberはnullで返ります。メールに書かれていないからです。モデルのguessは「$52.10」、信頼度は0.416、p_nullは1でした。

最後の例はサポート担当者がぜひ注目すべき点です。LLMに追跡番号を尋ねると、それらしく見える文字列を返すことがあります。Clairicはnullを返し、推測するならこうだったと伝えます。だからコードは、存在しない番号を運送会社で探すのではなく、顧客に尋ねることができます。サポートボットでのハルシネーション防止と同じ発想が、出力形式に組み込まれているわけです。

Cloudflareは、少し傾いた実物のレシートの写真も通しています。Clairicは注文番号、タイムスタンプ、数量、単価、小計、税、チップを読み取り、割引は印字がないのでnullを返しました。難しい読み取りでは信頼度が低め（注文番号で0.78、タイムスタンプで0.83）、きれいな箇所では0.99超で、望ましい挙動です。

見積もりによる値

入力にはない値でも、その根拠が入力に含まれていることがあります。Cloudflareの例は住宅価格です。比較用の5件の売買事例と対象物件1件を渡し、sale_priceフィールドをestimate型、5万ドルから500万ドルの対数スケールで指定しました。Clairicは中央値41万5,000ドル、80%の範囲37万ドルから47万ドルを返しました。

役に立つのは、この範囲の幅です。Cloudflareの抽出モデルのガイドによれば、狭い区間は入力が見積もりを裏づけていること、広い区間は裏づけていないことを示します。サポートでは、破損注文の例の修理費の見積もりがこれにあたり、人が勘に頼らずに次のステップが「修理」か「返金」かを決められます。

予測による値

forecastフィールドは履歴をプレーンテキストで受け取り、将来のステップごとに80%区間つきの見積もりを返します。Cloudflareは、米国の空港保安検査場で1日に検査される人数で試し、21日連続で毎朝翌日の人数を尋ねました。

予測は平均3.3%のずれで、21日中17日の実績が80%区間に収まりました。これは80%区間として、ほぼ期待どおりです。外れた4日のうち3日はコロンバスデー連休で、Clairicは系列のパターンを読むだけで、系列に表れない祝日は知らないためです。Cloudflareは、専用の時系列モデルの代わりにはならないと率直に述べているので、私は祝日のシフト表をこれで組むことはしません。そのためには、きちんとしたサポートの要員予測の仕組みが今もふさわしい道具です。

ClairicとClefとLLMの違いは？

Clairicがどこにはまるかは、Cloudflareが公開に合わせて作ったパイプラインがいちばんわかりやすく示しています。同じ破損注文のメールを2通りの構成に通します。1つ目では、Clairicが事実を抽出し、Clefが文書化された方針にもとづいて返金か無償修理かを判断し、GLM-5.3が返信を書きます。2つ目では、GLM-5.3が3つのステップをすべて行います。

これは3.2倍速く、49%安いことになり、残りの時間とコストのほぼすべてが、テキストを書く1ステップに集中しています。どちらのパイプラインも毎回、事実と判断を正しく処理したので、「LLMが失敗した」という話ではありません。Cloudflareが指摘する違いは一貫性です。Clairicの修理費の見積もりは毎回同じでしたが、GLM-5.3は250ドル、250ドル、220ドルとばらつきました。また、Gemma 4とQwenでLLMのみの構成を動かした場合は、修理費をそもそも出せなかったとCloudflareは述べています。

この設計には、セキュリティ面の利点も隠れています。Clefは生のメールではなく型付きの値の5行の要約から判断し、LLMはメールをまったく見ません。モデルを説得して返金させようとする顧客メッセージは、型付きフィールドを通り抜けるのがずっと難しくなります。AIによる返金の自動化を考えている人には重要な点です。

Cloudflareのライブのパイプラインデモでは、自分のメールと方針のテキストで比較を試せます。

Cloudflare Clairicの料金は？

Clairicは、ほかのWorkers AIモデルと同様にニューロン単位で課金され、Workers AIの料金ページに兄弟モデルと並んで載っています。トークンを生成しないので、入力の料金しかありません。

Workers AI自体は1,000ニューロンあたり0.011ドルで、どのアカウントにも1日10,000ニューロンの無料枠があり、00:00 UTCにリセットされます。無料枠を超えるにはWorkers Paidプランが必要です。

具体例として、モデルページの請求書の例では、3回の処理で655入力トークン（請求書テキストが61、6フィールドのスキーマが472、残りがオーバーヘッド）を使いました。100万あたり0.10ドルなら1回の呼び出しは約0.000066ドル、請求書10万件で約6.55ドルです。無料の10,000ニューロンは1日あたりClairicの入力トークンで約110万に相当するので、この例なら1日約1,680回の呼び出しは無料です。スキーマのほうが文書より大きかった点に注目してください。トークンの請求額を押し上げるのは、各フィールドに付ける長いinstructionsなので、短く保ちましょう。

今お使いのLLMとの比較には、Clefの料金ガイドに判断側の計算ツールがあり、AIサポートのコストの内訳では、スタック全体の1チケットあたりのコストを扱っています。

Clairicの現時点の制限は？

これはプレビュー版であり、Cloudflareはまだ動かないことについて異例なほど率直です。公開記事と変更履歴から整理します。

• 計算は2ステップまで。 合計、差、換算、日付の計算は信頼できます。依存する長いステップの連鎖や、多くの表の行をまたぐ合計は信頼できません。Cloudflareの助言は、Clairicに入力を抽出させ、計算はコードに任せることです。
• 見積もりには根拠が必要。 入力に手がかりのない値を求めると、広い区間が返ります。
• キャリブレーションは実測であり、保証ではない。 区間は較正されるよう学習されており、ほとんどの保留データセットでは較正されていますが、見慣れないデータでは狭くなることがあります。
• 予測は基本的なもの。 次のステップの予測は直近のパターンに従い、より長い期間では平均に近づき、系列に表れない祝日は外します。
• 形式が正しいことは正しい内容を意味しない。 型が保証するのは形だけです。confidence、p_null、区間を使って、自動化するものとレビューに回すものを決めましょう。

実用上の制限もあります。画像は1リクエストあたり最大4枚、1枚4 MiB、合計8 MiBまでで、リモートURLは受け付けず、バイト列をインラインで送ります。ClairicはText Generationに分類されており、Workers AIの制限のページでは、そのタスク種別の既定値は1分あたり300リクエストです。

公開初日に人々が気づいた唯一の欠落はベンチマークです。Cloudflareは実例とパイプラインの比較は公開しましたが、標準的な抽出ベンチマークのスコアはまだありません。

"It's interesting that they haven't published any benchmarks yet."

cat-whisperer, Hacker News

同じスレッドの別の人たちは、今後どこまで広がるかに関心を寄せていました。

"Seems like it might excel at NER and intent-slot tasks, too."

spdustin, Hacker News

私もそう見ています。Cloudflareが数値を公開するまでは、数百件の自社チケットでClairicを動かし、そのフィールドをチームが実際に入力した内容と比べるのが、誠実な評価方法です。

Clairicはサポートキューのどこにはまるのか？

サポートの現場では、ここがこのモデルの本領だと思います。エージェントがチケットの最初の1分でやることの多くは抽出です。注文番号を探す、配達日を確認する、返品期間内かを判断する、何が破損しているかを書き留める。今年前半のデモ通話で、Zendeskを使うBtoBテレマティクスのチームが、営業担当の同僚に、最初に欲しいのは決まったタグ一覧からのタグ付けと、チケットフィールドの自動入力の2つだと話していました。Clairicは、後者を自前で作るすっきりした方法です。

一般的なサポート業務を3つのモデルクラスにどう振り分けるか、私ならこうします。業務を選ぶと、どれが合うかがわかります。

JSONモードや関数呼び出しを使ったLLM呼び出しにはなく、Clairicにあるのは、何を信頼するかを決める仕組みが最初から備わっていることです。すべての答えに信頼度と欠落の確率が付いており、これは3つのレーンにきれいに対応します。

これは、ほとんどのヘルプデスクがすでにチケット分類で使っているのと同じ考え方で、すでに使っているツールの背後にも組み込めます。Zendesk自身のエンティティ抽出はヘルプデスクの内部でこの一種を行い、高度なAI版ではカスタムエンティティも加わります。Clairicは自前で作る選択肢です。スキーマとしきい値をより細かく制御できる代わりに、抱えるコードが増えます。

Clairicがしないのは、実際の作業です。Shopifyを開いて注文を確認したり、返金承認マトリクスを適用したり、チケットに書き戻したり、破損品に人の対応が必要なタイミングを見極めたりはしません。それらをすべて行うWorkerを誰かが書き、エスカレーションを扱い、ヘルプデスクのAPIが変わっても動かし続ける必要があります。自社のチケットトリアージのパイプラインに、速くて安いパーサーを入れたいエンジニアがいるチームなら、妥当な取引です。今週中にキューを片づけたいサポートチームにとっては、答えではなく部品です。

Cloudflare Clairicはどんな人に向いている？

私がClairicを選ぶのは、次の3つの場合です。

• すでにWorkersで動かしている。 呼び出しは既存のコードの隣にenv.AI.run()を1行加えるだけで、1日の無料ニューロンで少量の抽出なら十分まかなえます。
• 同じ形のデータを何度も解析している。 請求書、レシート、注文メール、出荷通知。固定のフィールドで大量にあり、呼び出しのたびにLLMのJSONを検証し直すより、型付きの答えのほうが優れています。
• モデルが自信を持てないときを知りたい。 confidenceとp_nullのスコアが振り分けの信号をただで与えてくれ、安全な自動化の仕事の大半はそこにあります。

自社のハードウェアで動かしたい（まだ重みがない）、公開前のレビューに監査済みの精度の数値が必要（まだベンチマークがない）、あるいは大きな表をまたぐ多段階の計算が中心（Cloudflare自身もコードでやるよう勧めています）という場合は、待つでしょう。また、本当にほしいのがきれいなフィールドではなくキューのチケット数を減らすことなら、完成済みのAIヘルプデスクエージェントなら、構築なしでそこに届きます。

抽出のあとのチケットはeeselで

Clairicはインフラです。eeselは従業員です。eeselはAIチームメイトのプラットフォームで、ここで重要なのはAIヘルプデスクチームメイトです。Zendesk、Freshdesk、Gorgias、Frontのキューに参加し、過去のチケットとヘルプセンターから学び、Clairicが行う読み取り、つまり注文を探す、日付を確認する、破損箇所を見つけるといったことを、チケット対応の一部としてこなします。そして行動します。タグ付け、下書き、回答、引き継ぎを行い、「先に確認」に設定したものは、人が承認するまで待機します。

ノルウェーのクライミングアパレルブランドRúngneは、GorgiasとShopifyで3つのeeselエージェントを動かしています。1つはすべてのチケットを受付してタグ付けし、1つはShopifyで注文、追跡、在庫を調べて下書きを残し、1つは簡単な質問に直接答えます。2026年8月8日から9月8日までの間に、約2,100件のチケットを処理し、チーム向けの下書きを580件残し、注文の照会を150件行いました。破損品、紛失した荷物、キャンセルは直接人に回されます。抽出を使った自動化なら、私も同じ線引きをします。Dokument 24は、Zendeskでより軽量な形を実現しています。最初のメッセージすべてに製品タグを付け、デンマーク語の下書きを社内メモとして残します。

Clairicにひかれる理由がプログラムで扱えることなら、eesel CLIを見てください。ダッシュボードと同じチームメイトをターミナルから動かすもので、すべてのコマンドがJSONを出力するので、スクリプトやClaude Code、Cursor、Codexのようなコーディングエージェントがセットアップ全体を実行できます。抽出型のワークフローなら、次のようになります。

• npx @eesel/cli initはアカウント不要でワークスペースを開始し（Node 18.17以降）、eesel loginで保持します。
• eesel integrations connect <platform>でZendesk、Freshdesk、Gorgiasに接続し、eesel integrations <platform> actionsでそこでチームメイトが実行できるすべてのアクションを承認設定つきで一覧します。
• eesel instructionsには、常時のルールを平易な言葉で書きます。たとえば「注文番号フィールドを埋める。なければ尋ねる」です。
• eesel approvals listとeesel approvals approve <id>で、保留中のアクションをスクリプトから処理でき、--dry-runは書き込みが行う正確な呼び出しを、実行前に出力します。
• eesel activityはチームメイトの行動を新しい順に表示し、これが監査証跡になります。

ワークスペースはMCPサーバーでもあり（eesel mcp tokenがclaude mcp addの行を出力します）、ターミナルからのサポート運用については、同僚のAIエージェントCLIの記事で詳しく扱っています。

価格の単位が違うのは、買うものが違うからです。eeselの料金は100クレジット無料で始まり、その後は500クレジットで299ドルからの月額固定プランです。1クレジットは、照会やアクションがいくつ必要でも、チケットまたはチャット1件ぶんをまかないます。抽出レイヤーを自分で作りたいなら、Clairicは速く、安く、誠実な部品です。注文メールをこの週のうちにヘルプデスクの中で読み、調べ、回答してほしいなら、ご自身のキューでeeselを試し、お支払いの前に下書きを読んでください。