Inicia 23 novCohorte 3 en vivo de Vibe Coding y Agentes IA: 3 semanas, 9 clases en directoCohorte 3 (23.11) →
LanzamientoAnálisis · En radarCloudflare AI Blog→ original

Cloudflare abre el modelo Clairic: la precisión en recibos sube del 64% al 100%

Cloudflare ha abierto los pesos de los modelos Clairic (27 000 millones de parámetros) y Clairic-flash (9 000 millones), que extraen de un recibo, una factura o un PDF los campos que se necesitan: proveedor, partidas e importe. Hasta ahora esta tarea rutinaria se solía encargar a un LLM grande y caro. En una prueba interna con 576 campos de recibos sintéticos, la nueva Clairic rellenó correctamente el 100% frente al 64% de la versión preview, y la respuesta llega en menos de un segundo. Si maneja un flujo de documentos homogéneos, compárela con su LLM actual usando archivos reales.

Procesado por IA desde Cloudflare AI Blog; editado por Hamidun News
Cloudflare abre el modelo Clairic: la precisión en recibos sube del 64% al 100%
Fuente: Cloudflare AI Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalCloudflare AI Blog ↗
Editor jefe
Precio$0,24 por millón de tokens de entrada en Clairic y $0,10 en flash
Dato clave #2Hasta el 1 de diciembre de 2026, ambos modelos cuestan $0,10 por millón de tokens
Las pruebas son internas y autodeclaradasverifíquelo con sus propios documentos

Todo producto tiene una tarea aburrida: sacar de un correo, una factura o la foto de un recibo el proveedor, las partidas y el importe total. Lo habitual es encargársela a un modelo de lenguaje grande, y el resultado es caro y lento. Cloudflare propone otro camino: modelos pequeños que solo saben extraer campos.

La compañía ha actualizado Clairic (27 000 millones de parámetros), ha lanzado la versión ligera Clairic-flash (9 000 millones) y ha abierto los pesos de ambas en Hugging Face. En una prueba interna con 576 campos de recibos sintéticos, la nueva Clairic rellenó correctamente el 100% de los campos, mientras que la versión preview acertó el 64% (369 de 576). Para un desarrollador, la conclusión es que el procesamiento de recibos, solicitudes y facturas puede probarse con un modelo especializado en lugar de un LLM generalista.

Qué hacen los modelos y qué ha cambiado

Se describen los campos necesarios, se envía texto, una imagen o páginas de PDF y se recibe una respuesta tipada. Para cada campo llegan una puntuación de confianza, la posición de los caracteres en el texto de origen y las probabilidades. Esta interfaz se mantiene igual que en la preview, así que no hay que reescribir la integración.

La principal novedad es la lectura de PDF. Se pueden pedir el proveedor, las partidas y el total en una sola llamada, aunque estén en páginas distintas. Se admiten hasta cuatro imágenes o páginas. Las filas de las tablas se devuelven de modo que la descripción, la cantidad y el precio permanecen juntos.

También ha cambiado la generación. Antes todos los campos se rellenaban en una sola pasada. Ahora los campos de texto y numéricos habituales se generan en paralelo, pero cada campo se apoya en los tokens que ya ha escrito y se detiene con su propio marcador de fin. Los campos se procesan en un único lote, por lo que la latencia apenas aumenta. Para puntuaciones, pronósticos, plazos, fechas calculadas y aritmética se han entrenado «cabezales» específicos. El modelo de 9 000 millones de parámetros de la preview se ha trasladado a la dirección @cf/cloudflare/clairic-flash, y en @cf/cloudflare/clairic ahora funciona la versión de 27 000 millones.

Las cifras: precisión y velocidad

En la prueba con campos de texto nuevos (96 consultas, 336 campos), Clairic respondió correctamente en el 99,7% de los casos (335 de 336), Clairic-flash en el 97,6% (328) y la preview en el 87,8% (295). Entre la competencia, D1.2 de Liquid AI combinado con Apple Vision para el reconocimiento de texto logró el 90,5% (304), y Extract de Scaledown, el 77,1% (259). En las comprobaciones de clientes que se siguen de forma continuada (1 263 puntos), los dos modelos nuevos lograron el 100% frente al 81,8% de la preview (1 033). En la prueba mixta con texto e imágenes (226 campos), Clairic acertó el 97,8% (221), flash el 94,2% (213) y la preview el 91,6% (207).

La velocidad se midió en un servidor propio de Cloudflare, no a través de Workers AI, y contando toda la respuesta HTTP. En campos de texto nuevos, la mediana de Clairic es de 358 ms y el percentil 95 (el tiempo en que responde el 95% de las consultas), de 736 ms; en flash, 155 y 328 ms. Con imágenes, Clairic responde en 453 ms de mediana y 976 ms en el percentil 95; flash, en 305 y 605 ms. El cálculo de créditos tarda 395 ms en Clairic y 188 ms en flash; el pronóstico de tráfico, 532 y 243 ms.

Hay salvedades. Todavía no existen benchmarks públicos de extracción de datos, las pruebas son internas y la propia Cloudflare las califica de orientativas. El 100% perfecto se obtuvo con recibos sintéticos, que son más sencillos que las fotos reales de recibos arrugados. Además, el blog contiene una incongruencia: afirma que los errores de lectura de imágenes bajaron de 207 a 0, pero el 207 de la tabla es el número de campos correctos de la preview, no de errores.

Precios y qué hacer

Clairic cuesta $0,24 por millón de tokens de entrada y Clairic-flash, $0,10. Los tokens de salida no se cobran: Cloudflare asume su coste. Hasta el 1 de diciembre de 2026, ambos modelos se venden a $0,10; después, Clairic volverá a $0,24. Si usaba el endpoint de la preview, se cambiará automáticamente al nuevo modelo.

La conclusión práctica es sencilla. Si tiene un flujo de documentos homogéneos (recibos, solicitudes de soporte, contratos de alquiler, facturas), pruebe Clairic-flash y Clairic con sus archivos y compare la precisión y el coste con su LLM actual. Los pesos abiertos permiten desplegar el modelo en infraestructura propia o ajustarlo a sus formatos. Para tareas puntuales y mal definidas, un LLM generalista sigue siendo más cómodo.

Al mismo tiempo, Cloudflare ha presentado el equipo Workers AI Superintelligence, que desarrolla los modelos propios de la compañía, incluido Clef, lanzado anteriormente.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hacen los modelos y qué ha cambiado?

Se describen los campos necesarios, se envía texto, una imagen o páginas de PDF y se recibe una respuesta tipada. Para cada campo llegan una puntuación de confianza, la posición de los caracteres en el texto de origen y las probabilidades. Esta interfaz se mantiene igual que en la preview, así que no hay que reescribir la integración. La principal novedad es la lectura de PDF. Se pueden pedir el proveedor, las partidas y el total en una sola llamada, aunque estén en páginas distintas.

¿Qué se sabe sobre Las cifras: precisión y velocidad?

En la prueba con campos de texto nuevos (96 consultas, 336 campos), Clairic respondió correctamente en el 99,7% de los casos (335 de 336), Clairic-flash en el 97,6% (328) y la preview en el 87,8% (295). Entre la competencia, D1.2 de Liquid AI combinado con Apple Vision para el reconocimiento de texto logró el 90,5% (304), y Extract de Scaledown, el 77,1% (259).

¿Qué se sabe sobre Precios y qué hacer?

Clairic cuesta $0,24 por millón de tokens de entrada y Clairic-flash, $0,10. Los tokens de salida no se cobran: Cloudflare asume su coste. Hasta el 1 de diciembre de 2026, ambos modelos se venden a $0,10; después, Clairic volverá a $0,24. Si usaba el endpoint de la preview, se cambiará automáticamente al nuevo modelo. La conclusión práctica es sencilla.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…