Cloudflare libera Clairic y Clairic-flash con pesos abiertos
Cloudflare publicó una versión actualizada de Clairic y estrenó Clairic-flash, sus modelos de extracción de datos, y esta vez con los pesos abiertos en Hugging Face. La compañía de infraestructura web se presenta ahora como un «neolab»: un laboratorio que entrena sus propios modelos frontera para clientes y para la comunidad open source.
El dato que le importa a un founder no es la etiqueta, sino el precio y la latencia. Clairic-flash es un modelo de 9.000 millones de parámetros que en las pruebas de Cloudflare respondió en 155 ms (p50) y 328 ms (p95) sobre campos de texto nuevos, frente a los 358/736 ms del Clairic de 27B. Y cuesta US$0,10 por millón de tokens de entrada, sin cargo por tokens de salida.
Qué anunció Cloudflare exactamente
Son dos modelos, no uno. El Clairic actualizado es el modelo grande, de 27B parámetros, y Clairic-flash es la variante compacta de 9B pensada para cargas sensibles a la latencia. Ambos están alojados en Workers AI como @cf/cloudflare/clairic y @cf/cloudflare/clairic-flash, y los pesos completos están disponibles en Hugging Face.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →La novedad funcional más concreta es el soporte de PDFs. En la versión preview, Clairic leía una foto de un recibo; ahora puede procesar hasta cuatro imágenes o páginas de PDF en una sola request, incluso cuando los datos relevantes están repartidos en páginas distintas. Los line items vuelven como filas que mantienen juntos descripción, cantidad y precio.
Cloudflare también se renombra a sí misma: el equipo detrás de estos modelos es ahora el Workers AI superintelligence team, el grupo de investigación que ya había lanzado Clef y que dice estar trabajando en más modelos.
Qué cambió en la arquitectura de Clairic
Cloudflare volvió al pizarrón después del preview. Para campos de texto y números, el modelo ya no usa un único forward pass: ahora emplea generación autorregresiva por slots en paralelo. Cada campo usa los tokens que ya escribió para elegir el siguiente y se detiene en su propio marcador de fin, mientras todos los campos avanzan juntos en el batch de serving. La compañía reporta que eso subió la precisión en extracción de texto e imágenes, a cambio de un costo pequeño de latencia.
Para cálculos, estimaciones y extracción, entrenaron cabezas especializadas capaces de manejar estimaciones, pronósticos, duraciones, fechas calculadas y aritmética explícita. Y mantuvieron la parte de la API que hace útil la respuesta: cada request sigue devolviendo scores de confianza, spans de caracteres y probabilidades.
El resultado más llamativo del rediseño está en imágenes: Cloudflare afirma que la precisión de lectura de imágenes pasó de 207 errores a 0 en sus benchmarks internos, cubriendo texto e imágenes.
Los números: precisión y latencia
Cloudflare publicó sus propias evaluaciones. Sobre 139 formas de request de clientes reales, tanto Clairic como Clairic-flash acertaron 1.263 de 1.263, contra 1.033 del preview, 973 de D1.2 + OCR (el modelo de Liquid AI con OCR de Apple Vision) y 653 de ScaleDown. En campos sintéticos de recibos, en texto e imagen, ambos modelos nuevos marcaron 576/576 frente a 369 del preview.
En latencia, sobre 600 requests de loan pricing, Clairic promedió 395 ms de p50 y 407 ms de p95, mientras Clairic-flash bajó a 188/192 ms. En arrendamientos comerciales (180 requests), la diferencia fue 691/803 ms contra 379/519 ms.
Hay que leer estos números con cuidado: no existen benchmarks públicos de extracción todavía y las evaluaciones son autoinformadas, algo que la propia Cloudflare admite al pedir que se tomen como guía direccional. Los comparables que aparecen en la tabla son D1.2 de Liquid AI y Extract de ScaleDown.
Cuánto cuesta y hasta cuándo dura el descuento
El modelo de 27B queda en US$0,24 por millón de tokens de entrada y el de 9B en US$0,10. Cloudflare decidió mantener el principio de precios de sus modelos System One: aunque el modelo genera tokens de salida, solo cobra por los de entrada.
Para que la migración desde el endpoint de preview sea indolora, hay un descuento promocional hasta el 1 de diciembre de 2026: hasta esa fecha, Clairic y Clairic-flash cuestan lo mismo, US$0,10 por millón de tokens de entrada. Después de esa fecha, Clairic vuelve a US$0,24. Si tu aplicación ya estaba conectada al endpoint de preview, el cambio es automático y empieza a recibir las mejoras de extracción sin tocar código.
El contexto: por qué Cloudflare entró en este negocio
Clairic no salió de la nada. Marktechpost reportó el 20 de octubre de 2026 que en el pipeline de reclamos por productos dañados que Cloudflare usó como prueba, la extracción con Clairic tomó 0,46 segundos contra 16,1 segundos de GLM-5.3, y que el costo por millón de reclamos cayó 49%, de US$11.740 a US$6.032. El mismo medio señaló que la aritmética de varios pasos sigue siendo poco confiable y que conviene dejar las cuentas al código.
Help Net Security cubrió el mismo test y recogió una frase clave del equipo: «la arquitectura hace que cada respuesta esté bien formada, no necesariamente que sea correcta». El caso del número de seguimiento lo ilustra: cuando el dato no estaba en el email, el modelo devolvió null en lugar de inventar.
CryptoBriefing contó que en el AI Engineer Code Summit del 11 de noviembre de 2026, Michelle Chen, group product manager de la plataforma de IA de Cloudflare, mostró una demo donde combinar Clairic y Clef con un LLM grande redujo una tarea de 40.000 tokens a unos 1.800, con una mejora reportada de 3,5 veces más velocidad y 77% menos costo. Ese mismo medio recuerda que Clef y Clef-flash salieron el 1 de octubre de 2026, con 27B y 9B parámetros respectivamente.
InfoQ documentó que Clef se liberó con pesos abiertos en Hugging Face, con una ventana de contexto de 64k tokens frente a los 32k de Jev, el modelo de TypeSafe con el que Cloudflare mantiene compatibilidad de API.
¿Qué significa esto para tu startup?
La tesis de fondo es simple: la mayoría de los equipos usa un LLM caro para tareas que no requieren razonamiento, como leer una factura y devolver el total en JSON. Ese trabajo se paga en tokens de salida, se rompe con JSON mal formado y obliga a apilar parsers y reintentos.
- Audita dónde estás quemando tokens de salida. Si tienes un pipeline que extrae campos de facturas, tickets de soporte o recibos con un LLM general, mide cuántos tokens de salida genera por request. Mover esa etapa a un modelo de extracción es la palanca de costo más directa que tienes hoy.
- Aprovecha la ventana promocional. Hasta el 1 de diciembre de 2026 puedes probar el modelo de 27B al precio del de 9B. Es el momento de correr tus documentos reales contra los dos endpoints y comparar precisión antes de decidir cuál dejas en producción.
- Diseña el pipeline con validación, no con fe.» Usa los scores de confianza y el
p_nullque devuelve la API para decidir cuándo escalar a un humano o a un modelo grande. Y no delegues aritmética de varios pasos al modelo: hazla en código. - Considera los pesos abiertos si tus datos son sensibles. Descargar los pesos desde Hugging Face te permite correr el modelo en tu propia infraestructura, algo relevante si operas con datos de salud, financieros o de clientes que no pueden salir de tu nube.
Para equipos en LATAM y España, hay un ángulo extra: el costo por token se paga en dólares, así que reducir el consumo de tokens de salida tiene un efecto directo en el burn mensual. Un modelo de 9B corriendo en GPUs propias también es una alternativa viable cuando el volumen crece y el tipo de cambio no ayuda.
Conclusión
Cloudflare no está compitiendo con los grandes laboratorios en modelos de razonamiento. Está apostando a que la capa aburrida del stack de IA —extraer, clasificar, decidir— se puede resolver con modelos chicos, rápidos y baratos, y que liberarlos con pesos abiertos acelera la adopción. Para un founder, la lectura práctica es que la extracción de datos dejó de ser un problema de prompt engineering y se volvió un problema de arquitectura de costos.
Fuentes
- An updated Clairic and Clairic-flash are now open-weight, from the new Workers AI Superintelligence team (fuente original)
- Cloudflare Releases Clairic, a System One Extraction Model on Workers AI
- Cloudflare bets you’re overpaying an LLM to read your invoices
- Cloudflare positions itself as a neolab with its own AI models
- Cloudflare Open Sources Decision Models for AI Agents
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













