Cloudflare lanza Clairic, un modelo que extrae datos de documentos más rápido y barato que los LLM
Hecho Qué ha ocurrido
Cloudflare ha publicado en preview en Workers AI Clairic, un modelo que, según la compañía, extrae datos de documentos más rápido y barato que los grandes modelos de lenguaje. Responde a todos los campos solicitados en una sola pasada, devuelve un nivel de confianza y 'null' si falta un valor, y los pesos abiertos llegarán pronto. Según Cloudflare, una cadena de atención a reclamaciones tarda 19,3 segundos frente a 61,7 segundos de GLM-5.3 solo, que además cuesta casi el doble.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Sugiere que las tareas de extracción estructurada pueden resolverse con modelos más pequeños y baratos, combinados con LLM solo donde hace falta generar texto.
- Quién se ve afectado
- Empresas que procesan facturas, pedidos o reclamaciones a gran volumen y desarrolladores que construyen flujos sobre Workers AI.
- Qué puede cambiar
- Los flujos de extracción de documentos podrían separarse de los LLM para reducir latencia y coste, aunque las cifras son de la propia Cloudflare.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Publicación de los pesos abiertos, precios en Workers AI y comparativas independientes de precisión frente a LLM en documentos reales. Cloudflare indica que aún no maneja bien cadenas largas de cálculos.
Recomendación Qué debería hacer una empresa
Evaluar Clairic frente a tu extractor actual con una muestra de documentos propios en los próximos 3-6 meses, antes de cambiar de arquitectura.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗modelos pequeñosextracción de datosLLM Cloudflare Clairic Cloudflare extracción de datos GLM-5.3 Workers AI
Relacionadas
Cloudflare integra GPT-5.4 y Codex de OpenAI en su plataforma Agent Cloud
Cloudflare ha incorporado los modelos GPT-5.4 y Codex de OpenAI a su servicio Agent Cloud, permitiendo a empresas construir, desplegar y escalar agentes de IA…
Por qué importaFacilita a empresas que ya usan infraestructura de Cloudflare adoptar agentes basados en modelos de OpenAI sin necesidad de gestionar directamente la…
AWS permite extraer datos de documentos con Claude sin entrenar modelos
AWS publicó en su blog de Machine Learning un tutorial sobre cómo usar Claude Tool Use (function calling) en Amazon Bedrock para reconocimiento automático de…
Por qué importaElimina la necesidad de entrenar modelos específicos para tareas de extracción de datos, reduciendo significativamente tiempo y recursos. Es…
AWS pone a disposición de Bedrock el modelo de vídeo Pegasus 1.5 de TwelveLabs
TwelveLabs Pegasus 1.5 está disponible en Amazon Bedrock, en la región us-west-2. El modelo convierte vídeos de larga duración en metadatos estructurados con…
Por qué importaPara equipos que manejan grandes volúmenes de vídeo, como medios, deportes o marketing, puede sustituir revisiones manuales por extracción…
OpenAI publica un checker para comprobar si una web expone una versión de PHP vulnerable
OpenAI ha publicado un pequeño checker con dos skills para Codex: phpcheck-url, que identifica la versión de PHP que una web expone públicamente, y…
Por qué importaOfrece una primera comprobación rápida tras las vulnerabilidades críticas de PHP, aunque no sustituye a una auditoría. Un resultado OK solo refleja…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.