导语:让AI取字段,先想想机器读得到什么
11月18日,Cloudflare把两款专做信息抽取的模型以开放权重形式放出,27B的Clairic和9B的Clairic-flash,采用Apache-2.0许可,权重托管在Hugging Face,同时在Workers AI上提供托管端点。这类模型干的活很具体:把发票、工单、合同里的字段抽成结构化数据,连置信度、字符位置都一并给出。官方自评称,九十六份文本字段请求共三百三十六个字段,27B填对三百三十五个。当AI大模型越来越擅长从网页里抽取事实,企业官网写清楚字段,就从加分项变成了生成式引擎优化(GEO优化)的基础功课。
事件背景:从吐JSON到专用抽取端点
据Cloudflare官方博客与多家技术媒体报道,新版把此前的抽取方式改成了并行槽位自回归生成:每个字段各自生成自己的词元直到结束标记,同批字段并行推进,遇到自己的结束符就停。响应里除了值,还带置信度分数、字符区间和概率,业务代码可以据此设阈值,决定哪些结果转人工复核。新版还加了图片与PDF支持,单次请求可含四张图或PDF页,明细按行返回。厂商明确说明,目前没有公开的抽取基准,公布的成绩属自报、方向性参考,这一点值得企业留心。
深度分析:便宜的单价,未必是便宜的账
价格口径同样需要细看。官方定价只对输入词元计费,27B每百万0.24美元,9B每百万0.10美元,12月1日前两档均按0.10美元促销。但字段各自生成意味着计费轮次会累加,图片也会转成输入词元,同一张单据加字段、换模型、重试都会改变总账。延迟方面,官方自测中27B的p50约358毫秒,9B约155毫秒。换句话说,挑模型不能只看标价低不低,得拿自己的真实样本跑一遍,算每处理对一份材料花多少钱。这些数字均为厂商披露的口径,并非独立测评结果。
企业视角:把官网写成机器能核验的字段
抽取模型越普及,企业官网越要经得起机器读。落到GEO优化上,有三处可以先动。起手,把产品参数、资质认证、服务范围写成网页正文里的HTML文本,而不是只压在图片或PDF里,机器读不到就等于不存在。接着,给关键字段配上结构化标记(Organization、Product、FAQ等),并让标记与正文保持一致,避免出现标记写一套、页面写另一套的冲突。再者,给事实标上出处与时间,让模型在多个信源取到同一份说法,提升AI搜索引用与被AI引用的稳定性。极欧GEO(jiougeo.com)建议企业拿一页核心产品页做试验:看抽取模型能不能一次取全型号、参数、交期,取不全的地方,就是要补的功课。
趋势研判:结构化是复利,不是补丁
把这次发布放进近期脉络看,抽取类小模型正成为开放权重的一条新支线,结构化处理能力在往可自部署、低成本的方向走。对企业来说,这意味着让机器读懂我的门槛在下降,工具越好用,内容本身的质量越成为分水岭。想靠一堆图片和模糊描述蒙混过关,会越来越难;把事实写清楚、写标准、写成可核验的结构,反而是省心省力的长期做法。至于哪款模型更划算,12月1日促销结束后价格会变,企业宜先小批量验收再决定。
