Cloudflare, 문서 값 추출 모델 Clairic 공개, 파이프라인 3.2배 빨라

Cloudflare가 2026년 10월 19일 비정형 텍스트와 이미지에서 값을 뽑아내는 모델 Clairic의 미리보기를 공개했다. Cloudflare의 추론 서비스 Workers AI에서 @cf/cloudflare/clairic이라는 이름으로 쓸 수 있고, 회사는 모델 가중치도 곧 공개할 계획이라고 밝혔다. 회사는 Clairic이 입력에서 값을 추출하고 계산하고 추정하고 예측하며, 기존 대규모 언어 모델보다 정확도가 높고 지연 시간이 짧고 비용이 낮다고 주장한다.

Cloudflare는 이 모델을 System One 계열의 추출 모델이라는 새 분류로 소개했다. 요청 한 건은 읽을 텍스트(이미지는 최대 4장까지 선택)와 필드 목록으로 구성한다. 필드마다 이름과 유형, 필요하면 평문 지시를 적으면 필드당 하나의 유형 지정 답이 돌아온다. 요금표와 지원 지역은 이 글에서 밝히지 않았고, 호출은 Worker의 env.AI.run() 또는 REST API로 한다.

System One 계열의 두 번째 갈래

System One 모델은 TypeSafe가 한 달 전 처음 발표한 개념이다. 대니얼 카너먼의 책 『생각에 관한 생각』에서 따온 구분으로, System One은 빠르고 정밀하게 답하고 System Two는 숙고하며 추론하는 쪽이다. TypeSafe가 내놓은 Jev는 특정 용도에 맞춘 모델이며, 틈새 영역을 다루는 만큼 접근하기 쉬운 가격이 매겨졌다. Cloudflare는 이 개념에서 영감을 받아 LLM이 비효율적인 다른 작업을 고민하기 시작했다고 밝혔다.

지금까지 System One 모델은 모두 결정 모델이었다. Jev와 Clef는 입력 상태와 질문 목록을 받아 각 질문에 대한 확률을 돌려준다. 반면 청구서(invoice) 총액, 배송일, 지연 일수, 수리비, 앞으로 24시간의 교통량처럼 선택지를 미리 나열할 수 없는 질문이 있다. Clairic은 이런 질문에 값을 직접 내놓는다.

Cloudflare는 모델 작업의 출력을 숫자, 고정된 선택지 중 하나, 자유 서술 텍스트로 나눈다. Clairic은 숫자를 80% 구간과 함께 돌려주고 이름, 날짜, 목록 같은 유형 값도 뽑는다. Clef는 선택지별 확률을, LLM은 자유 서술을 맡는다. Clairic과 Clef는 토큰을 생성하지 않고 한 번의 병렬 처리로 답하므로 입력에만 요금이 붙고 보통 1초 안에 응답한다. 같은 단계를 추론으로 처리하는 LLM은 몇 초가 걸린다고 회사는 설명했다.

작동 방식과 반환 값

답은 네 종류다. 추출 값은 입력에 있는 텍스트를 글자 위치(오프셋)와 신뢰도 점수와 함께 돌려준다. 계산 값은 숫자, 날짜, 시각, 기간, 목록을 입력에서 읽거나 계산한 것으로, 센트 필드는 소수 둘째 자리까지 같은 유형 규칙을 따른다. 추정 값은 입력에 적혀 있지 않지만 근거가 있는 값으로, 사용자가 정한 범위와 눈금 안의 분포로 나오며 중앙값과 80% 구간이 붙는다. 예측 값은 시계열의 미래 값으로, 앞선 단계마다 80% 구간이 있다.

스칼라 답에는 값이 입력에 없을 확률 p_null과 신뢰도(confidence)가 붙는다. 추정 답에는 중앙값과 80% 구간(p10~p90)이 붙고, 요청하면 백분위 99개를 모두 받을 수 있다. 필드 수에 제한은 없다. 입력과 함께 한 번에 처리하기 어려우면 서버가 필드를 여러 병렬 처리로 나눠 각각 입력 전체를 읽게 한 뒤 답을 합친다. 필드를 30개 요청해도 3개 요청과 비용이 비슷하다는 것이 회사 설명이다.

Cloudflare는 이 모델이 토큰을 생성하지 않아 형식이 틀린 답이나 LLM과 같은 방식의 환각은 만들 수 없다고 설명했다. 다만 오답은 낼 수 있다. 답은 요청한 유형의 값이거나, 입력에서 답을 찾지 못하면 null이다. 신뢰도 점수는 그 값을 믿을지, 다시 볼지 정하는 기준이다. 회사는 추출 모델이 원본 입력을 유형 값으로 바꾸고, 결정 모델이 값을 결정으로 바꾸고, LLM이 결정을 문장으로 바꾼다고 역할을 나눴다.

공개된 사용 예

첫 예시는 고객 지원 이메일이다. 주문 A-88412가 2026년 9월 28일 도착했고 화면이 깨지고 모서리가 찌그러졌다는 내용이며, 고객은 649.00달러에 세금 52.10달러를 냈고 편지를 쓴 날은 10월 9일이다. Clairic은 주문번호 A-88412와 배송일 2026-09-28을 글자 위치와 함께 돌려줬다. 결제액은 이메일에 적혀 있지 않은데 두 금액을 더해 701.10달러로, 배송 후 경과 일수는 두 날짜에서 11일로 계산했다. 파손 내용은 '깨진 화면'과 '찌그러진 모서리' 목록으로 나왔다. 운송장(추적) 번호(tracking_number)는 메일에 없어 null이 나왔고 p_null은 1이었다. 그럴듯한 값을 지어내지 않은 것이다.

각도가 비뚤고 글자가 흐린 영수증 사진에서도 값을 뽑았다. 주문번호 77245(신뢰도 약 0.78), 구매 시각 2026-07-01T13:34:00(약 0.83), 수량 2, 단가 7.99, 소계 15.98, 세금 0, 팁 2.39를 읽었고, 영수증에 없는 할인은 null로 돌려줬다.

추정 예시는 비교 매물 5건의 면적, 침실 수, 건축 연도, 동네, 판매가를 주고 1,620제곱피트 3침실 2001년식 Elm Park 주택의 가격을 묻는 요청이다. 범위는 5만~500만 달러, 로그 척도, 1,000달러 단위로 지정했다. 결과는 값 418,000달러, 중앙값 415,000달러, 80% 구간 370,000~470,000달러였다. 구간이 좁으면 입력이 예측을 잘 뒷받침한다는 뜻이고, 넓으면 근거가 약하다는 뜻이다. 회사는 이 신호로 추가 검토 대상을 가를 수 있다고 설명했다. 후보나 매물마다 필드를 하나씩 두어 한 번에 점수를 매기고 코드에서 정렬하는 쓰임도 소개했다.

예측은 미국 교통안전청(TSA)이 공항 검색대에서 매일 집계하는 이용객 수로 시험했다. 매일 아침 그때까지의 실제 수치를 주고 다음 날 수를 물어 21일 연속 반복했다. 10월 14일 예측은 점 예측값(value) 2,416,117명, 중앙값 2,419,283명에 80% 구간 2,270,774~2,556,769명이었고, 실제는 2,419,474명으로 중앙값에 가까웠다. 21일 평균 오차는 3.3%였고 실제 값 17개가 80% 구간 안에 들어왔다. 회사는 이것이 80% 구간에 기대되는 수준이라고 설명했다. 모델은 숫자만으로 화요일과 토요일이 한산하고 목·금·일요일이 붐비는 주간 패턴을 잡았다. 구간 밖 4일 중 3일은 컬럼버스 데이 연휴 주말로, 직전 몇 주의 흐름이 시사한 것보다 많은 사람이 비행기를 탔다. 시계열에 드러나지 않은 휴일 같은 사건은 반영하지 못한다.

세 모델을 이은 파이프라인 비교

Cloudflare는 파손 제품 환불 청구 처리를 세 단계로 나눠 시험했다. Clairic이 이메일에서 고객 이름, 주문번호, 결제액, 경과 일수, 파손 내용, 수리비 추정치를 뽑고, Clef가 이 값과 정책(배송 후 30일 이내 환불, 수리비가 가격의 60% 미만이고 제품이 작동하면 수리 우선)으로 환불과 수리 중 하나를 고르고, 마지막으로 GLM-5.3이 답장을 쓴다. 비교 대상은 같은 이메일, 정책, 프롬프트로 세 단계를 모두 GLM-5.3이 처리하는 방식이다. 회사는 이 구성이 프롬프트 주입에 취약할 수 있는 자유 서술 이메일 대신 유형 값 다섯 줄 요약으로 결정하게 하고, 답장 단계의 LLM은 이메일 원문을 보지 못해 잘못 쓸 숫자도 적다고 설명했다.

Cloudflare에 따르면 세 모델 구성은 시간이 69% 적게 걸려 약 3.2배 빨랐고 비용은 49% 낮았다. 추출과 결정 두 단계는 Clairic과 Clef가 합쳐서 1초 안에 끝냈지만 GLM-5.3은 같은 두 단계에 38초가 걸렸다. 두 구성 모두 매번 사실관계와 결정은 맞혔다. 차이는 수리비 추정에서 났다. Clairic은 매번 같은 값을 냈고 GLM-5.3은 250달러, 250달러, 220달러로 달라졌으며 구간도 실행마다 달랐다. 또 전 단계를 LLM으로 돌린 구성에서 Gemma 4와 Qwen은 repair_cost 같은 값을 입력에서 추론하지 못해 작업에 실패했다고 회사는 밝혔다.

초기 체크포인트의 한계

현재 엔드포인트는 초기 체크포인트이고, Cloudflare는 앞으로 나아질 것으로 기대한다고 밝혔다. 회사가 직접 적은 초기 인상과 한계는 다음과 같다.

• 합계, 차이, 단위 변환, 날짜 계산처럼 한두 단계 계산은 믿을 만해 보인다는 것이 회사의 초기 인상이다. 의존 단계가 긴 계산이나 표의 여러 행을 합산하는 일은 한 번에 처리하는 모델에 어렵다. 값은 Clairic이 예측하게 하고 수학은 코드가 맡기라고 회사는 권했다.
• 추정은 비교 사례, 이력, 서술 텍스트처럼 입력에 근거가 있을 때 가장 잘 맞는다. 근거 없는 값을 물으면 구체성이 떨어질 수 있다.
• 구간은 보정되도록 학습했고 대부분의 검증용 데이터에서 맞지만 낯선 데이터에서는 좁게 나올 수 있다. 보정은 측정한 것이지 보장하는 것이 아니다.
• 예측 기능은 기초 수준이다. 특정 데이터로 학습한 시계열 모델을 대체하도록 만들지 않았으며, 중요도가 낮은 일반 패턴 파악에 쓰고 세부적인 장기 예측에는 쓰지 말라고 회사는 밝혔다.
• 출력 형식은 항상 유효하지만 내용이 반드시 맞는 것은 아니다. 신뢰도, p_null, 구간을 보고 자동화할 일과 사람이 다시 볼 일을 가르라는 것이 회사의 안내다.

Cloudflare는 모델 문서와 추출 모델 API 설명 문서, 위 환불 청구 파이프라인의 라이브 데모를 공개했다. 모델 이름은 Clef와 소리를 맞추고 사무 업무(clerical)와 예측(clairvoyance)을 연상시키는 Clair에서 따왔고, Cloudflare의 AI 회귀(regression) 모델이라는 뜻도 겹쳤다고 회사는 설명했다.

비정형 문서에서 필드를 뽑는 파이프라인을 운영 중이라면 참고할 대목이 있다. Cloudflare는 신뢰도, p_null, 구간을 보고 자동화할 일과 추가 검토할 일을 가르라고 안내했다. 다만 위의 지연 시간과 비용 수치는 Cloudflare가 자체 시나리오 하나로 잰 값이다. 가중치가 공개되면 다른 문서와 데이터로 다시 시험해 볼 수 있다.