---
title: "Clairic vs Jev、Clef：抽取模型和决策模型怎么选，怎么串联"
description: "Clairic 从文本和图片里取出类型化的值，Jev、Clef 在你列出的选项里做决定。一张表看区别，以及“先抽取、再决策、最后生成回复”的组合用法。"
canonical: "https://system-one.dev/zh-CN/blog/clairic-vs-jev-clef"
language: "zh-CN"
---

# Clairic vs Jev、Clef：抽取模型和决策模型怎么选，怎么串联

**Clairic 和 Jev、Clef 有什么区别？** Clairic 是抽取模型，回答“值是多少”：从文本或 JSON（最多再加 4 张图片）里取出文本、数字、日期、时长、列表、区间估计、预测等类型化的值，多数值带 confidence 和 p_null（输入里找不到这个值的概率）；p_null 超过 null_threshold（判定“找不到”的门槛）时返回 null，这时 guess（模型的猜测）仍可能有值。Jev、Clef 是决策模型，回答“选哪个”：在你列出的选项里做 Choice、Score、Noul（是/否），返回概率。

**该用哪个？** 要取值，用 Clairic；要做判断，用 Jev 或 Clef。很多流程两个都要：先用 Clairic 抽取，再用 Jev 或 Clef 决策，需要回复时再交给大语言模型生成。

## 一张表看区别

这张表只比接口和输入输出，不比速度或准确率。

| 对比项 | Clairic | Jev | Clef Flash / Clef | Clef Omni | Decider |
|---|---|---|---|---|---|
| 模型类别 | 抽取模型 | 决策模型 | 决策模型 | 决策模型 | 决策模型 |
| 输出 | 类型化的值，多数带 confidence、p_null（estimate、forecast 不带） | Choice、Score、Noul + 概率 | 同左 | 同左 | 同左 |
| 输入 | 文本、JSON + 最多 4 张图片 | 文本、JSON | 文本、JSON、图片 | 文本、JSON、图片 | 文本、JSON |
| 找不到答案 | 返回 null | 在你给的选项里给概率 | 同左 | 同左 | 同左 |

## 什么时候用 Clairic

当你需要的答案是一个“值”，而且这个值不在你能提前列出的选项里：

- 发票上的金额、开票日期、发票号码。
- 邮件里的订单号、数量、交付日期。
- 一段描述里的时长，或一个区间估计（中位数加 p10–p90）。

Clairic 的上下文窗口是 65,536 tokens。官方博客说预览版有这些局限：一到两步的计算可靠，长链计算和多行聚合还不行；多步预测会趋向平均值；格式正确不代表内容正确。

## 什么时候用 Jev 或 Clef

当答案可以提前列成选项、量表或“是/否”：

- 这封邮件交给哪个团队（Choice）。
- 这条回复的风险有多高（Score）。
- 要不要转人工（Noul）。

在 Jev 和 Clef 之间怎么选，看输入类型和积分单价：

| 模型 | 输入类型 | 每块积分（Clairic 以外按每个问题计） |
|---|---|---|
| Jev | 文本、JSON | 1 |
| Decider | 文本、JSON | 1 |
| Clef Flash | 文本、JSON、图片 | 3 |
| Clef Omni | 文本、JSON、图片 | 4 |
| Clef | 文本、JSON、图片 | 6 |
| Clairic | 文本、JSON + 最多 4 张图片 | 2（按请求计，不乘问题数） |

计费方式：

> 每 4KB 算一块，不足 4KB 也按一块。Jev、Clef：块数 × 问题数 × 单价；Clairic：块数 × 2，按请求计

<small>来源：[system-one.dev 定价](https://system-one.dev/zh-CN/pricing) · 2026-10-20</small>

Clef Omni 的详细介绍见 [Clef Omni 模型页](https://system-one.dev/zh-CN/models/clef-omni)。

## 串联：先抽取，再决策，最后生成回复

推荐的组合是：Clairic 抽取 → Clef 决策 → 大语言模型生成回复。

以一封带发票截图的付款邮件为例：

1. **抽取**：Clairic 读邮件和截图，取出金额、开票日期、发票号码，通常带 confidence 和 p_null。
2. **检查**：p_null 高或 confidence 低的字段，直接转人工，不进下一步。
3. **决策**：把抽取结果作为 JSON 交给 Jev 或 Clef，问“交给哪个团队”（Choice）、“要不要人工复核”（Noul）。
4. **生成**：需要回复客户时，再让大语言模型写。

每一步只做一件事，阈值也可以分开调。

### 官方博客里的例子：三步处理理赔

一封商品损坏的投诉邮件：

1. **抽取**：Clairic 从邮件里取出订单号、实付总额、从送达到写邮件的天数、损坏情况列表等值，并用 estimate 字段估算维修费用，返回一个区间。
2. **决策**：Clef 拿这些值对照政策，在“退款”和“维修”之间做选择。示例政策是：送达 30 天内可退款；维修费用低于售价的 60%，而且损坏不影响商品使用时，优先维修，否则退款。
3. **生成**：大语言模型根据决定和需要的值写回复。

第二步看到的是结构化的值，而不是原始邮件，所以不容易被邮件里的措辞带偏。

## 在 system-one.dev 上调用 Clairic

system-one.dev 已提供 Clairic。模型 ID 不写死，请从 `GET /v1/models` 读取。Clairic 怎么收费：请求内容每 4KB 算一块，不足 4KB 按一块算；每块 2 积分。一次请求只收一次，抽取多少个字段都一样。这和 Jev、Clef 不同：它们的费用还要乘以问题数。见 [定价](https://system-one.dev/zh-CN/pricing)。

### 通过 System One API 调用 Clairic 和 Clef Omni

Clairic 和 Clef Omni 都是 system-one.dev 提供的模型，用的是同一个 System One API 和同一个 SDK 客户端。用 `extract({ state, fields })`、model 设为 `clairic` 取值，再把这些值作为 state 交给决策模型。Clef Omni 和 Clef、Clef Flash 一样，做决策时也能读图片。详见 [Clairic SDK 文档](https://docs.system-one.dev/zh-CN/docs/sdk/clairic) 和 [Clef Omni 模型页](/zh-CN/models/clef-omni)。

想先试试？[在线试试发票信息提取（需登录）](https://system-one.dev/zh-CN/demo/invoice-extraction)。

## 相关阅读

- [Clairic 是什么？一文看懂抽取模型](https://system-one.dev/zh-CN/blog/what-is-clairic)
- [Clef Omni 模型页](https://system-one.dev/zh-CN/models/clef-omni)
- [决策模型是什么？](https://system-one.dev/zh-CN/blog/what-is-a-decision-model)
- [system-one.dev 定价](https://system-one.dev/zh-CN/pricing)
- [截图转 JSON：给 Agent 用的图片字段抽取](https://system-one.dev/zh-CN/use-cases/screenshot-to-json)
- [发票小票信息抽取 API](https://system-one.dev/zh-CN/use-cases/invoice-receipt-extraction)

核验日期：2026-10-22

## 常见问题

### 能只用 Clef 做抽取吗？

不合适。Clef 只在你列出的选项里作答。金额、日期、号码这类值没法提前列成选项，应该交给抽取模型。

### Clairic 能做分类吗？

Clairic 返回的是值，不是选项上的概率。要在固定选项里做判断，用 Jev 或 Clef。

### 两个都要用，会不会重复？

不会。Clairic 负责“值是多少”，Jev、Clef 负责“怎么处理”。它们各管一步。

### Clef Flash、Clef Omni 和 Clairic 怎么配合？

流程和 Clef 一样：Clairic 的抽取结果作为 JSON 交给它们做决策。有图片时，Clef Flash、Clef Omni 和 Clef 都能读图片。具体选哪个，用自己的样本测。

### Clairic 和 Jev 哪个更准？

两者做的不是同一件事，没法直接比。请在各自的步骤上用自己的数据测。

### 支持中文吗？

Jev 能处理中文，但准确度不如英文。Clairic 的中文效果，请先用自己的数据测试。