---
title: "Clairic 抽取模型：文本和图片转类型化 JSON｜system-one.dev"
description: "Clairic 是抽取模型，从文本、JSON 和最多 4 张图片里取出文本、数字、日期、时长、列表、区间估计和预测，多数值带 confidence 和 p_null（输入里找不到这个值的概率），找不到的值会返回 null。需登录后在线试用。"
canonical: "https://system-one.dev/zh-CN/models/clairic"
language: "zh-CN"
---

# Clairic

从文本、JSON 和图片里取出类型化值的抽取模型。

Clairic 是一个抽取模型（extraction model）。给它一段文本或 JSON（最多再加 4 张图片），列出想要的字段，它直接返回类型化的值，共 9 种字段类型。每个答案一定有 value，多数还带 confidence 和 p_null。当 p_null 超过 null_threshold（判定“找不到”的门槛）时返回 null；返回 null 时，guess（模型的猜测）里仍可能有值。它不生成文本。

system-one.dev 已提供 Clairic。模型 ID 见 `GET /v1/models`；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)。新账号注册即送 100 积分。[在线试试发票信息提取（需登录）](https://system-one.dev/zh-CN/demo/invoice-extraction)。

想先了解这类模型，见 [Clairic 是什么？一文看懂抽取模型](https://system-one.dev/zh-CN/blog/what-is-clairic)。


## 模型信息

- 提供方: system-one.dev
- 每 4KB 输入 2 积分
- 输入：文本、JSON 与图片（PNG、JPEG、WebP）
- 图片：最多 4 张 · 每张 4MB · 合计 8MB
- 发布于 2026-10-19

## 用途

- **发票字段提取**：从发票文本或截图里取出金额、开票日期、发票号码，通常带置信度。详见[发票小票信息抽取](/zh-CN/use-cases/invoice-receipt-extraction)。
- **订单邮件**：取订单号、数量、交付日期，确定不了的字段返回 null，不会被直接填进 value。
- **工单信息整理**：取产品名、报错时间、影响时长，再交给 [Jev](https://system-one.dev/zh-CN/models/jev) 或 [Clef](https://system-one.dev/zh-CN/models/clef) 判断交给哪个团队。
- **先抽取、再决策**：Clairic 取值，Jev 或 Clef 在你列出的选项里做决定，需要回复时再交给生成式模型。详见 [Clairic 和 Jev、Clef 怎么选](https://system-one.dev/zh-CN/blog/clairic-vs-jev-clef)。
- **Agent 前置步骤**：把用户消息里的关键值先结构化，再让 Agent 根据这些值做路由或判断。图片输入见[截图转 JSON](/zh-CN/use-cases/screenshot-to-json)。
- **客服投诉邮件**（官方博客里的例子）：一封投诉邮件里，取出订单号、送达日期、实付总额、从送达到写邮件过了几天，以及损坏情况列表。实付总额邮件里没有直接写，是把 649 和 52.10 的税费当场相加得到 701.10；天数 11 天也是用两个日期算出来的；损坏情况“屏幕碎裂”“外壳凹陷”各自带在原文里的位置。邮件里没有物流单号，所以这一项返回 null，而不是编一个。
- **歪斜、模糊的小票照片**（官方博客里的例子）：从一张拍歪、字迹不清的小票照片里取出订单号、购买时间、数量、单价、小计、税费和小费。小票上没有折扣，折扣一项返回 null。和 OCR 的区别见[OCR 与 AI 字段抽取](/zh-CN/blog/clairic-vs-ocr)。
- **根据可比成交估算房价**（官方博客里的例子）：给出几套可比房屋的成交记录，用 estimate 估算目标房屋的价格，返回中位数和 80% 区间，也就是 p10–p90。区间越窄，说明输入越能支撑这个估计；区间越宽，越该再查一遍。
- **机场每天的安检人数预测**（官方博客里的例子）：把历史每日安检人数作为文本传入，用 forecast 预测下一天。它能从数字里看出每周的规律，但看不出节假日这类序列里没有体现的事件。官方博客说，预测功能只适合不关键的、粗略的规律判断，不能替代专门的时间序列模型。
- **三步处理理赔**（官方博客里的例子）：Clairic 从邮件里取值，并用 estimate 估算维修费用的区间；Clef 对照政策在“退款”和“维修”之间做决定：维修费用低于售价的 60%，而且损坏不影响使用时优先维修，否则退款；最后由大语言模型写回复。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。

## 常见问题

### Clairic 是大语言模型吗？

不是。它不生成文本，只返回类型化的值。

### Clairic 能返回哪些类型的值？

共 9 种：text、number、date、time、datetime、duration、list、estimate、forecast。每个答案一定有 value；confidence、p_null 是可选的，比如 estimate 和 forecast 类型不带。estimate 可选返回 99 个分位数。

### 找不到值时返回什么？

找不到的值会返回 null，这时 guess 里仍可能有值。

### Clairic 能处理哪些输入？

文本、JSON，加最多 4 张图片（每张不超过 4 MiB，合计不超过 8 MiB，不支持远程图片 URL）。上下文窗口 65,536 tokens。字段数量不设上限，一次处理放不下的字段会拆开并行处理。可选 reference_date，用来确定没写年份的日期属于哪一年。具体限制见本页模型信息。

### 有哪些局限？

官方博客说，预览版的长链计算和多行聚合还不可靠；多步预测会趋向平均值；格式对不代表内容对。上生产前请用自己的样本测，并用 confidence 和 p_null（有返回时）设阈值。

### Clairic 和 Jev、Clef 有什么区别？

Clairic 回答“值是多少”；[Jev](https://system-one.dev/zh-CN/models/jev)、[Clef](https://system-one.dev/zh-CN/models/clef) 是决策模型，回答“选哪个”。两者可以串联：先抽取，再决策。

### 怎么计费？

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。详见 [定价](https://system-one.dev/zh-CN/pricing)。

### 可以在线试用吗？

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

## 官方来源

- [Clairic 是什么？一文看懂抽取模型](https://system-one.dev/zh-CN/blog/what-is-clairic)
- [Clairic 和 Jev、Clef 怎么选](https://system-one.dev/zh-CN/blog/clairic-vs-jev-clef)
- [GET /v1/models](https://system-one.dev/v1/models)
- [全部模型](https://system-one.dev/zh-CN/models)

最近更新 2026-10-21

- [打开 GET /v1/models](https://system-one.dev/v1/models)

- [开发者文档](https://docs.system-one.dev/zh-CN/docs/api#developer-details)

- [在线试用（需登录）](https://system-one.dev/zh-CN/demo)

- [全部模型](https://system-one.dev/zh-CN/models)