Huny's Dev Blog
huny.dev

Cloudflare Clairic(27B) · Clairic-flash(9B) 아키텍처 해부: 병렬 슬롯 자기회귀(Parallel Slot Autoregressive) 구조·입력 토큰 전용 과금과 JSON LLM 대체 경계 점검하기

2026년 11월 18일 Apache-2.0 오픈 웨이트로 공개된 Cloudflare Clairic(27B)과 Clairic-flash(9B)의 병렬 슬롯 자기회귀 아키텍처를 해부한다. 단일 패스 프리뷰 대비 정확도·지연 개선, Workers AI 입력 토큰 전용 과금(출력 $0)과 4장·8MiB·65,536 토큰 경계 조건, p_null·span·분위수 검증을 위한 로컬 Python 점검 스크립트를 정리한다.

Hun Jang
Hun Jang Nov 22, 2026

Cloudflare Clairic (27B) · Clairic-flash (9B) 추상 표지 아트워크: 비정형 문서·이미지 입력이 병렬 슬롯 자기회귀와 확률 분포 출력으로 변환되는 구조를 표현한 기하학 그래픽

Cloudflare가 2026년 11월 18일 공개한 Clairic(27B)과 Clairic-flash(9B) 도입의 핵심은 범용 LLM이 JSON 문자열을 한 토큰씩 직렬 생성할 때 발생하는 지연·구문 파손·출력 과금 병목을 없애고, 텍스트·숫자·날짜·목록 추출 필드를 '병렬 슬롯 자기회귀(Parallel Slot Autoregressive)'로 동시에 디코딩하면서 Workers AI 기준 출력 토큰 과금을 0원으로 고정했다는 점이다.

2026년 10월 19일 단일 순방향 패스(single forward pass) 프리뷰로 처음 공개됐던 Cloudflare의 'System One' 추출 모델 Clairic이 한 달 만인 2026년 11월 18일 아키텍처 개편 및 오픈 웨이트 공개 발표를 통해 대폭 업그레이드됐다. Cloudflare Workers AI Superintelligence 팀은 27B 플래그십 Clairic(@cf/cloudflare/clairic)의 내부 생성 엔진을 병렬 슬롯 자기회귀 구조로 재설계하고, 9B 경량 멀티모달 모델 Clairic-flash(@cf/cloudflare/clairic-flash)를 추가했으며, 두 모델의 전체 가중치를 Apache-2.0 라이선스로 Hugging Face(Cloudflare/clairic, Cloudflare/clairic-flash)에 공개했다.

이 글은 확인 기준일 November 22, 2026 시점의 Cloudflare 2026년 11월 18일 공식 발표, 10월 프리뷰 기술 블로그, Hugging Face 모델 카드 및 Workers AI 모델 명세를 교차 검증해 작성했다. Workers AI 원격 추론 API에 상용 트래픽을 직접 호출해 벤치마크를 재측정하지는 않았으며, 공개된 아키텍처·제한 수치·요청/응답 계약을 바탕으로 로컬 Python 검증 스크립트로 경계 조건과 비용 모델을 검증한 결과를 정리한다.

1. 흔한 오해와 핵심 개념 경계 3가지

Clairic을 기존 구조화 출력(Structured Outputs / JSON Schema 모드) 기반 LLM과 같은 범주로 놓고 평가하면 설계 판단이 어긋난다. 도입 전 반드시 구분해야 할 경계는 세 가지다.

  1. "단일 패스 모델"에서 "병렬 슬롯 자기회귀 + 단일 패스 확률 헤드" 혼합 구조로 바뀌었다: 10월 프리뷰는 모든 추출 필드를 단일 순방향 패스로 한 번에 사상했지만, 복잡한 영수증·다단 표·다수 필드가 섞인 문서에서는 한계가 드러났다. 11월 18일 개정판은 일반 text·number·date·list 필드에 대해 요청 스키마의 각 필드마다 독립 출력 슬롯을 할당하는 **병렬 슬롯 자기회귀(Parallel Slot Autoregressive Generation)**를 도입했다. 각 슬롯은 자신이 이미 생성한 토큰만을 조건으로 다음 토큰을 만들고, 하나의 서빙 배치 안에서 동시에 전진하다가 자기 자신의 종료 마커([EOS])에 닿으면 독립적으로 정지한다. 반면 p_null·confidence·estimate·forecast는 분포와 불확실성을 단일 패스 확률 헤드로 함께 산출한다.
  1. 내부적으로는 토큰을 생성하지만 Workers AI 과금은 여전히 입력 토큰 기준이다: 아키텍처가 병렬 슬롯 자기회귀로 전환되면서 모델 내부에서는 슬롯별로 출력 토큰이 생성되지만, Workers AI 요금제는 **입력 토큰(state + image_tokens + schema_tokens)만 과금하고 출력 토큰 비용은 $0**으로 유지한다(Clairic 27B $0.24 / 1M input tokens, Clairic-flash 9B $0.10 / 1M input tokens). 따라서 10~20개 필드를 동시에 추출해도 JSON 괄호·키 이름 반복 출력에 따른 출력 토큰 비용 폭증이 발생하지 않는다.
  1. 65,536 컨텍스트 창이 무제한 PDF 처리를 보장하지는 않는다: 두 모델 모두 컨텍스트 창은 65,536 토큰이지만, 요청당 첨부 가능한 이미지(또는 렌더링된 PDF 페이지)는 최대 4장, 파일당 최대 4 MiB, 디코딩 합산 최대 8 MiB, 전체 HTTP 요청 본문 최대 16 MiB로 제한된다. 또한 이미지는 32x32 픽셀 패치 단위로 토큰화되어 입력 토큰에 합산되므로, 10페이지 이상의 다중 페이지 PDF는 사전 페이지 분할·렌더링 파이프라인 없이 한 번에 넣을 수 없다.

2. 병렬 슬롯 아키텍처 도식 및 모델·벤치마크 비교 표

Cloudflare Clairic (27B) · Clairic-flash (9B) 아키텍처 비교 도식: 기존 범용 LLM의 순차 JSON 직렬화(System 2)와 달리, 입력 상태(State + 최대 4장 이미지/PDF)와 타입 스키마를 받아 Qwen 백본 위에서 슬롯별 병렬 자기회귀와 단일 패스 확률 헤드를 동시에 실행하는 System 1 구조

Cloudflare가 공개한 27B Clairic과 9B Clairic-flash의 스펙, 요금, 그리고 자체 평가 정확도·지연 시간 수치를 한눈에 비교하면 다음과 같다.

비교 항목
Clairic (27B)
Clairic-flash (9B)
기존 범용 LLM (JSON 모드)
Workers AI 모델 ID / 오픈 웨이트
@cf/cloudflare/clairic
HF: Cloudflare/clairic (Apache-2.0, Qwen 기반)
@cf/cloudflare/clairic-flash
HF: Cloudflare/clairic-flash (Apache-2.0, Qwen 기반)
프론티어·범용 Chat Completions 모델
(대부분 독점 API 또는 장문 생성용)
생성 방식
필드별 병렬 슬롯 자기회귀 • estimate/forecast 단일 패스 확률 헤드
동일한 병렬 슬롯 자기회귀 구조 (9B 경량 백본으로 저지연 최적화)
단일 자기회귀 체인으로 JSON 키·구문·값을 순차 직렬화
Workers AI 과금 (1M 토큰당)
입력 $0.24 / 출력 $0 (프로모션 $0.10 구간 운영)
입력 $0.10 / 출력 $0
입력 + JSON 구문/값 포함한 전체 출력 토큰 과금
신규 텍스트 필드 정확도
(96요청 / 336필드)
335 / 336 (10월 프리뷰 295/336 대비 대폭 상승)
328 / 336 (D1.2+OCR 304/336, Scaledown 259/336 상회)
모델·프롬프트에 따라 편차 발생 (자체 추출 비교군 미포함)
혼합 입력 · 영수증 정확도
혼합 221 / 226 · 추적 고객 검증 1,263 / 1,263 · 합성 영수증 576 / 576
혼합 213 / 226 · 추적 고객 검증 1,263 / 1,263 · 합성 영수증 576 / 576
비교군 D1.2+OCR(116/226, 397/576) 대비 높은 추출 일관성
자체 호스팅 HTTP 지연 시간
(p50 / p95)
텍스트 358 / 736 ms · 이미지 453 / 976 ms
상업용 임대차 691 / 803 ms · 대출 가격 395 / 407 ms
텍스트 155 / 328 ms · 이미지 305 / 605 ms
상업용 임대차 379 / 519 ms · 대출 가격 188 / 192 ms
출력 필드 수가 늘어날수록 직렬 토큰 길이에 비례해 지연 증가

3. 스키마 우선 계약과 p_null · span · estimate/forecast 동작 원리

3.1 Workers AI 호출 구조 (env.AI.run)와 지원 타입 9종

Clairic은 자유 형식의 시스템 프롬프트 대신 입력 원본(state, images)과 타입이 명시된 fields 맵을 전달하는 **스키마 우선 계약(Schema-First Contract)**을 따른다. 지원하는 필드 타입은 추출 계열(text, number, date, time, datetime, duration, list)과 확률 예측 계열(estimate, forecast) 총 9종이다.

3.2 사후 검증을 가능하게 하는 3가지 메타데이터: p_null, span, p10~p90

일반 LLM에 JSON 추출을 맡길 때 가장 다루기 까다로운 문제는 **"문서에 값이 없는 필드를 모델이 그럴듯한 값으로 지어내는 환각(Hallucination)"**과 **"추출된 값이 원문의 어느 위치에서 나왔는지 알 수 없는 문제"**다. Clairic 응답은 모든 필드 답변마다 이 문제를 코드로 방어할 수 있는 세 가지 메타데이터를 함께 제공한다.

  1. p_null (미결정 확률): 입력 state와 images가 해당 필드 값을 실제로 결정하지 못할 확률(0.0 ~ 1.0)을 별도로 산출한다. 실무 파이프라인에서는 p_null > 0.3 같은 임계치로 자동 반려하거나 2차 검토 큐(Human-in-the-Loop)로 보낼 수 있다.
  1. span (start, end 문자 오프셋): text 타입 추출 시 단순 문자열만 돌려주지 않고 원문 state 내 문자 오프셋을 함께 반환한다. 애플리케이션 코드에서 state[start:end] == value를 즉시 검증하면 오탈자나 요약 변형을 원천 차단할 수 있다.
  1. estimate · forecast 분포와 include_quantiles: 수치 추정(estimate: 지정한 min/max/step 격자 내 확률 분포)과 시계열 예측(forecast: 최대 64스텝 미래 예측)은 단일 점 추정치 대신 중앙값(median)과 80% 신뢰구간(p10 ~ p90)을 반환하며, options.include_quantiles를 켜면 전체 99분위수를 받을 수 있다.

4. 로컬 Python 검증 스크립트 작성 및 경계 조건 확인

원격 Workers AI 엔드포인트를 호출하기 전에 요청 페이로드가 플랫폼 제한(4장, 장당 4 MiB, 합산 8 MiB, 요청 본문 16 MiB, 65,536 토큰, 32x32 이미지 패치 토큰)을 넘지 않는지, 그리고 응답 계약(span 일치, p10 <= median <= p90, 출력 토큰 과금 0)이 유지되는지 로컬에서 먼저 점검할 수 있도록 검증 스크립트를 작성했다.

로컬 환경에서 python C:/Users/admin/.gemini/antigravity/scratch/verify_clairic_pipeline.py를 실행해 4개 시나리오를 점검한 결과는 다음과 같다.

  • 정상 요청·비용 검증 (Check 1): 2장의 1024x1280 이미지(각 900 KB, 950 KB)와 5개 필드를 @cf/cloudflare/clairic-flash로 요청할 때 이미지 토큰은 2 * 32 * 40 = 2,560 토큰, 전체 입력 토큰은 3,073 토큰, 출력 과금 토큰은 0, 예상 비용은 $0.0003073으로 계산됐다.
  • 응답 불변량 검증 (Check 2): INV-2291의 span(8..16) 원문 슬라이스 일치와 late_risk_cost의 20.0 <= 60.0 <= 150.0 분위수 단조성이 모두 통과했다.
  • 병렬 슬롯 디코딩 스텝 절감 (Check 3): 토큰 길이 [4, 5, 4, 9, 6]인 5개 필드에 JSON 구문 오버헤드 18토큰을 가정하면 직렬 JSON 생성은 46스텝이 필요하지만, 병렬 슬롯 디코딩은 가장 긴 슬롯 길이인 9스텝 만에 완료돼 디코딩 스텝이 5.11배 감소한다.
  • 경계 위반 차단 (Check 4): 이미지 5장 첨부(Too many images (5 > 4)), 단일 이미지 4 MiB 초과(exceeds 4 MiB), 합산 8 MiB 초과(exceed 8 MiB), span 불일치('INV-2291' != 'INV-9999')가 모두 예외로 정확히 탐지돼 ALL CHECKS PASSED (checks passed)로 종료됐다.

5. 기존 JSON LLM 파이프라인 대체 여부 판단 및 실무 도입 체크리스트

Clairic과 Clairic-flash는 모든 LLM 워크플로를 대체하는 범용 모델이 아니라 '고빈도 정형 추출·판정(System One)' 계층을 분리해 내기 위한 특화 모델이다. 따라서 아래와 같은 기준으로 기존 파이프라인 교체 여부를 결정하고 점검해야 한다.

  • 적합한 대체 대상 vs 유지 대상 구분: 송장·영수증·계약서·로그에서 정해진 필드를 뽑거나(text/date/number/list), 수치 범위·단기 시계열을 예측(estimate/forecast)하는 경로는 Clairic-flash 우선 배치 후 복잡한 문서에만 Clairic(27B)으로 승격하는 2단 라우팅이 유리하다. 반면 장문 요약, 다단계 코드 생성, 자유 대화형 추론(System Two)은 기존 범용 LLM에 남겨야 한다.
  • 사전 미디어 정규화 및 4장 분할 파이프라인: PDF 페이지가 4장을 넘거나 고해상도 스캔 파일이 4 MiB를 초과하면 요청 자체가 거절되므로, Worker 앞단이나 전처리 단계에서 페이지별 분할 렌더링과 리사이징(합산 8 MiB 이하)을 선행했는가?
  • p_null · confidence · span 기반 자동 가드레일: 모델 출력을 DB에 곧바로 적재하지 않고 p_null 상한, confidence 하한, 그리고 text 필드의 state[start:end] 슬라이스 검증을 통과한 값만 자동 반영하도록 게이트를 두었는가?
  • 오픈 웨이트 자체 호스팅(Apache-2.0) 검토: 사내 폐쇄망이나 데이터 주권 규제로 인해 외부 SaaS API 전송이 불가능한 문서(의료·금융·인사 원천 문서)는 Hugging Face의 Cloudflare/clairic 또는 Cloudflare/clairic-flash 가중치를 내부 GPU 클러스터에 올릴 때 Workers AI와 동일한 스키마·후처리 검증 코드를 재사용할 수 있도록 추상화했는가?

참고 자료 (References, 2026-11-22 확인)

확인 기준일: November 22, 2026

추천 글