在过去十年的大部分时间里，运行一个 AI 模型意味着租用 GPU 服务器、管理驱动程序，并且无论是否有请求进来都要为那些硬件付费。Cloudflare Workers AI 彻底改变了这种模式：你像调用 Worker 中任何其他函数一样调用一个 AI 模型，它运行在分布于 Cloudflare 全球网络的 GPU 上，而你只为所用付费。无需预置服务器，无需照看 GPU，推理就在你的用户附近发生。

本指南解释 Workers AI 是什么、你可以运行哪些模型、在 Neurons 定价模型下它的成本，以及如何从代码中调用它，其中包括一个实用的图片生成示例。它是我持续的 Cloudflare 攻略的一部分，旨在于边缘构建快速、现代的应用。

摘要

  • Workers AI 是无服务器 AI：它在 Cloudflare 的边缘 GPU 上运行 LLM、图片生成、嵌入和音频模型，并从 Worker 中调用
  • 定价使用 Neurons：你每天可免费获得 10,000 个 Neurons，之后按每 1,000 个 Neurons 0.011 美元 付费
  • 它涵盖四个模型系列：文本（LLM）、图片、嵌入和音频，并定期添加新模型
  • 你可以在边缘生成图片，并用 Cloudflare Image Transformations 对其进行优化
  • 它与 Workers 平台的其余部分自然搭配：KV、R2、D1 和 Vectorize，用于构建完整的 AI 应用
  • 需要帮助来上线一个 AI 功能？这正是我的 AI 实现服务 的用途

Workers AI 究竟是什么

Cloudflare Workers AI 让你在 Worker 内部使用一个简单的绑定，在 Cloudflare 的网络上运行机器学习模型。Cloudflare 托管 GPU 和模型；你发送输入并接收输出。没有要管理的基础设施，没有要支付的冷启动 GPU 预热，也没有每月最低承诺。

由于推理运行在 Cloudflare 的分布式网络上，而非单个区域，模型会在你的用户附近执行。对于聊天、分类或内容生成等交互式功能，这种邻近性以集中式 GPU 集群无法企及的方式降低了延迟。

这些模型是开放的，由 Cloudflare 管理。你通过名称引用一个模型，例如用于文本的 Llama 变体或用于图片的 Flux 变体，并且随着更好的开放模型发布，Cloudflare 会让目录保持最新。

你可以运行的 Cloudflare Workers AI 模型

Workers AI 将其目录组织为四个主要系列，外加一组专用模型：

  • 文本（LLM）。 诸如 Llama、Mistral 和 Qwen 变体之类的语言模型，用于聊天、摘要、抽取、分类和内容生成。按输入和输出 token 计费。
  • 图片。 诸如 Flux 变体之类的生成模型，从文本提示创建图片。按 tile 和 step 计费。
  • 嵌入。 诸如 BGE 之类的模型，将文本转换为向量，用于语义搜索和检索增强生成。按输入 token 计费。
  • 音频。 语音转文本和文本转语音模型。按分钟或按字符计费。
  • 其他。 用于翻译、重排、图片分类和识别的专用模型。

目录演进很快，因此请始终查看当前的 模型列表 ，以了解最新选项及其确切定价。

Cloudflare Workers AI 定价：Neurons 如何运作

Workers AI 使用一个统一单位，称为 Neuron，来表达跨每种模型类型的推理成本。与其在 token、tile、step 和音频分钟的各自价格之间周旋，Cloudflare 将它们全部转换为 Neurons，这样你就只有一个数字需要考量。

根据 2026 年的 官方 Workers AI 定价 ：

计划Neurons
免费额度（Free 和 Paid 计划）每天 10,000 个 Neurons
超出免费额度的付费用量每 1,000 个 Neurons 0.011 美元

每日免费额度在 00:00 UTC 重置。对于原型、副项目和低流量功能，每天 10,000 个 Neurons 通常意味着你的 AI 功能完全免费运行。当你超出时，费率足够低，以至于相当数量的推理仍然只需几美元。

由于不同模型以不同速率消耗 Neurons，实际成本取决于你调用哪个模型以及发送多少数据。定价页面按模型列出 Neuron 成本，因此你可以在构建之前进行估算。

从 Worker 调用文本模型

这是核心模式。你在 wrangler.toml 中绑定 Workers AI，然后用一个模型名称和输入调用 env.AI.run()：

 1export default {
 2  async fetch(request, env) {
 3    const response = await env.AI.run("@cf/meta/llama-3.1-8b-instruct", {
 4      messages: [
 5        { role: "system", content: "You are a concise assistant." },
 6        { role: "user", content: "Summarise the benefits of edge computing in one sentence." },
 7      ],
 8    });
 9
10    return Response.json(response);
11  },
12};

AI 绑定在你 Worker 的设置中配置一次。之后，调用一个模型就是一次异步函数调用，返回模型的输出供你随意使用。

在边缘生成图片

图片生成是 Workers AI 最引人注目的用例之一，它直接关联到图片托管与分发，这是本博客反复出现的主题。你可以从文本提示生成一张图片，并将字节直接流式返回到响应中：

 1export default {
 2  async fetch(request, env) {
 3    const inputs = { prompt: "a minimalist mountain landscape at sunrise, flat illustration" };
 4
 5    const image = await env.AI.run(
 6      "@cf/black-forest-labs/flux-1-schnell",
 7      inputs
 8    );
 9
10    return new Response(image, {
11      headers: { "content-type": "image/png" },
12    });
13  },
14};

一个强大的模式是生成图片，将其存储在 Cloudflare R2 中，然后通过 image transformations 优化分发。这为你提供了由 AI 生成的作品，以零出口费用存储，并以尺寸恰好的 WebP 或 AVIF 分发。从生成、存储到分发的整条流水线都存在于 Cloudflare 内部。

构建完整的 AI 应用

Workers AI 与平台其余部分结合时最为强大。一个现实的 AI 应用会把若干部分缝合在一起：

  • Workers AI 用于推理（LLM、嵌入、图片生成）
  • Vectorize 作为向量数据库，用于语义搜索和检索增强生成
  • R2 用于存储文档、图片或音频
  • D1 用于结构化的应用数据（阅读我的 D1 指南 ）
  • KV 用于缓存和配置

例如，一个文档聊天机器人会用嵌入模型嵌入你的内容，将向量存储在 Vectorize 中，在查询时检索相关片段，并将它们喂给一个 LLM，这一切都在单个 Worker 内、全部在边缘完成。这就是大多数现代检索增强 AI 功能背后的架构。你可以用我的免费应用 Easy Cloudflare R2 、Easy Cloudflare D1 和 Easy Cloudflare KV ，从桌面管理这些应用背后的存储层，它们适用于 Windows、macOS 和 Linux。

何时 Workers AI 是正确的选择

Workers AI 在以下情况下非常合适：

  • 你想要 AI 推理而无需管理 GPU 基础设施
  • 低延迟很重要，并且你的用户遍布全球
  • 你的工作负载是突发的或不可预测的，因此按用量付费胜过预留硬件
  • 你已经在 Workers 上构建，并希望一切都在一个平台上
  • 目录中的开放模型满足你的质量需求

它不太适合需要目录中没有的特定专有前沿模型的场景，或者极重的批量推理（在持续满负载利用下，专用硬件可能更便宜）。对于这些场景，混合方法（从你的 Worker 调用外部模型提供商）很常见，这也是我通过 AI 集成服务 帮助客户设计的内容。

关键要点

  • Workers AI 在 Cloudflare 的边缘 GPU 上运行 LLM、图片、嵌入和音频模型，无需管理基础设施
  • 定价统一为 Neurons：每天 10,000 个免费，之后每 1,000 个 Neurons 0.011 美元
  • 调用一个模型是 Worker 内部的一次 env.AI.run() 调用
  • 你可以在边缘生成图片，将其存储在 R2 中，并通过转换优化分发
  • 它与 Vectorize、R2、D1 和 KV 结合，在一个平台上构建完整的 AI 应用
  • 按用量付费和全球低延迟，使其非常适合突发的、面向用户的 AI 功能

常见问题

什么是 Cloudflare Workers AI？ 它是一项在 Cloudflare 边缘 GPU 网络上运行机器学习模型的服务。你使用 AI 绑定从 Worker 调用一个模型，Cloudflare 处理硬件和模型托管。没有需要你管理的服务器或 GPU。

Workers AI 定价中的 Neuron 是什么？ Neuron 是 Cloudflare 用于衡量所有模型类型推理成本的统一单位。token、图片 tile、生成 step 和音频分钟都被转换为 Neurons，这样你只有一个数字需要跟踪。你每天免费获得 10,000 个，之后按每 1,000 个 0.011 美元付费。

Workers AI 能生成图片吗？ 能。目录中包含文本到图片模型，例如 Flux 变体。你用一个提示调用模型并接收图片字节，你可以直接返回它们、将其存储在 R2 中，或用 image transformations 进行优化。

Workers AI 是免费的吗？ 在 Free 和 Paid 两种 Workers 计划上都有每天 10,000 个 Neurons 的免费额度，每天在 00:00 UTC 重置。许多小功能完全在此额度内运行。超出之后，用量按每 1,000 个 Neurons 0.011 美元计费。

Workers AI 支持哪些模型？ 它支持四个系列：文本 LLM（Llama、Mistral、Qwen）、图片生成（Flux）、嵌入（BGE）和音频（语音转文本和文本转语音），外加用于翻译、重排和分类的专用模型。目录定期更新。

Workers AI 与运行我自己的 GPU 服务器相比如何？ Workers AI 免去了 GPU 预置、扩缩容和闲置成本管理，并在全球范围内于用户附近运行推理。专用 GPU 服务器只有在持续满负载利用时才可能更便宜；对于突发的或面向用户的工作负载，边缘上的按用量付费通常胜出。