Cloudflare Workers AI 是 Cloudflare 的无服务器 AI 推理服务,模型跑在 Cloudflare 全球边缘节点上,不用自己买显卡、不用管服务器。每个账号每天免费 10,000 个神经元,注册免费账号不用绑卡,一把 API Token 就能调 Llama、Qwen、GPT-OSS、Gemma、Mistral 几十个模型,顺手还能调 FLUX 生图、Whisper 转文字。这篇把免费额度到底有多少、能调哪些模型、3 步怎么拿到钥匙、三种调用方法一次讲清。
免费额度到底有多少
Cloudflare Workers AI 按“神经元”计费,神经元是 Cloudflare 用来衡量一次请求消耗多少 GPU 算力的单位。Cloudflare 官方定价页写明:
- 免费额度:每天 10,000 个神经元,免费计划和付费计划都有;
- 每天 00:00 UTC 重置,当天没用完不累计到第二天;
- 免费计划额度用完,当次请求直接报错,不扣钱;
- 想多用就开 Workers Paid,超出免费额度的部分按 $0.011 / 1,000 神经元计费,Workers Paid 月费 $5 起。
10,000 个神经元每天能干多少事,拿最常用的 Llama 3.1 8B fp8-fast 算一笔账。官方定价表里,这个模型输入是 4,119 个神经元/每百万 token,输出是 34,868 个神经元/每百万 token,换算下来每天免费额度大约能跑 240 万输入 token,或者约 28.7 万输出 token。toolfreebie 在 2026-10-11 的实测结果也对得上:约 490 条 580 token 左右的 Llama 3.1 8B 回复,或者约 83 条 Llama 3.3 70B 回复,或者约 57 张 FLUX-1 schnell 图片。
同理,Whisper 转写按官方定价是 41.14 个神经元/每音频分钟,免费额度每天大约能转 243 分钟音频。做个人小项目、搭个聊天机器人原型、给网站加个摘要功能,这个额度完全够用;用户量上来撞到上限,再考虑开付费计划。
免费额度能调哪些模型
Workers AI 的模型目录有 70 个左右的模型,其中文本生成 36 个(toolfreebie 2026-10-11 统计),覆盖文本、向量、生图、语音、翻译几大类:
| 类型 | 能免费调的模型 |
|---|---|
| 文本生成 | Llama 3.1/3.2/3.3/4 Scout、Gemma 3/4、Qwen3、Mistral Small 3.1、gpt-oss 20B/120B、DeepSeek R1 蒸馏版、GLM-4.7 Flash、Kimi K2.5 |
| 向量嵌入 | BGE-small/base/large、bge-m3、Qwen3 Embedding |
| 生图 | FLUX-1 schnell、FLUX-2、Stable Diffusion XL |
| 语音转文字 | Whisper、Whisper Large v3 Turbo、Deepgram Nova-3 |
| 语音合成 | MeloTTS、Deepgram Aura |
先说清楚一个坑:目录里有 7 个前沿模型,免费计划调不动。toolfreebie 与 logeshwaran.org 的实测都确认,Kimi K2.6、K2.7,GLM-5.2、5.3、5.3-flash,DeepSeek V4 Flash、V4 Pro 在免费计划下会返回 403,要用它们得开 Workers Paid 或预付 AI Gateway 额度。写代码之前先在模型目录里确认你要的模型在免费计划下可用,别等到报错再排查。
还有一个坑是模型 ID 会过期。2026-05-30,Cloudflare 下线了 18 个旧模型,其中就包括不带后缀的 @cf/meta/llama-3.1-8b-instruct,现在再调它会直接失败。认准带 fp8-fast 后缀的版本,比如 @cf/meta/llama-3.1-8b-instruct-fp8-fast,复制旧教程里的模型 ID 之前,先到模型目录核对一遍。
申请步骤:3 步拿到调用钥匙
整个过程 5 分钟,不用绑卡,不用等审核。
第 1 步:注册 Cloudflare 账号
打开 Cloudflare 控制台,用邮箱注册一个免费账号,验证邮箱后登录。免费账号不用绑卡。
第 2 步:记下 Account ID
登录控制台后,Account ID 显示在右侧栏。调用 API 时 URL 里要用到它。
第 3 步:建一个 API Token
点右上角头像 → My Profile → API Tokens → Create Token,选 Workers AI 模板,或者自定义一个带 Workers AI 读取权限的 Token。建好后把 Token 保存好,页面关掉就再也看不到完整 Token 了。
这三样东西——Account ID、API Token、模型 ID——就是调用 Workers AI 全部需要的东西。
三种调用方法
方法一:REST API 直接调,不用写代码
最快验证额度的方式,一条 curl 就能跑通:
curl https://api.cloudflare.com/client/v4/accounts/你的AccountID/ai/run/@cf/meta/llama-3.1-8b-instruct-fp8-fast \
-H "Authorization: Bearer 你的APIToken" \
-H "Content-Type: application/json" \
-d '{"prompt": "你好,请用一句话介绍你自己。"}'
URL 结构是固定的:https://api.cloudflare.com/client/v4/accounts/{Account ID}/ai/run/{模型 ID},换模型只换最后一段。第一次跑通,就表示账号、Token、模型 ID 都没问题。
方法二:OpenAI SDK 调,现有代码改一行就能用
Workers AI 提供 OpenAI 兼容接口,官方文档给出的地址是 https://api.cloudflare.com/client/v4/accounts/{Account ID}/ai/v1,原来用 OpenAI SDK 的代码,只改 base_url 和模型名就能接过来:
from openai import OpenAI
client = OpenAI(
api_key="你的APIToken",
base_url="https://api.cloudflare.com/client/v4/accounts/你的AccountID/ai/v1",
)
resp = client.chat.completions.create(
model="@cf/meta/llama-3.1-8b-instruct-fp8-fast",
messages=[{"role": "user", "content": "你好,请用一句话介绍你自己。"}],
)
print(resp.choices[0].message.content)
聊天接口(/v1/chat/completions)和向量接口(/v1/embeddings)大部分模型都支持,Responses API(/v1/responses)只支持 gpt-oss 那两个模型。
方法三:在 Worker 里用 AI 绑定,延迟最低
如果你已经在用 Cloudflare Workers,模型调用不用走公网,直接在 Worker 里用 AI 绑定:
export default {
async fetch(request, env) {
const answer = await env.AI.run("@cf/meta/llama-3.1-8b-instruct-fp8-fast", {
messages: [{ role: "user", content: "你好,请用一句话介绍你自己。" }],
});
return Response.json(answer);
},
};
在 wrangler 配置里给 Worker 绑一个名叫 AI 的 Workers AI 绑定,部署后请求在离用户最近的边缘节点上直接跑推理,不用再绕一圈调 API。
申请技巧:让免费额度花得更值
优先选带 fp8、fp8-fast 后缀的模型。同一个模型不同量化版本,神经元消耗差几倍。Llama 3.1 8B 普通版输出要 $0.827/每百万 token,fp8-fast 版只要 $0.384,效果接近,成本直接减半。
长文本任务先看上下文窗口。toolfreebie 统计的目录数据:Llama 3.1 8B fp8 上下文 32,000 token,Llama 3.3 70B fp8-fast 是 24,000,gpt-oss 是 128,000。传长文档之前先确认模型吃得下,别等到报错才发现截断了。
额度在控制台里看。Workers AI 仪表盘能看到当天用了多少神经元,剩多少。免费计划没有账单,超了就是报错,等第二天 00:00 UTC 重置。
把 AI Gateway 挂在前面。AI Gateway 可以免费挂在 Workers AI 前面做缓存、日志和限流,重复的请求直接走缓存,不烧神经元。
一个 Token 覆盖所有类型。文本、生图、语音、向量都用同一个 Account ID 和 Token,不用每个模型单独申请。先拿最便宜的 Llama 3.1 8B fp8-fast 把流程跑通,再根据效果换大模型。
费用明细
| 免费计划 | Workers Paid | |
|---|---|---|
| 每天免费额度 | 10,000 神经元 | 10,000 神经元 |
| 超出部分 | 请求报错,不扣费 | $0.011 / 1,000 神经元 |
| 月费 | $0 | $5 起 |
| 可用模型 | 除 7 个前沿模型外全部 | 全部 |
| 绑卡 | 不用 | 需要 |
免费额度折成钱大约是每天 $0.11、每月 $3.30。个人项目、小网站的聊天机器人、内容摘要、语音转写,免费额度够用了;跑到每天几百上千次调用、或者要用 Kimi K2.6、GLM-5.3、DeepSeek V4 这类前沿模型,再开 Workers Paid。
常见问题
免费额度用完了会扣钱吗?
不会。免费计划没有绑卡,额度用完请求直接报错,等第二天 00:00 UTC 重置。只有开了 Workers Paid 才会计费。
注册要绑卡吗?
不用。注册 Cloudflare 免费账号、建 API Token 全程不用绑卡。
和 Groq、Gemini 的免费层比,选哪个?
看用途。Workers AI 一个 Token 覆盖文本、生图、语音、向量,模型全,还能直接部署在 Worker 里;Groq 的优势是速度,同样免费层推理延迟更低。想一次对比 17 家免费 LLM API 的额度与限速,看这篇:17 家免费 LLM API Key 全指南。只想要极速推理,看这篇:Groq 免费层教程。
调某个模型返回 403 怎么办?
先确认是不是 7 个前沿模型之一(Kimi K2.6、K2.7,GLM-5.2、5.3、5.3-flash,DeepSeek V4 Flash、V4 Pro),这几个免费计划调不动;再确认模型 ID 没写错,旧 ID 可能已经下线;最后确认 Token 有 Workers AI 读取权限。
免费额度能用在正式项目上吗?
小项目、原型完全够用,约 490 条 Llama 3.1 8B 回复、约 243 分钟 Whisper 转写、约 57 张 FLUX 图片的量级。用户量上来撞到上限,就开 Workers Paid 按量付费,不用换架构。
神经元和 token 是什么关系?
神经元是 Cloudflare 的计费单位,按 GPU 算力折算,不同模型同样 token 数消耗的神经元不一样。每个模型的神经元单价都列在官方定价页上,动手之前先查你要用的那个模型。
本站部分内容由网友投稿,转载仅为学习交流之目的,不代表 518 PORT 立场;版权归原作者所有。如有侵权、虚假或违法内容,请联系我们删除;本站不承担因转载内容产生的任何责任。

