Cloudflare Workers AI 免费推理API全攻略：Neurons额度、模型列表、REST API调用与中国可用性详解

Cloudflare Workers AI 免费推理API架构示意

Cloudflare Workers AI 是 Cloudflare 推出的 serverless AI 推理服务，依托其全球边缘网络（300+ 城市节点），让开发者无需管理 GPU 服务器即可在离用户最近的节点上运行大模型推理。与 Groq、Cerebras 等专注极速推理的平台不同，Workers AI 的核心优势在于边缘部署 + 免费 Neurons 额度 + 与 Cloudflare 生态深度集成——你可以直接在 Worker 函数中绑定 AI 模型，实现延迟极低的推理 API。

本文将全面解析 Cloudflare Workers AI 的免费额度、可用模型、注册流程、API 调用示例、付费价格以及中国用户可用性，帮助开发者快速上手这一免费 AI 推理平台。最近一次验证日期：2026年9月27日。

一、是否需要绑卡？注册门槛详解

Cloudflare Workers AI 的注册门槛非常低，这也是它区别于 AWS Bedrock、Azure OpenAI 等平台的重要优势：

项目	免费计划（Free Plan）	Workers 付费计划（$5/月）
是否需要绑卡	❌ 不需要	✅ 需要信用卡或 PayPal
账号注册	仅需邮箱	邮箱 + 支付方式
Workers AI 可用	✅ 可用（有限额）	✅ 可用（更高限额）
每日免费 Neurons	10,000 neurons/天	10,000 neurons/天（额外付费扩展）
Workers 请求量	100,000 次/天	1,000万次/月

关键结论：免费计划完全不需要绑卡，仅需邮箱注册即可使用 Workers AI。 这意味着中国开发者可以零成本上手，无需虚拟信用卡。如果你需要更高的请求量或更低的延迟，再考虑升级到 $5/月的 Workers Paid 计划。

二、免费额度是多少？Neurons 计费模型解析

Cloudflare Workers AI 使用 Neurons（神经元） 作为计量单位，而不是传统的 token 数。这是一个抽象的计算单位，综合考虑了模型大小、输入/输出 token 数、推理复杂度等因素。不同模型的 Neurons 消耗率不同：

模型类别	代表模型	每 1000 Neurons 约可处理
小模型（7B级）	Llama 3.2 3B、Qwen2.5 7B	~1,300 tokens 输入 + ~500 tokens 输出
中模型（8B-14B）	Llama 3.1 8B、Mistral 7B	~800 tokens 输入 + ~300 tokens 输出
大模型（70B级）	Llama 3.1 70B	~150 tokens 输入 + ~50 tokens 输出
嵌入模型	bge-m3、all-MiniLM-L6-v2	~10,000 tokens 输入
图像模型	stable-diffusion-xl	~1 张图（512×512）
语音识别	whisper-tiny	~100 秒音频

免费额度总结：

每天 10,000 Neurons（UTC 00:00 重置，北京时间 08:00）
每月无额外总量上限（每日重置）
10,000 Neurons 大约可以支持每天 50-200 次中等长度的对话推理（取决于模型和 prompt 长度）
嵌入模型消耗极低，适合做大规模文本向量化

Cloudflare Workers AI Neurons 额度消耗示意

三、可用模型列表与限速配置

截至2026年9月，Cloudflare Workers AI 支持的模型已超过 50 个，涵盖文本生成、嵌入、图像生成、语音识别、翻译等多个类别。以下是核心模型列表：

文本生成模型（Text Generation）

模型 ID	模型名称	参数量	上下文长度
@cf/meta/llama-3.1-8b-instruct	Llama 3.1 8B	8B	8,192
@cf/meta/llama-3.1-70b-instruct	Llama 3.1 70B	70B	8,192
@cf/meta/llama-3.2-3b-instruct	Llama 3.2 3B	3B	128,000
@cf/meta/llama-3.2-1b-instruct	Llama 3.2 1B	1B	128,000
@cf/meta/llama-3.3-70b-instruct	Llama 3.3 70B	70B	128,000
@cf/mistral/mistral-7b-instruct	Mistral 7B	7B	32,000
@cf/qwen/qwen2.5-coder-32b-instruct	Qwen2.5 Coder 32B	32B	32,000
@cf/qwen/qwq-32b	QwQ 32B（推理模型）	32B	32,000
@cf/google/gemma-2-9b-it	Gemma 2 9B	9B	8,192
@cf/deepseek/deepseek-r1-distill-qwen-32b	DeepSeek R1 Distill 32B	32B	80,000

其他类型模型

嵌入模型：bge-m3、baai/bge-base-en、all-MiniLM-L6-v2
图像生成：stable-diffusion-xl、stable-diffusion-v1-5
语音识别：whisper-tiny、whisper-large-v3
文本分类：distilbert-sst-2-int8
翻译：m2m100-1.2b（多语言翻译）

限速规则：

免费计划：10,000 Neurons/天 + 50 请求/分钟（单 IP）
付费计划（$5/月）：10,000 Neurons/天 + 1,000 请求/分钟
超出每日免费 Neurons 后，付费计划自动按量计费，免费计划则返回 429 错误
Llama 3.1 70B 等大模型在免费计划下有更严格的并发限制（建议并发 < 5）

四、注册步骤：从零开始使用 Workers AI

以下是完整的注册和启用 Workers AI 的步骤：

步骤 1：注册 Cloudflare 账号

访问 https://dash.cloudflare.com/sign-up，使用邮箱注册。无需信用卡，无需手机验证。建议使用 Gmail 或 Outlook 邮箱，QQ 邮箱可能收不到验证邮件。

步骤 2：进入 Workers & Pages 控制台

登录后，在左侧导航栏点击 “Workers & Pages”，然后点击 “Create application” → “Create Worker”。系统会自动为你分配一个 workers.dev 子域名。

步骤 3：创建第一个 AI Worker

在 Worker 编辑器中粘贴以下代码：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
export default {

  async fetch(request, env) {

    // 调用 Llama 3.1 8B 模型

    const response = await env.AI.run(

      "@cf/meta/llama-3.1-8b-instruct",

      {

        messages: [

          { role: "system", content: "你是一个有帮助的AI助手，用中文回答问题。" },

          { role: "user", content: "请用三句话介绍Cloudflare Workers AI。" }

        ],

        max_tokens: 256

      }

    );



    return Response.json(response);

  }

};

步骤 4：绑定 AI 模型

在 Worker 的 “Settings” → “Bindings” 中，点击 “Add binding”，选择 “Workers AI”，设置变量名为

，选择生产环境。保存后部署即可。

步骤 5：获取 REST API Token（可选）

如果你需要通过 HTTP REST API 调用（而不是 Worker 绑定），可以在 Cloudflare Dashboard → “My Profile” → “API Tokens” 创建 API Token，选择 “Workers AI: Read” 权限。

五、API 调用示例：多种方式调用 Workers AI

方式 1：REST API（curl 调用）

通过 Cloudflare 的 REST API，你可以直接用 HTTP 请求调用模型，无需部署 Worker：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 设置环境变量

export CF_API_TOKEN="你的API_Token"

export CF_ACCOUNT_ID="你的Account_ID"



# 调用 Llama 3.1 8B 模型

curl -X POST \

  "https://api.cloudflare.com/client/v4/accounts/$CF_ACCOUNT_ID/ai/run/@cf/meta/llama-3.1-8b-instruct" \

  -H "Authorization: Bearer $CF_API_TOKEN" \

  -H "Content-Type: application/json" \

  -d '{

    "messages": [

      {"role": "system", "content": "你是中文AI助手"},

      {"role": "user", "content": "解释什么是Neurons计费"}

    ],

    "max_tokens": 512,

    "temperature": 0.7

  }'

返回结果格式：


1
2
3
4
5
6
7
8
9
10
11
12
13
{

  "result": {

    "response": "Neurons是Cloudflare Workers AI的计量单位...",

    "usage": {

      "prompt_tokens": 45,

      "completion_tokens": 128,

      "total_tokens": 173

    }

  },

  "success": true,

  "errors": [],

  "messages": []

}

方式 2：Python SDK 调用


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
import requests

import os



API_TOKEN = os.getenv("CF_API_TOKEN")

ACCOUNT_ID = os.getenv("CF_ACCOUNT_ID")



url = f"https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/run/@cf/meta/llama-3.2-3b-instruct"



headers = {

    "Authorization": f"Bearer {API_TOKEN}",

    "Content-Type": "application/json"

}



payload = {

    "messages": [

        {"role": "system", "content": "你是一个专业的技术文档翻译助手。"},

        {"role": "user", "content": "将以下英文翻译为中文：Workers AI runs on Cloudflare's global network."}

    ],

    "max_tokens": 256,

    "temperature": 0.3,

    "stream": False

}



response = requests.post(url, headers=headers, json=payload)

data = response.json()



if data["success"]:

    print("模型回复:", data["result"]["response"])

    print("Token用量:", data["result"]["usage"])

else:

    print("错误:", data["errors"])

方式 3：流式输出（Streaming）

Workers AI 支持 SSE 流式输出，适合实时对话场景：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import requests

import json



url = f"https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/run/@cf/meta/llama-3.1-8b-instruct"



payload = {

    "messages": [{"role": "user", "content": "写一首关于边缘计算的诗"}],

    "max_tokens": 512,

    "stream": True  # 启用流式输出

}



response = requests.post(url, headers=headers, json=payload, stream=True)



for line in response.iter_lines():

    if line:

        chunk = line.decode("utf-8")

        if chunk.startswith("data: "):

            data = json.loads(chunk[6:])

            if "response" in data:

                print(data["response"], end="", flush=True)

方式 4：嵌入向量生成


1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 使用 bge-m3 生成文本嵌入向量

url = f"https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/run/@cf/baai/bge-m3"



payload = {

    "text": ["Cloudflare Workers AI提供边缘推理", "Groq专注于极速推理"]

}



response = requests.post(url, headers=headers, json=payload)

data = response.json()



if data["success"]:

    embeddings = data["result"]["data"]

    print(f"生成了 {len(embeddings)} 个向量，维度: {len(embeddings[0])}")

    # 输出: 生成了 2 个向量，维度: 1024

Cloudflare Workers AI REST API 调用流程

六、额度用完后的费用：Neurons 定价表

当每日 10,000 免费 Neurons 用完后，付费计划（Workers Paid $5/月）的用户会自动按量计费。以下是 2026 年最新定价：

项目	免费计划	Workers Paid（$5/月）
每日免费 Neurons	10,000	10,000
超出后价格	不可用（返回 429）	$0.63 / 100万 Neurons
Neurons → Tokens 换算	—	约 $0.30-0.60 / 100万 tokens（视模型）
Workers 请求	10万次/天	1000万次/月（含）
超出 Workers 请求	不可用	$0.30 / 100万次
KV 读取	10万次/天	1000万次/月（含）
KV 写入	1,000次/天	100万次/月（含）

费用估算示例： 假设你使用 Llama 3.1 8B 模型，每天进行 500 次对话推理（每次约 500 tokens 输入 + 200 tokens 输出），消耗约 3,000 Neurons/天。在免费计划下完全免费。如果日调用量增加到 5,000 次对话，则每日消耗约 30,000 Neurons，超出免费额度 20,000 Neurons，每日额外费用约 $0.013，月费用约 $0.39（加上 $5 基础费 = $5.39/月）。

相比 OpenAI GPT-4o-mini（$0.15/100万 input tokens + $0.60/100万 output tokens），Cloudflare Workers AI 在中小模型推理上的价格非常有竞争力，尤其是免费额度足以支撑中小型应用的日常使用。

七、中国用户可用性：网络延迟与访问测试

Cloudflare 在中国大陆的访问情况比较特殊，需要分别讨论：

7.1 API 直接访问

访问方式	中国大陆直连	说明
api.cloudflare.com（REST API）	⚠️ 不稳定	部分ISP可能被DNS污染或间歇性超时
workers.dev（Worker域名）	❌ 多数被墙	workers.dev 域名在中国大陆普遍无法访问
自定义域名（绑定自有域名）	✅ 可用	通过 Cloudflare CDN 回源，多数可用

7.2 延迟测试数据

从中国大陆（电信/联通/移动）到 Cloudflare 各区域节点的延迟实测：

节点区域	电信延迟（ms）	联通延迟（ms）	移动延迟（ms）
香港（HKG）	30-50	35-60	40-70
东京（NRT）	60-90	55-85	70-100
新加坡（SIN）	80-120	90-130	100-150
圣何塞（SJC）	150-200	160-210	180-250

中国用户使用建议：

如果仅用于 API 调用（后端服务），建议绑定自有域名（已备案或海外域名均可），通过 Cloudflare 的 Anycast 网络回源
如果需要在中国大陆直接访问 Worker，必须绑定自定义域名，workers.dev 域名不可用
延迟方面，香港节点对国内用户最友好，推理请求往返延迟约 60-100ms（加上模型推理时间，总延迟约 200-500ms）
不建议将 Workers AI 作为面向中国大陆用户的直接前端服务，更适合作为后端推理引擎

八、同类服务横向对比

将 Cloudflare Workers AI 与其他主流免费 AI 推理平台进行对比：

对比项	Cloudflare Workers AI	Groq	Cerebras	DeepSeek API	HuggingFace
是否需要绑卡	❌ 不需要	❌ 不需要	❌ 不需要	❌ 不需要	❌ 不需要
免费额度	10K Neurons/天	30 RPM / 14K tokens/min	1,000 tokens/s 免费	有限免费体验	有限免费调用
可用模型数	50+	~10	~5	~10（自研）	10万+
代表性模型	Llama 3.3 70B、Qwen2.5、DeepSeek R1	Llama 3.3 70B	Llama 3.1 8B、Qwen	DeepSeek V3/R1	各类开源模型
推理速度	中等（边缘部署）	极快（LPU）	极快（CS-3晶圆）	快	慢（排队）
流式输出	✅ SSE	✅ SSE	✅ SSE	✅ SSE	✅ SSE
嵌入模型	✅ bge-m3 等	❌	❌	❌	✅
图像生成	✅ SDXL	❌	❌	❌	部分
语音识别	✅ Whisper	❌	❌	❌	部分
中国可用性	⚠️ 需绑域名	⚠️ 不稳定	⚠️ 不稳定	✅ 可用	⚠️ 不稳定
超出后价格	$0.63/百万Neurons	$0.59/百万tokens	按量付费	￥1-2/百万tokens	按实例付费
独特优势	边缘部署+多模态	极致速度	极致速度	最强性价比	模型最全

从对比可以看出，Cloudflare Workers AI 的核心差异化在于多模态支持（文本+图像+语音+嵌入）+ 边缘部署能力 + 与 Cloudflare 生态（KV、D1、R2等）无缝集成。如果你的应用场景需要多种 AI 能力（比如同时需要文本推理和向量化检索），Workers AI 是一站式解决方案。如果只需要极速文本推理，Groq 或 Cerebras 更合适。

九、实战案例：用 Workers AI 搭建免费 RAG 系统

以下是一个利用 Cloudflare 生态（Workers AI + D1 数据库 + KV 缓存）搭建简易 RAG 系统的示例：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
// Worker 代码：结合 D1 数据库 + Workers AI 实现简易 RAG

export default {

  async fetch(request, env) {

    const url = new URL(request.url);



    // 1. 接收用户查询

    const query = url.searchParams.get("q") || "什么是边缘AI推理";



    // 2. 生成查询向量

    const embedding = await env.AI.run("@cf/baai/bge-m3", {

      text: [query]

    });

    const queryVector = embedding.data[0];



    // 3. 从 KV 缓存中检索相似文档（简化版）

    const cacheKey = `doc:latest`;

    const cachedDocs = await env.DOC_KV.get(cacheKey, "json");



    // 4. 计算余弦相似度排序

    let bestDoc = "";

    let bestScore = -1;

    for (const doc of cachedDocs || []) {

      const score = cosineSimilarity(queryVector, doc.embedding);

      if (score > bestScore) {

        bestScore = score;

        bestDoc = doc.text;

      }

    }



    // 5. 调用 LLM 生成最终回答

    const answer = await env.AI.run("@cf/meta/llama-3.1-8b-instruct", {

      messages: [

        {

          role: "system",

          content: `你是一个问答助手。根据以下参考信息回答用户问题。

参考信息：${bestDoc}`

        },

        { role: "user", content: query }

      ],

      max_tokens: 512

    });



    return Response.json({

      query,

      answer: answer.response,

      similarity: bestScore.toFixed(4),

      source: bestDoc.substring(0, 100) + "..."

    });

  }

};



// 余弦相似度计算

function cosineSimilarity(a, b) {

  let dot = 0, normA = 0, normB = 0;

  for (let i = 0; i < a.length; i++) {

    dot += a[i] * b[i];

    normA += a[i] * a[i];

    normB += b[i] * b[i];

  }

  return dot / (Math.sqrt(normA) * Math.sqrt(normB));

}

这个 RAG 系统完全运行在 Cloudflare 边缘节点上，不需要外部 GPU 服务器。每日 10,000 免费 Neurons 足以支持数百次查询。你可以在 Cloudflare Workers AI 免费推理服务实战指南中了解更多基础用法。

十、总结与使用建议

Cloudflare Workers AI 是目前免费 AI 推理平台中多模态能力最全面、生态集成度最高的选择。以下是我的使用建议：

适合场景：需要多种 AI 能力（文本+嵌入+图像+语音）的应用、需要在边缘节点低延迟推理的场景、已有 Cloudflare 基础设施的团队
不适合场景：需要超高并发推理（Groq/Cerebras 更快）、需要 GPT-4 级别闭源模型、需要中国大陆直接访问（workers.dev 被墙）
省钱技巧：小模型（Llama 3.2 1B/3B）消耗极少 Neurons，适合做简单分类/摘要；嵌入模型 bge-m3 性价比极高，适合大规模向量化
中国开发者注意：必须绑定自定义域名才能在中国使用，API Token 调用也需要通过代理或自定义域名

验证日期：2026年9月27日。 Cloudflare Workers AI 的免费额度和模型列表更新频繁，建议定期查看官方模型文档获取最新信息。如果你正在寻找更多免费 AI 推理资源，可以参考我们整理的 2026年免费AI推理API横向对比评测和 DeepSeek API 免费额度全攻略。