Cloudflare Workers AI Free API Call Process: Registraasje, konfiguraasje en ynset yn ien stap

Ik wie de oare deis dwaande mei in persoanlik projekt, en ik woe in ...AIDe assistint moat grutte modellen belje. Doe't ik frege nei de priis, wow, elke oprop nei GPT-4o kostet in pear sinten. As ús projekt eins rinne soe, soene de API-kosten allinich al ferskate tûzenen yn 'e moanne bedrage.

Wy fregen ús ôf oft der in goedkeapere manier wie.

Doe kamen wy Cloudflare Workers AI tsjin. Wy wisten dat Cloudflare earder belutsen wie by AI-ynferinsje, mar wy namen it net serieus, om't wy oannamen dat grutte bedriuwen jild foar har produkten freegje soene. Blykt, wow, se jouwe elke dei 10000 neuronen fergees fuort.

Wat betsjut 10000 neuronen? It binne rûchwei in pear hûndert dialogen of in pear hûndert ôfbyldingsgeneraasjesesjes deis. Dat is mear as genôch foar ien persoan om mei te boartsjen.

Ik wie tige entûsjast en bin fuortendaliks begûn mei ûndersykjen.

Wat is Cloudflare Workers AI?

Cloudflare Workers AI, no, ik tink dat it ...PositioningDat is aardich nijsgjirrich. It is net allinich in ienfâldige modelprovider; it is in AI-ynferinsjeplatfoarm dat rint op it wrâldwide edge-netwurk fan Cloudflare. Mei edge-knooppunten yn mear as 300 stêden is it ongelooflijk ticht by brûkers.

Tink der ris oer nei: as jo de API fan OpenAI brûke, giet it fersyk earst nei de FS, wurdt ferwurke, en komt dan werom, wat trije oant fjouwerhûndert millisekonden duorret. Cloudflare, oan 'e oare kant, is in CDN-provider mei knooppunten oer de hiele wrâld. Wêr't jo ek binne, it rint it model op it tichtste knooppunt.

De typyske reaksjetiid is minder as 100 millisekonden. Dit ferskil is merkber foar de brûker.

Wat der echt cool oan is, is dat de kâlde start op millisekondennivo is, en it skalearret automatysk op en del. Sels mei in hommelse taname fan ferkear sil it net fertrage, yn tsjinstelling ta guon platfoarms dy't ûnbidich rap binne as nimmen it brûkt om 3 oere moarns, mar dan folslein crashje tidens spitstiden oerdeis.

50+ modellen, dy't alle senario's dekke

Der binne ek in soad stipe modellen; fan juny 2026 ôf binne der al mear as 50.

Foar tekstbasearre dialooch binne Llama 3, Llama 4, Mistral, GLM, Qwen, Gemma, en Deepseek-r1 allegear beskikber. Foar it generearjen fan ôfbyldings binne der Stable Diffusion, FLUX, en Pixverse. Foar spraak is der Whisper foar spraak-nei-tekst, TTS foar tekst-nei-spraak, en sels fideogeneraasje.

Boppedat is de API ûntworpen om tige skjin te wêzen. Nettsjinsteande it brûkte model brûkt it in ferienige ynterface; jo hoege allinich de modelnamme te feroarjen.

env.AI.run("modelnamme", {…})

It feroarjen fan it model mei mar ien rigel koade is sa handich.

Ekstreem goedkeape priis, royale fergese kredytlimyt

Ik haw ek de prizen dien. De fergese deistige hoemannichte is 10000 neuronen, wat mear as genôch is foar persoanlik eksperimintearjen. As jo ​​betelje wolle, is it $0.011 per 1000 neuronen, wat 60% oant 90% goedkeaper is as OpenAI. Plus, it wurdt fakturearre troch neuronen, net troch tokens, wêrtroch it kosteneffektiver is foar lytsere petearen.

Earlik sein tink ik dat dizze fakturearringsmetoade frij earlik is. It oantal neuronen dat jo útjaan ferskilt ôfhinklik fan oft jo in ienfâldich petear hawwe of in hiel lang petear, mar it ferskil is net sa skandalich as by token-basearre fakturearring.

Op dit punt freegje jo jo miskien ôf, hoe brûke jo it krekt?

Ik haw it proses sels trochmakke, lit my jo deroer fertelle.

Registrearje en meitsje API-tokens

De earste stap is om in Cloudflare-akkount te registrearjen. As jo ​​al in akkount hawwe, meld jo dan gewoan oan. As dat net sa is, is registrearjen maklik; folje gewoan in e-mailadres yn en stel in wachtwurd yn.

Nei it ynloggen, klikje jo op KI yn it linkermenu, en klikje dan op Wurkjouwers-KI.

As jo ​​binnen binne, sjogge jo in knop om in API-token oan te meitsjen. Klik derop om in token te generearjen.

Hjir is in detail om te notearjen: it generearre token kin mar ien kear sjoen wurde by it oanmeitsjen, dus soargje derfoar dat jo it bewarje. De pagina sil jo ek in akkount-ID jaan; jo sille beide letter nedich hawwe.

Nei it opslaan sjogge jo ûnderoan de pagina in gebrûksfoarbyld, dat is it curl-kommando. Ferfang it gewoan mei jo akkount-ID en APIKEY. It kommando sjocht der sa út:

curl \
  https://api.cloudflare.com/client/v4/accounts/账户ID/ai/run/@cf/模型ID \
  -H "Authorization: Bearer 刚才生成的APIKEY" \
  -d '{"messages":[{"role":"system","content":"You are a friendly assistant that helps write stories"},{"role":"user","content":"Write a short story about a llama that goes on a journey to find an orange cloud"}]}'

Besjoch de list mei beskikbere modellen

Dan ûntstiet de fraach: wêr fine jo de model-ID?

Der is in dokumintknop oan 'e rjochterkant fan' e side Workers AI.

Klik op de kategory "Modellen"; dêr fine jo in list mei alle modellen.

Kies dejinge dy't jo brûke wolle, en jo kinne de model-ID sjen troch derop te klikken.

Testoprop fan it Kimi 2.6-model

我选择用kimi2.6来测试一下。把模型ID复制出来，替换到curl命令里，从@cf/开始替换。

It fersyk waard ferstjoerd, en it resultaat waard gau weromjûn.

De reaksjesnelheid is yndie tige rap, glêder as ik ferwachte.

Om earlik te wêzen, woe ik gewoan sjen wat dizze fergese kredyt dwaan koe, en it docht bliken dat it frij krêftich is. It is perfekt geskikt foar alledeisk petearjen, ynhâldgeneraasje, oersetting en kodearring.

En tink derom: dit ding rint op edge nodes. Jo sette in AI-applikaasje yn mei brûkers oer it hiele lân of sels de wrâld, en de reaksjesnelheid bliuwt konsekwint, sûnder jo soargen te hoegen te meitsjen oer regionale ynsetproblemen. Dit is ongelooflijk oantreklik foar yndividuele ûntwikkelders en lytse teams.

Earder, as jo in model útfiere woene, moasten jo of in GPU keapje en jo eigen bouwe, wat ûnbidich djoer wie, of in GPU-eksimplaar fan in cloudprovider brûke, wat yngewikkeld wie om te konfigurearjen. Cloudflare, oan 'e oare kant, hat it allegear foar jo ynpakt. Jo skriuwe allinich koade om it op te roppen, en it behannelet al it rommelige guod foar jo.

Ik tink dat dizze tinkwize korrekt is. KI-mooglikheden sille hieltyd mear lykje op ynfrastruktuer lykas wetter en elektrisiteit; jo hoege net te witten hoe't de elektrisiteit opwekt wurdt, jo kinne it gewoan ynplugje en brûke. Cloudflare Workers AI bringt dit "plug and play"-konsept nei in noch ekstremer nivo.

Fansels is it net sûnder neidielen. It fergese kwota is mar 10000 neuronen, dus jo moatte noch betelje as jo it yn in produksjeomjouwing mei in soad ferkear ynsette wolle. Ek, hoewol d'r mear as 50 modellen binne, wurde guon niche- of nijere modellen net stipe yn ferliking mei it wiidweidige ekosysteem fan OpenAI.

Mar foar persoanlike projekten, lytse ark, of gewoan nijsgjirrigens-oandreaune eksperiminten, tink ik dat it mear as genôch is.

Dat is myn earlike ûnderfining. Om't jo oant no ta lêzen hawwe, as jo it nuttich fûnen, like en diel it dan asjebleaft. As jo ​​earst updates ûntfange wolle, kinne jo my ek folgje! ⭐

Tankewol foar it lêzen fan myn artikel. Oant de folgjende kear.