คำตอบสั้น: Workers AI คือตัวรันโมเดลแบบ serverless คิดเงินเป็น Neuron, Vectorize คือ vector database ที่คิดเงินตามมิติของเวกเตอร์, AI Gateway คือชั้น observability กับ caching ที่ฟรี และ AI Search (ชื่อเดิม AutoRAG) คือ RAG pipeline สำเร็จรูปที่ฟรีช่วง open beta ในระบบ RAG จริง ค่าใช้จ่ายเกือบทั้งหมดอยู่ที่ generation ไม่ใช่ที่ vector DB และถ้างานต้องการ reasoning ระดับ frontier โมเดลเล็กของ Cloudflare ยังสู้ OpenAI กับ Anthropic ไม่ได้ (ราคา ณ กรกฎาคม 2026)
คำถามที่ทีมส่วนใหญ่ถามตอนเริ่มทำ AI คือ "จะใช้โมเดลไหน" ซึ่งเป็นคำถามที่ผิด คำถามที่ถูกคือ "งานไหนควรจ่ายแพงเพื่อคุณภาพ และงานไหนควรจ่ายถูกที่สุด" เพราะในระบบ AI จริง ค่าใช้จ่ายกระจุกตัวที่เดียวอย่างชัดเจน คือ generation
Cloudflare มีสี่ชิ้นสำหรับ AI คือ Workers AI (รันโมเดล), Vectorize (เก็บ embedding), AI Gateway (คุมและมอง) และ AI Search (RAG สำเร็จรูป) บทความนี้จะพาคุณดูว่าแต่ละตัวคืออะไร คิดเงินเท่าไรจริง และสำคัญที่สุด เมื่อไหร่ที่คุณควรเดินออกไปหา OpenAI หรือ Anthropic
ชื่อที่เปลี่ยนไปแล้ว อ่านก่อนอื่น
ก่อนจะเข้าเนื้อหา มีสองชื่อที่เอกสารเก่ายังเรียกแบบเดิม และทำให้คนหา doc ไม่เจอ
AutoRAG ตอนนี้ชื่อ AI Search อินสแตนซ์ที่สร้างหลังวันที่ 16 เมษายน 2026 จะมี built-in storage, built-in vector index และ web crawling มาให้ในตัว ส่วนอินสแตนซ์เก่าถูกย้ายไปอยู่บน managed infrastructure เมื่อ 3 มิถุนายน 2026
Browser Rendering ตอนนี้ชื่อ Browser Run และถูกผนวกเข้ามาใน AI Search แล้ว คุณจึงไม่ต้องจ่าย Browser Run แยกสำหรับการ crawl เว็บจาก AI Search อีกต่อไป
Workers AI: คิดเงินเป็น Neuron
Workers AI รันโมเดล open-weight บน GPU ของ Cloudflare แบบ serverless ราคากลางคือ $0.011 ต่อ 1,000 Neurons โดย Neuron คือหน่วยวัด GPU compute ที่ Cloudflare ใช้เทียบงานข้ามโมเดล ทุกบัญชีได้ 10,000 Neurons ต่อวันฟรี ทั้งแผน Free และ Paid โดยรีเซ็ตทุกวันเวลา 00:00 UTC
เอาเข้าจริง คุณไม่ต้องคิดเป็น Neuron เลย เพราะเอกสารปัจจุบันแสดงราคาต่อโมเดลเป็นดอลลาร์ต่อล้านโทเคนมาให้แล้ว ซึ่งเทียบกับเจ้าอื่นได้ตรง ๆ
| โมเดล (เลือกมาบางส่วน) | Input / M tokens | Output / M tokens | เหมาะกับ |
|---|---|---|---|
| @cf/meta/llama-3.2-1b-instruct | $0.027 | $0.201 | จัดหมวดหมู่ง่าย ๆ ปริมาณมหาศาล |
| @cf/meta/llama-3.1-8b-instruct-fp8-fast | $0.045 | $0.384 | RAG ทั่วไป คุ้มค่าที่สุด |
| @cf/meta/llama-3.3-70b-instruct-fp8-fast | $0.293 | $2.253 | งานที่ต้องการคุณภาพคำตอบสูง |
| @cf/openai/gpt-oss-20b | $0.200 | $0.300 | output ถูกเมื่อตอบยาว |
| @cf/openai/gpt-oss-120b | $0.350 | $0.750 | output ถูกกว่า 70B มาก |
| @cf/aisingapore/gemma-sea-lion-v4-27b-it | $0.351 | $0.555 | โมเดลสำหรับภาษาเอเชียตะวันออกเฉียงใต้ |
| @cf/qwen/qwen3-30b-a3b-fp8 | $0.051 | $0.335 | ถูกมากเมื่อเทียบกับขนาด |
| @cf/deepseek-ai/deepseek-r1-distill-qwen-32b | $0.497 | $4.881 | reasoning แต่ output แพงมาก |
| @cf/baai/bge-m3 (embedding) | $0.012 | – | embedding ที่คุ้มสุด |
| @cf/openai/whisper | $0.0005 ต่อนาทีเสียง | ถอดเสียงเป็นข้อความ | |
สิ่งที่ทีมไทยควรสังเกตเป็นพิเศษ คือมี gemma-sea-lion-v4-27b-it จาก AI Singapore อยู่ในแคตตาล็อก ซึ่งเป็นโมเดลที่สร้างมาเพื่อภาษาในภูมิภาคเอเชียตะวันออกเฉียงใต้โดยตรง ถ้า workload ของคุณเป็นภาษาไทยล้วน นี่คือตัวที่ควรเอามา benchmark เทียบกับ llama ก่อนตัดสินใจ
ลิมิตที่ต้องดูก่อนออกแบบ
Rate limit เริ่มต้นสำหรับ Text Generation อยู่ที่ 300 request ต่อนาที ส่วน Text Embeddings อยู่ที่ 3,000 request ต่อนาที และ Automatic Speech Recognition อยู่ที่ 720 request ต่อนาที ถ้าคุณกำลังออกแบบ chatbot ที่มี traffic สูง 300 req/min คือตัวเลขที่ต้องคุยกับ Cloudflare ตั้งแต่เนิ่น ๆ
ใช้ Workers AI เมื่อไหร่ / ไม่ควรใช้เมื่อไหร่
ใช้เมื่อ: งานปริมาณมากที่โมเดลเล็กทำได้ดีอยู่แล้ว เช่น จัดหมวดหมู่ข้อความ, สรุปความ, ทำ embedding, ถอดเสียง, กรอง spam และ sentiment งานเหล่านี้รันบน 8B ได้สบาย ๆ และถูกกว่า frontier หลายสิบเท่า ข้อดีเพิ่มคือการ inference เกิดขึ้นใกล้ผู้ใช้ จึงไม่มี round trip ข้ามทวีป
ไม่ควรใช้เมื่อ: งานต้องการ reasoning ขั้นสูง เขียนโค้ดระดับ agent หรือ context ยาวมาก โมเดล open-weight ที่ Cloudflare มียังสู้ frontier โมเดลรุ่นล่าสุดจาก OpenAI หรือ Anthropic ไม่ได้ นี่เป็นข้อเท็จจริง ไม่ใช่ความเห็น
Vectorize: คิดเงินตามมิติของเวกเตอร์
Vectorize ไม่คิดเงินตาม CPU, memory, "active index hours" หรือจำนวน index ที่คุณสร้าง มันคิดสองอย่างเท่านั้น คือ queried vector dimensions กับ stored vector dimensions
สูตรที่คนมักคำนวณผิดคือ queried vector dimensions ไม่ได้นับแค่ vector ที่คุณ query มา แต่นับเป็น (queried vectors + stored vectors) x dimensions แปลว่ายิ่ง index ใหญ่ การ query แต่ละครั้งก็แพงขึ้น
| บริการ | Workers Free | Workers Paid | ลิมิตสำคัญ |
|---|---|---|---|
| Vectorize – queried dimensions | 30 ล้าน/เดือน | 50 ล้านแรกฟรี + $0.01/ล้าน | topK สูงสุด 50 (มี metadata) |
| Vectorize – stored dimensions | 5 ล้าน | 10 ล้านแรกฟรี + $0.05/100 ล้าน | สูงสุด 1,536 มิติ (float32) |
| Vectorize – จำนวน vector | 10,000,000 ต่อ index | metadata 10 KiB ต่อ vector | |
| AI Gateway – core features | ฟรีทั้งหมด (analytics, caching, rate limiting) | DLP scanning ก็ฟรี | |
| AI Gateway – persistent logs | 100,000 log รวมทุก gateway | 10,000,000 log ต่อ gateway | Logpush $0.05/ล้าน |
| AI Gateway – Unified Billing | คิดค่าธรรมเนียม 5% ของเครดิตที่ซื้อ | ราคา provider ส่งต่อไม่บวกกำไร | |
| AI Search – ราคา | ฟรีช่วง open beta (Workers AI + AI Gateway คิดแยก) | ไฟล์สูงสุด 4 MB | |
| AI Search – query | 20,000/เดือน | ไม่จำกัด | metadata field สูงสุด 5 |
| AI Search – ไฟล์ต่อ instance | 100,000 | 1 ล้าน (500,000 ถ้าใช้ hybrid search) | crawl 500 หน้า/วัน บน Free |
ใช้ Vectorize เมื่อไหร่ / ไม่ควรใช้เมื่อไหร่
ใช้เมื่อ: คุณทำ semantic search หรือ RAG ที่อยู่บน Cloudflare อยู่แล้ว และ embedding ของคุณมีมิติไม่เกิน 1,536 การที่ไม่คิดค่า idle หรือค่า egress ทำให้มันถูกมากสำหรับ index ที่ถูก query ไม่บ่อย
ไม่ควรใช้เมื่อ: embedding ของคุณมีมากกว่า 1,536 มิติ เช่น embedding ขนาด 3,072 มิติจะใส่ Vectorize ไม่ได้เลย ต้องไป pgvector, Pinecone หรือ Qdrant นอกจากนี้ topK สูงสุด 50 เมื่อขอ values หรือ metadata มาด้วย จึงจำกัด pipeline ที่ต้องดึงผลมาเยอะ ๆ แล้ว rerank ต่อ
AI Gateway: ชั้นที่คนมองข้ามบ่อยที่สุด
AI Gateway นั่งคั่นระหว่างแอปกับโมเดล ไม่ว่าโมเดลนั้นจะอยู่บน Workers AI, OpenAI, Anthropic หรือที่ไหน คุณเปลี่ยน base URL บรรทัดเดียวก็ได้ analytics, caching และ rate limiting
ฟีเจอร์หลักของ AI Gateway ฟรีทั้งหมด ไม่ว่าแผนไหน ซึ่งเอาจริง ๆ แล้วเป็นข้อเสนอที่ดีมาก caching อย่างเดียวก็สามารถลดบิล inference ได้อย่างมีนัยสำคัญสำหรับคำถามซ้ำ ๆ
สิ่งที่มีค่าใช้จ่ายมีสามส่วน หนึ่ง persistent logs เกินโควตา (Free 100,000 log รวมทุก gateway; Paid 10 ล้าน log ต่อ gateway) สอง Guardrails ใช้ llama-guard-3-8b บน Workers AI จึงคิดเงินเป็น token ตามปกติ สาม Unified Billing คิดค่าธรรมเนียม 5% ของเครดิตที่ซื้อ เช่น ซื้อเครดิต $100 จะโดนเรียกเก็บ $105 (แต่ราคา inference ของ provider ส่งต่อตามจริง ไม่บวกกำไร)
ใช้ AI Gateway เมื่อไหร่ / ไม่ควรใช้เมื่อไหร่
ใช้เมื่อ: เกือบทุกกรณี มันฟรี มันให้ observability ที่คุณต้องมีอยู่แล้ว และมันทำให้คุณสลับโมเดลได้โดยไม่ต้องแก้โค้ดหลายจุด นี่คือสิ่งที่ทำให้สถาปัตยกรรมแบบผสม คือใช้ Workers AI กับงานถูกและปริมาณมาก และ route งานยากไปหา frontier model ผ่าน gateway เดียวกัน เป็นไปได้จริง
ไม่ควรใช้เมื่อ: คุณมี LLM observability เฉพาะทางอยู่แล้ว (เช่น Langfuse หรือ Helicone) ที่ทีมใช้งานคล่อง การเพิ่มชั้นขึ้นมาอีกชั้นไม่ได้ช่วยอะไร
AI Search: RAG สำเร็จรูป
AI Search คือสิ่งที่เคยชื่อ AutoRAG มันจัดการ chunking, embedding, การ index ซ้ำอัตโนมัติ และการ retrieve ให้คุณทั้งหมด คุณแค่ชี้แหล่งข้อมูล แล้ว query ด้วยภาษาธรรมชาติผ่าน Worker binding, REST API หรือ MCP server ที่มีมาให้ในตัว
ตอนนี้ AI Search ฟรีช่วง open beta ภายใต้ลิมิตที่กำหนด โดย Workers AI และ AI Gateway คิดเงินแยกต่างหาก แปลว่า "ฟรี" หมายถึงตัว orchestration ไม่ใช่ค่า inference ที่อยู่ข้างใต้ Cloudflare ระบุว่าจะแจ้งรายละเอียดราคาล่วงหน้าอย่างน้อย 30 วันก่อนเริ่มเก็บเงิน
ใช้ AI Search เมื่อไหร่ / ไม่ควรใช้เมื่อไหร่
ใช้เมื่อ: คุณอยากได้ RAG เร็ว ๆ สำหรับ knowledge base, ค้นหาเอกสาร หรือเป็น tool ให้ AI agent โดยไม่อยากเขียน chunking logic กับ pipeline การ index เอง MCP endpoint ที่มาในตัวเป็นของแถมที่ดีมากถ้าคุณกำลังทำ agent
ไม่ควรใช้เมื่อ: คุณต้องคุมกลยุทธ์ chunking หรือ rerank เองอย่างละเอียด ไฟล์ของคุณใหญ่กว่า 4 MB คุณต้องการ metadata field มากกว่า 5 หรือค่า metadata ยาวกว่า 500 ตัวอักษร และที่สำคัญที่สุด การวางระบบที่คิดเงินลูกค้าไว้บนผลิตภัณฑ์ beta ที่ยังไม่ประกาศราคา คือความเสี่ยงทางธุรกิจที่ควรคุยกับทีมก่อน
ตัวอย่างจริง: RAG chatbot สำหรับ knowledge base ภายใน
สมมติบริษัทไทยที่มีเอกสารภายใน 50,000 ชิ้น ตัดเป็น 200,000 chunk ใช้ embedding 768 มิติ และมีคำถามจากพนักงาน 100,000 ครั้งต่อเดือน แต่ละคำถามดึง context มา ๆ 2,000 token และตอบกลับ 300 token
| รายการ | การคำนวณ | ใช้ Llama 3.1 8B | ใช้ Llama 3.3 70B |
|---|---|---|---|
| Workers Paid | ค่าธรรมเนียมพื้นฐาน | $5.00 | $5.00 |
| Vectorize – stored | 200,000 x 768 = 153.6 ล้าน ลบฟรี 10 ล้าน = 143.6 ล้าน x $0.05/100 ล้าน | $0.07 | $0.07 |
| Vectorize – queried | (100,000 + 200,000) x 768 = 230.4 ล้าน ลบฟรี 50 ล้าน = 180.4 ล้าน x $0.01/ล้าน | $1.80 | $1.80 |
| Embedding – index (bge-m3) | 200,000 chunk x 500 token = 100 ล้าน token x $0.012/ล้าน | $1.20 | $1.20 |
| Embedding – query | 100,000 x 20 token = 2 ล้าน token | $0.02 | $0.02 |
| Generation – input | 100,000 x 2,000 = 200 ล้าน token | $9.00 | $58.60 |
| Generation – output | 100,000 x 300 = 30 ล้าน token | $11.52 | $67.59 |
| AI Gateway | core features ฟรี | $0.00 | $0.00 |
| รวม | ~$28.61 | ~$134.28 |
ดูตัวเลขให้ดี ๆ แล้วจะเห็นสิ่งที่สำคัญที่สุดของบทความนี้ vector database คิดเงินไม่ถึง 2 ดอลลาร์ แต่ generation คิดเป็น 94% ของบิลเมื่อใช้โมเดล 70B ทีมจำนวนมากใช้เวลาหลายสัปดาห์เลือก vector database ทั้ง ๆ ที่ส่วนนั้นเป็นเศษสตางค์ของบิล
การเปลี่ยนจาก 70B เป็น 8B ลดบิลลง 79% คำถามที่ควรถามจึงไม่ใช่ "vector DB ไหนถูกสุด" แต่เป็น "งานนี้จำเป็นต้องใช้โมเดลใหญ่ขนาดไหน" วิธีที่ถูกคือทำ eval กับคำถามจริงของผู้ใช้ แล้วใช้โมเดลเล็กที่สุดที่ยังผ่าน eval
ถ้าคุณเปิด caching ของ AI Gateway และคำถาม 30% ซ้ำกัน ค่า generation จะหายไปเกือบหนึ่งในสามทันที โดยไม่มีค่าใช้จ่ายเพิ่ม เพราะ caching อยู่ใน core features ที่ฟรี
ตารางตัดสินใจ: ถ้าคุณต้องการ X ให้ใช้ Y
| ถ้าคุณต้องการ | ให้ใช้ | เหตุผล |
|---|---|---|
| จัดหมวดหมู่/สรุป/กรอง ปริมาณมาก | Workers AI (8B) | $0.045/$0.384 ต่อล้าน token ถูกกว่า frontier หลายสิบเท่า |
| งานภาษาไทยโดยเฉพาะ | gemma-sea-lion-v4-27b-it | โมเดลที่สร้างมาเพื่อภาษาเอเชียตะวันออกเฉียงใต้ |
| reasoning ขั้นสูง, agentic coding, context ยาวมาก | OpenAI / Anthropic (ผ่าน AI Gateway) | Cloudflare ไม่มี frontier model ระดับนั้น |
| semantic search ที่ embedding ไม่เกิน 1,536 มิติ | Vectorize | ไม่คิด idle หรือ egress จ่ายตามมิติที่ใช้ |
| embedding มากกว่า 1,536 มิติ (เช่น 3,072) | pgvector / Pinecone / Qdrant | Vectorize รองรับสูงสุด 1,536 มิติ |
| observability + caching สำหรับ LLM ทุก provider | AI Gateway | core features ฟรี เปลี่ยน base URL บรรทัดเดียว |
| RAG ที่ไม่อยากเขียน pipeline เอง | AI Search | chunk + embed + index อัตโนมัติ มี MCP endpoint |
| คุม chunking หรือ rerank อย่างละเอียด | Vectorize + โค้ดเอง (ไม่ใช้ AI Search) | AI Search ไม่เปิดให้คุมจุดนั้น |
| ไฟล์ใหญ่กว่า 4 MB | แตกไฟล์เองก่อน index | AI Search จำกัดไฟล์ที่ 4 MB |
เมื่อไหร่ที่ OpenAI หรือ Anthropic ชนะ
ตรงนี้ต้องชัด โมเดลที่ Workers AI ให้เป็นโมเดล open-weight ขนาดเล็กถึงกลาง เก่งมากสำหรับงานที่มีขอบเขตชัดเจน แต่ไม่ได้อยู่ในชั้นเดียวกับ frontier model รุ่นล่าสุด
งานที่ต้องการ reasoning จริง ๆ
การวิเคราะห์สัญญากฎหมายหลายสิบหน้า การเขียนโค้ดระดับ agent ที่ต้องวางแผนหลายขั้น การสรุปงบการเงินที่ต้องความแม่นยำสูง งานเหล่านี้โมเดล 8B หรือแม้ 70B ทำได้ไม่ดีเท่า frontier model ของ OpenAI หรือ Anthropic การฝืนใช้โมเดลเล็กเพื่อประหยัดเงินจะจบด้วย output ที่ใช้ไม่ได้ ซึ่งแพงกว่ามาก
สถาปัตยกรรมที่เราแนะนำจริง ๆ
อย่ามองเป็นการเลือกข้างใดข้างหนึ่ง ใช้ Workers AI สำหรับงานปริมาณมากที่โมเดลเล็กทำได้ดี (จัดหมวดหมู่, สรุป, embedding, กรอง) แล้ว route งานยาก ๆ ไปหา frontier model ผ่าน AI Gateway เดียวกัน คุณจะได้ analytics, caching และ rate limiting ครบทั้งสองเส้นทาง โดยจ่ายเงินตามที่ใช้จริง เราเปรียบสองฝั่งไว้ละเอียดใน Workers AI กับ OpenAI
ข้อจำกัดด้านมิติของ Vectorize
Vectorize รองรับสูงสุด 1,536 มิติ ถ้า embedding ที่คุณเลือกมี 3,072 มิติ คุณจะใส่ลง Vectorize ไม่ได้เลย ต้องลดมิติลง ซึ่งอาจกระทบคุณภาพการค้นหา หรือเปลี่ยนไปใช้ pgvector บน Postgres ที่คุณมีอยู่แล้ว หรือ Pinecone กับ Qdrant เรื่อง Postgres บน Cloudflare เราเขียนไว้ใน D1 กับ PostgreSQL
ความเสี่ยงของ beta
AI Search ฟรีตอนนี้ แต่ราคาหลัง beta ยังไม่ประกาศ ถ้าคุณสร้างผลิตภัณฑ์ที่คิดเงินลูกค้าจาก RAG โดยตรง การวาง margin ของธุรกิจไว้บนราคาที่ยังไม่ประกาศคือความเสี่ยง ไม่ใช่กลยุทธ์ เริ่มจากงานภายในก่อน แล้วค่อยขยายออกเมื่อราคาชัด
ภาพรวมของบริการ compute ทั้งหมดอยู่ใน บริการ Compute ของ Cloudflare
สรุปสำหรับคนที่ต้องตัดสินใจ
สามคำถาม: งานของคุณต้องการ reasoning ระดับ frontier จริงหรือเพียงแค่คิดว่าต้อง ถ้าแค่คิดว่าต้อง ให้ทำ eval กับโมเดล 8B ก่อน embedding ของคุณเกิน 1,536 มิติหรือไม่ ถ้าเกิน Vectorize หมดสิทธิ์ และ generation คือส่วนที่แพงที่สุดเสมอ ดังนั้นเวลา optimise ให้เริ่มที่โมเดล ไม่ใช่ที่ vector DB
Cipher ออกแบบและพัฒนาระบบบน Cloudflare Developer Platform ให้กับธุรกิจในประเทศไทย ถ้าคุณกำลังออกแบบระบบ RAG หรือ agent และอยากรู้ว่างานไหนควรอยู่บน Workers AI และงานไหนควรส่งออกไป frontier model เรารับประเมินสถาปัตยกรรมและคำนวณต้นทุนจริงจากปริมาณงานของคุณเองได้
คำถามที่พบบ่อย
Workers AI คิดเงินอย่างไร
คิดเป็น Neuron ที่ $0.011 ต่อ 1,000 Neurons โดยทุกบัญชีได้ 10,000 Neurons ต่อวันฟรี ทั้งแผน Free และ Paid เอกสารปัจจุบันแสดงราคาต่อโมเดลเป็นดอลลาร์ต่อล้านโทเคนด้วย เช่น llama-3.1-8b-instruct-fp8-fast อยู่ที่ $0.045 input และ $0.384 output ต่อล้าน token
Vectorize เก็บ embedding ได้กี่มิติ
สูงสุด 1,536 มิติต่อเวกเตอร์ ที่ความละเอียด 32 bit (float32) และเก็บได้สูงสุด 10,000,000 vector ต่อ index ถ้า embedding ของคุณมี 3,072 มิติ คุณจะใช้ Vectorize ไม่ได้ ต้องลดมิติหรือไปใช้ pgvector, Pinecone หรือ Qdrant แทน
AI Search (เดิมชื่อ AutoRAG) คิดเงินไหม
ตอนนี้ AI Search ฟรีช่วง open beta ภายใต้ลิมิตที่กำหนด แต่ Workers AI และ AI Gateway คิดเงินแยกต่างหาก แผน Free จำกัด 20,000 query ต่อเดือน ส่วนแผน Paid ไม่จำกัด และไฟล์ใหญ่สุดคือ 4 MB (ข้อมูล ณ กรกฎาคม 2026)
AI Gateway ฟรีจริงหรือไม่
ฟีเจอร์หลักฟรีจริงทั้ง dashboard analytics, caching และ rate limiting ส่วน DLP scanning ก็ฟรีทุกแผน สิ่งที่มีค่าใช้จ่ายคือ persistent logs เมื่อเกินโควตา Guardrails ที่คิดเป็น token ของ Workers AI และ Unified Billing ที่คิดค่าธรรมเนียม 5% ของเครดิตที่ซื้อ
เมื่อไหร่ควรใช้ OpenAI หรือ Anthropic แทน Workers AI
เมื่องานต้องการ reasoning ขั้นสูง เช่น การวิเคราะห์สัญญากฎหมายหลายสิบหน้า การเขียนโค้ดระดับ agent หรืองานที่ context ยาวมาก โมเดล open-weight ของ Cloudflare ทำได้ไม่ดีเท่า frontier model สถาปัตยกรรมที่ดีที่สุดคือใช้ Workers AI กับงานปริมาณมากที่โมเดลเล็กทำได้ดี แล้ว route งานยากไปหา frontier model ผ่าน AI Gateway เดียวกัน
