คำตอบสั้น: ใช้ Workers AI เมื่องานเป็นงานเล็กแต่ทำซ้ำในปริมาณมาก เช่น การจัดหมวดหมู่ข้อความ การทำ embeddings การกลั่นกรองเนื้อหา และการสรุปสั้น เพราะโมเดลรันอยู่ในเครือข่ายเดียวกับ Worker ไม่ต้องออกไปหา API ภายนอก ทำให้ latency ต่ำกว่าและเนื้อหาไม่ต้องออกจากแพลตฟอร์ม ใช้ OpenAI API เมื่องานต้องการการให้เหตุผลระดับ frontier เช่น การอ่านเอกสารยาวแล้ววิเคราะห์ การเขียนโค้ด หรือ agent ที่วางแผนหลายขั้น โมเดลโอเพนซอร์สบน Workers AI ยังเล็กและอ่อนกว่าอย่างมีนัยสำคัญ ไม่ใช่ของทดแทนกันตรง ๆ ทางสายกลางที่ทีมส่วนใหญ่ควรเริ่มคือเรียก OpenAI ต่อไป แต่วาง AI Gateway ไว้ข้างหน้าเพื่อทำ caching, rate limiting และ observability
คำถาม Workers AI หรือ OpenAI มักถูกตั้งเป็นคำถามเลือกข้าง ทั้งที่ในระบบจริงมันแทบไม่เคยเป็นแบบนั้น ระบบที่ออกแบบดีมักใช้ทั้งสองอย่างในจุดที่ต่างกัน และสิ่งที่ตัดสินว่าจุดไหนใช้อะไร ไม่ใช่ยี่ห้อของโมเดล แต่เป็นสามอย่าง คือขนาดของงาน ปริมาณของงาน และข้อจำกัดเรื่องข้อมูล
บทความนี้พูดถึงสิ่งที่วัดได้ ราคา ณ กรกฎาคม 2026 ขีดจำกัดที่ประกาศไว้จริง และรูปแบบสถาปัตยกรรมที่ตามมา ไม่ใช่การเชียร์ว่าโมเดลไหนฉลาดกว่า เพราะเรื่องนั้นมีคำตอบที่ตรงไปตรงมาอยู่แล้ว และคำตอบนั้นไม่เข้าข้าง Cloudflare
สองสถาปัตยกรรมที่ต่างกันตั้งแต่ราก
Workers AI: โมเดลอยู่ในเส้นทางเดียวกับโค้ด
Workers AI คือ GPU ที่ Cloudflare วางไว้ในเครือข่ายของตัวเอง เวลา Worker ของคุณเรียก env.AI.run() คำขอนั้นไม่ได้ออกอินเทอร์เน็ตสาธารณะไปหาผู้ให้บริการรายอื่น มันวิ่งอยู่ภายในเครือข่ายเดียวกับที่โค้ดของคุณทำงานอยู่ ผลที่ตามมามีสามอย่าง คือไม่มี TLS handshake ข้ามทวีป ไม่มีการจัดการ API key ของบุคคลที่สาม และเนื้อหาที่ส่งเข้าโมเดลไม่ต้องออกจากขอบเขตของแพลตฟอร์มที่คุณใช้อยู่แล้ว
การคิดเงินใช้หน่วยที่ชื่อ Neurons ราคาอยู่ที่ 0.011 ดอลลาร์ต่อ 1,000 Neurons และมีโควตาฟรี 10,000 Neurons ต่อวัน ทั้งบนแผน Workers Free และ Workers Paid เอกสารของ Cloudflare แสดงราคาต่อโมเดลเป็นดอลลาร์ต่อล้านโทเคนควบคู่กันไปด้วย ซึ่งทำให้เปรียบเทียบกับผู้ให้บริการรายอื่นได้ตรง ๆ
OpenAI API: โค้ดอยู่ที่ edge แต่โมเดลอยู่อีกทวีป
เมื่อ Worker เรียก OpenAI สิ่งที่เกิดขึ้นคือ subrequest ออกจากเครือข่าย Cloudflare ไปยัง endpoint ของ OpenAI รอ แล้วรับผลกลับมา ข้อดีคือคุณได้โมเดลที่เก่งที่สุดในตลาด ข้อเสียคือคุณเพิ่ม hop หนึ่งชั้นเข้าไปในเส้นทางคำขอ และคุณส่งเนื้อหาของผู้ใช้ออกไปยังผู้ให้บริการอีกราย ซึ่งเป็นเรื่องที่ต้องอธิบายได้ในนโยบายความเป็นส่วนตัว
จุดที่ทีมมักเข้าใจผิดคือเรื่องค่าใช้จ่ายฝั่ง Worker Workers คิดเงินตาม CPU time ไม่ใช่ wall-clock time เวลาที่ Worker นั่งรอ response จาก OpenAI นานแปดวินาที ไม่ถูกนับเป็น CPU time เลย ดังนั้นการเป็นพร็อกซีไปหา OpenAI จึงแทบไม่มีต้นทุนฝั่ง compute ถ้าคุณกำลังคิดเรื่องนี้อยู่ เราเขียนรายละเอียดของโมเดลการคิดเงินแบบนี้ไว้ใน Cloudflare Workers vs AWS Lambda
สิ่งที่ต้องระวังจริง ๆ คือขีดจำกัดทางเทคนิคอื่น ๆ ของ Worker เช่น การเชื่อมต่อขาออกพร้อมกันได้สูงสุด 6 รายการต่อหนึ่ง Worker ซึ่งจะกัดทันทีถ้าคุณ fan out ยิงหลายคำขอขนานกันไปหาโมเดล และหน่วยความจำ 128 MB ต่อ isolate ที่เพิ่มไม่ได้ ซึ่งทำให้คุณเก็บ payload ขนาดใหญ่ไว้ในหน่วยความจำพร้อมกันหลายก้อนไม่ได้ รายละเอียดทั้งหมดอยู่ใน เมื่อไหร่ที่ไม่ควรใช้ Cloudflare Workers
เรื่องที่ต้องพูดตรง ๆ: โมเดลของ Cloudflare เล็กกว่าและอ่อนกว่า
นี่คือจุดที่บทความการตลาดส่วนใหญ่เลี่ยงไม่พูด แคตตาล็อกของ Workers AI เป็นโมเดลโอเพนเวทเป็นหลัก ตระกูล Llama, Mistral, Qwen, Gemma, gpt-oss และรุ่นอื่น ๆ ที่คล้ายกัน โมเดลเหล่านี้ดีขึ้นมากในสองปีที่ผ่านมา แต่ถ้างานของคุณคือการอ่านสัญญา 40 หน้าแล้วชี้จุดเสี่ยง เขียนโค้ดที่คอมไพล์ผ่าน หรือให้ agent วางแผนงานสิบขั้นแล้วแก้ไขตัวเองเมื่อพลาด โมเดลระดับ frontier ยังชนะขาด และไม่ใช่ชนะแบบเฉียดฉิว
ถ้าโจทย์ของคุณต้องการการให้เหตุผลระดับ GPT อย่าใช้ Workers AI แทน มันจะดูเหมือนทำงานได้ในเดโม แล้วพังเงียบ ๆ ในการใช้งานจริงตรงเคสที่ยาก ซึ่งเป็นเคสที่แพงที่สุดเมื่อพัง
สิ่งที่กลับกันก็จริงเช่นกัน การเรียกโมเดล frontier เพื่อตัดสินว่าอีเมลนี้เป็นสแปมหรือไม่ เป็นการจ่ายเงินสิบเท่าเพื่อความแม่นยำที่แทบไม่ต่างกัน งานประเภทจัดหมวดหมู่ ตรวจ toxicity ทำ embeddings ถอดเสียง และสรุปย่อหน้าเดียว คือช่องที่โมเดลเล็กทำได้ดีพอ และเป็นช่องที่ต้นทุนกับ latency สำคัญกว่าความฉลาดสูงสุด
ราคา ณ กรกฎาคม 2026
ตัวเลขทั้งหมดด้านล่างมาจากหน้าราคาอย่างเป็นทางการของ Cloudflare และ OpenAI ณ กรกฎาคม 2026 ราคาเปลี่ยนได้ ให้ตรวจสอบหน้าต้นทางก่อนตัดสินใจเรื่องงบประมาณ
| โมเดลบน Workers AI | ราคาโทเคนขาเข้า (ต่อล้าน) | ราคาโทเคนขาออก (ต่อล้าน) | เหมาะกับ |
|---|---|---|---|
| @cf/meta/llama-3.2-1b-instruct | 0.027 ดอลลาร์ | 0.201 ดอลลาร์ | จัดหมวดหมู่ ติดป้าย งานสั้นมาก |
| @cf/meta/llama-3.1-8b-instruct-fp8-fast | 0.045 ดอลลาร์ | 0.384 ดอลลาร์ | สรุป คัดแยกทิกเก็ต ตอบสั้น |
| @cf/openai/gpt-oss-20b | 0.200 ดอลลาร์ | 0.300 ดอลลาร์ | งานที่ต้องการเหตุผลปานกลาง |
| @cf/openai/gpt-oss-120b | 0.350 ดอลลาร์ | 0.750 ดอลลาร์ | โมเดลเปิดที่แรงที่สุดในแคตตาล็อก |
| @cf/baai/bge-m3 (embeddings) | 0.012 ดอลลาร์ | ไม่มีขาออก | เวกเตอร์สำหรับ semantic search |
| @cf/meta/llama-guard-3-8b | 0.484 ดอลลาร์ | 0.030 ดอลลาร์ | กลั่นกรองเนื้อหา ตรวจ prompt |
| @cf/huggingface/distilbert-sst-2-int8 | 0.026 ดอลลาร์ | ไม่มีขาออก | วิเคราะห์ความรู้สึกเชิงบวกลบ |
| @cf/openai/whisper | 0.0005 ดอลลาร์ต่อหนึ่งนาทีเสียง | ถอดเสียงเป็นข้อความ | |
ฝั่ง OpenAI ราคาต่อไปนี้เป็นราคามาตรฐานสำหรับบริบทสั้น ต่อหนึ่งล้านโทเคน ณ กรกฎาคม 2026 การเรียกผ่าน Batch API ลดลงประมาณครึ่งหนึ่ง
| โมเดล OpenAI | ราคาโทเคนขาเข้า (ต่อล้าน) | ราคาโทเคนขาออก (ต่อล้าน) |
|---|---|---|
| gpt-5.6-sol | 5.00 ดอลลาร์ | 30.00 ดอลลาร์ |
| gpt-5.6-terra | 2.50 ดอลลาร์ | 15.00 ดอลลาร์ |
| gpt-5.6-luna | 1.00 ดอลลาร์ | 6.00 ดอลลาร์ |
| gpt-5.4-mini | 0.75 ดอลลาร์ | 4.50 ดอลลาร์ |
| gpt-5.4-nano | 0.20 ดอลลาร์ | 1.25 ดอลลาร์ |
อ่านตารางสองอันนี้ประกบกันแล้วภาพจะชัดขึ้น โมเดลที่ถูกที่สุดของ OpenAI คือ gpt-5.4-nano ยังแพงกว่า llama-3.1-8b-instruct-fp8-fast บน Workers AI ประมาณสี่เท่าในฝั่งขาเข้า และสามเท่ากว่าในฝั่งขาออก ส่วนโมเดลที่คุณอยากใช้จริงเวลาต้องการคุณภาพ อยู่ห่างออกไปอีกหนึ่งลำดับขั้น นี่คือเหตุผลที่การแยกงานตามความยากมีผลกับบิลมากกว่าการเลือกผู้ให้บริการ
สิ่งที่ Workers AI ชนะจริง
Latency
เมื่อ inference เกิดขึ้นในเครือข่ายเดียวกับที่ Worker ทำงานอยู่ คุณตัด round trip ออกไปยัง endpoint ภายนอกทิ้ง สำหรับผู้ใช้ในไทยที่เรียกโมเดลซึ่ง endpoint อยู่ในสหรัฐฯ ค่านี้ไม่ใช่เรื่องเล็ก และมันเป็นค่าคงที่ที่บวกเข้าไปในทุกคำขอ ไม่ว่าโมเดลจะเร็วแค่ไหน สำหรับงานที่ต้องเรียกโมเดลเล็กหลายครั้งในหนึ่งคำขอ เช่น embed ก่อนแล้วค่อยจัดหมวดหมู่ ผลสะสมยิ่งชัด
ความเป็นส่วนตัวและการอธิบายเส้นทางข้อมูล
เอกสาร Data usage ของ Cloudflare ระบุชัดว่า Cloudflare ไม่นำ Customer Content ของคุณไปเทรนโมเดลบน Workers AI และไม่นำไปปรับปรุงบริการของ Cloudflare หรือของบุคคลที่สาม เว้นแต่ได้รับความยินยอมอย่างชัดแจ้ง และไม่เปิดเผยเนื้อหาของคุณให้ลูกค้ารายอื่นของ Cloudflare นอกจากนี้ Cloudflare ไม่ได้เป็นผู้สร้างหรือเทรนโมเดลบน Workers AI เอง โมเดลเหล่านั้นเป็นบริการของบุคคลที่สามที่มีเงื่อนไขสัญญาอนุญาตของตัวเอง ซึ่งคุณควรอ่าน
ในทางปฏิบัติ สิ่งที่มีค่าคือคุณอธิบายให้ทีมกฎหมายหรือฝ่ายกำกับดูแลฟังได้ว่าข้อมูลลูกค้าไม่ได้ถูกส่งไปยังผู้ให้บริการโมเดลอีกราย เพราะมันประมวลผลอยู่ในแพลตฟอร์มเดียวกับที่แอปพลิเคชันของคุณรันอยู่แล้ว สำหรับงานภาครัฐ ประกัน หรือการเงินในไทย นี่เป็นข้อโต้แย้งที่ใช้ได้จริงในที่ประชุม
ต้นทุนเมื่อปริมาณสูงและงานเล็ก
ถ้าคุณต้องรัน embeddings กับแคตตาล็อกสินค้าห้าแสนรายการ หรือกลั่นกรองคอมเมนต์วันละสองแสนชิ้น ตัวคูณจะเป็นตัวตัดสิน ไม่ใช่ราคาต่อคำขอ ตรงนี้คือช่องที่ Workers AI ทำเงินให้คุณ ไม่ใช่ตรงงานที่ยาก
AI Gateway: ทางสายกลางที่ทีมส่วนใหญ่ควรเริ่ม
คุณไม่จำเป็นต้องเลือกข้างในวันแรก AI Gateway คือพร็อกซีที่วางหน้าผู้ให้บริการโมเดล รวมถึง OpenAI คุณเปลี่ยน base URL แล้วโค้ดที่เหลือแทบไม่ต้องแก้ สิ่งที่ได้กลับมาทันทีคือ caching, rate limiting, log และ analytics ในที่เดียว ฟีเจอร์หลักเหล่านี้ไม่มีค่าใช้จ่ายในทุกแผน ณ กรกฎาคม 2026
ตัวเลขที่ควรรู้ Persistent logs เก็บได้ 100,000 รายการรวมทุก gateway บนแผน Workers Free และ 10,000,000 รายการต่อ gateway บนแผน Workers Paid ส่วน Guardrails ซึ่งใช้ประเมิน prompt และ response จะเรียกโมเดล llama-guard-3-8b บน Workers AI และคิดเงินตามอัตราของ Workers AI ตามความยาวของข้อความที่ถูกประเมิน ถ้าใช้ Unified Billing เพื่อซื้อเครดิตกลาง จะมีค่าธรรมเนียม 5 เปอร์เซ็นต์ทับบนยอดเครดิต แต่ราคา inference ของผู้ให้บริการส่งผ่านตรงโดยไม่บวกเพิ่ม
คำแนะนำที่ตรงไปตรงมาคือ ถ้าวันนี้คุณเรียก OpenAI ตรงจาก backend อยู่แล้ว การใส่ AI Gateway เข้าไปเป็นงานครึ่งวัน และมันจะบอกคุณเองว่า prompt ไหนซ้ำ prompt ไหนแพง และ cache hit rate ที่แท้จริงเป็นเท่าไหร่ ข้อมูลชุดนั้นคือสิ่งที่คุณต้องมีก่อนจะเถียงกันเรื่องย้ายโมเดล
ตัวอย่างจริง: ระบบคัดแยกทิกเก็ตของร้านอีคอมเมิร์ซ
สมมติร้านค้าออนไลน์แห่งหนึ่งรับทิกเก็ตซัพพอร์ต 200,000 ใบต่อเดือน ทิกเก็ตส่วนใหญ่เป็นคำถามซ้ำ ๆ ของเดินทางถึงไหน ขอคืนสินค้าอย่างไร ไซซ์ไหนเหมาะ มีส่วนน้อยที่เป็นเรื่องซับซ้อนจริง เช่น ข้อพิพาทเรื่องการเรียกเก็บเงิน
แนวทาง A ยิงทุกใบเข้าโมเดล frontier สมมติใช้ gpt-5.6-terra ที่ 2,000 โทเคนขาเข้าและ 500 โทเคนขาออกต่อใบ ขาเข้ารวม 400 ล้านโทเคน คิดเป็น 1,000 ดอลลาร์ ขาออกรวม 100 ล้านโทเคน คิดเป็น 1,500 ดอลลาร์ รวมประมาณ 2,500 ดอลลาร์ต่อเดือน
แนวทาง B ใช้ Workers AI คัดแยกก่อน ให้ llama-3.1-8b-instruct-fp8-fast อ่านทิกเก็ตแล้วจัดประเภทและร่างคำตอบสั้น สมมติ 400 โทเคนขาเข้าและ 60 โทเคนขาออกต่อใบ ขาเข้ารวม 80 ล้านโทเคน คิดเป็น 3.60 ดอลลาร์ ขาออกรวม 12 ล้านโทเคน คิดเป็น 4.61 ดอลลาร์ รวมประมาณ 8.20 ดอลลาร์ จากนั้นส่งต่อเฉพาะ 5 เปอร์เซ็นต์ที่โมเดลเล็กบอกว่าซับซ้อน คือ 10,000 ใบ ไปหา gpt-5.6-terra ที่ 2,000 โทเคนขาเข้าและ 500 โทเคนขาออก คิดเป็น 50 ดอลลาร์ขาเข้าและ 75 ดอลลาร์ขาออก รวม 125 ดอลลาร์ ยอดรวมของแนวทาง B อยู่ที่ประมาณ 133 ดอลลาร์ต่อเดือน
ต่างกันประมาณสิบเก้าเท่า และคุณภาพของคำตอบในเคสยากยังเท่าเดิม เพราะเคสยากยังไปถึงโมเดลที่เก่งจริง สิ่งที่คุณเสียคือความซับซ้อนของโค้ดหนึ่งชั้น และความเสี่ยงที่ตัวคัดแยกจะตัดสินผิด ซึ่งแก้ได้ด้วยการตั้ง threshold ให้เอนไปทางส่งต่อเมื่อไม่มั่นใจ
ข้อควรระวังที่มักถูกลืม Workers AI มี rate limit ตามประเภทงาน งาน text generation อยู่ที่ 300 คำขอต่อนาทีเป็นค่าเริ่มต้น ส่วน text embeddings อยู่ที่ 3,000 คำขอต่อนาที ทิกเก็ต 200,000 ใบต่อเดือนเฉลี่ยแล้วราว 4-5 คำขอต่อนาที ซึ่งสบาย แต่ถ้าคุณมีพีคตอนแคมเปญ หรือคุณย้อนประมวลผลข้อมูลเก่าทีเดียวหลายแสนใบ คุณจะชนเพดานทันที ให้วางคิวไว้ล่วงหน้า หรือขอปรับลิมิตกับ Cloudflare
เมื่อไหร่ OpenAI คือคำตอบที่ถูกต้อง
มีสถานการณ์ที่ Workers AI เป็นตัวเลือกที่ผิดชัดเจน และการรู้ล่วงหน้าจะช่วยคุณประหยัดเวลาเป็นสัปดาห์
อย่างแรก งานที่ต้องการการให้เหตุผลหลายขั้น ถ้า agent ของคุณต้องวางแผน เรียกเครื่องมือ อ่านผล แล้วปรับแผน โมเดลเล็กจะหลุดจากงานกลางทาง อาการที่พบบ่อยคือมันเรียกเครื่องมือผิดตัว หรือเรียกซ้ำวนไปเรื่อย ๆ
อย่างที่สอง งานที่ต้องการหน้าต่างบริบทยาวมากและความแม่นยำในการอ้างอิงกลับ การอ่านเอกสาร 100 หน้าแล้วชี้ว่าข้อความอยู่ย่อหน้าไหน เป็นงานที่โมเดลเล็กทำได้แย่ในทางที่ตรวจจับยาก เพราะมันตอบมาอย่างมั่นใจ
อย่างที่สาม งานที่ต้องใช้ความสามารถเฉพาะทางที่ไม่มีในแคตตาล็อกโอเพนซอร์ส เช่น การเขียนโค้ดคุณภาพสูง ความสามารถมัลติโหมดขั้นสูง หรือฟีเจอร์ระดับ API เช่น structured output ที่รับประกันสคีมาแบบเข้มงวด
อย่างที่สี่ ถ้าทีมของคุณต้องการอิสระในการย้ายผู้ให้บริการโมเดล การผูกกับแคตตาล็อกของ Cloudflare คือการผูกกับสิ่งที่ Cloudflare เลือกโฮสต์ ซึ่งคุณควบคุมไม่ได้ โมเดลอาจถูกปลดออกจากแคตตาล็อกได้ เช่นเดียวกับที่ผู้ให้บริการรายอื่นทำ
ตารางตัดสินใจ
| ถ้าโจทย์คือ | ให้ใช้ | เหตุผล |
|---|---|---|
| จัดหมวดหมู่ ติดป้าย คัดแยกข้อความปริมาณมาก | Workers AI | โมเดลเล็กแม่นพอ ต้นทุนต่างกันหลายเท่า |
| สร้าง embeddings สำหรับ semantic search | Workers AI + Vectorize | ราคาต่อล้านโทเคนต่ำมาก ไม่คิดค่า egress |
| กลั่นกรองเนื้อหา ตรวจ prompt injection | Workers AI (llama-guard) หรือ AI Gateway Guardrails | อยู่ในเส้นทางคำขออยู่แล้ว |
| ถอดเสียงเป็นข้อความจำนวนมาก | Workers AI (whisper) | คิดตามนาทีเสียง ราคาคาดการณ์ได้ |
| อ่านเอกสารยาวแล้ววิเคราะห์เชิงลึก | OpenAI | โมเดลเล็กพลาดในทางที่ตรวจจับยาก |
| Agent ที่วางแผนและเรียกเครื่องมือหลายขั้น | OpenAI | ต้องการการให้เหตุผลระดับ frontier |
| เขียนหรือรีวิวโค้ด | OpenAI | ช่องว่างคุณภาพยังกว้าง |
| ใช้ OpenAI อยู่แล้ว แต่บิลบานและมองไม่เห็นอะไรเลย | AI Gateway หน้า OpenAI | ได้ cache, rate limit, log โดยไม่ต้องย้ายโมเดล |
| ข้อมูลอ่อนไหว ห้ามออกไปยังผู้ให้บริการรายที่สาม | Workers AI | ประมวลผลในแพลตฟอร์มเดียวกับแอป |
ข้อสรุปเชิงปฏิบัติ
อย่าเริ่มด้วยการเลือกโมเดล ให้เริ่มด้วยการแยกงานของคุณออกเป็นชั้น งานที่ทำซ้ำเยอะแต่ง่าย ลงไปหาโมเดลเล็กที่รันในเครือข่ายเดียวกับโค้ด งานที่ยากแต่เกิดไม่บ่อย ส่งขึ้นไปหาโมเดลที่เก่งที่สุดที่คุณจ่ายไหว แล้ววาง gateway ไว้ตรงกลางเพื่อให้คุณเห็นว่าอะไรเกิดขึ้นจริง สถาปัตยกรรมแบบนี้ทำให้บิลลดลงเป็นหลักสิบเท่าโดยที่คุณภาพในเคสที่สำคัญไม่ตก
Cipher ออกแบบและพัฒนาระบบบน Cloudflare Developer Platform ให้ธุรกิจในประเทศไทย และรับประเมินสถาปัตยกรรม AI ที่มีอยู่แล้วว่าควรแยกงานตรงไหน ควรใช้โมเดลอะไร และจุดไหนที่กำลังจ่ายเกินจำเป็น
คำถามที่พบบ่อย
Workers AI แทนที่โมเดลระดับ GPT ได้ไหม
ไม่ได้ สำหรับงานที่ต้องการการให้เหตุผลหลายขั้น การเขียนโค้ด หรือการอ่านเอกสารยาวแล้วสรุปเชิงวิเคราะห์ โมเดลโอเพนซอร์สบน Workers AI ยังห่างจากโมเดลระดับ frontier อย่างชัดเจน สิ่งที่ Workers AI ทำได้ดีคืองานเล็กที่ทำซ้ำในปริมาณมาก เช่น การจัดหมวดหมู่ การทำ embeddings การกลั่นกรองเนื้อหา และการสรุปสั้น
Workers AI คิดเงินอย่างไร
Workers AI คิดเป็นหน่วย Neurons ที่ราคา 0.011 ดอลลาร์ต่อ 1,000 Neurons และมีโควตาฟรี 10,000 Neurons ต่อวันทั้งบนแผน Free และ Paid เอกสารของ Cloudflare แสดงราคาต่อโมเดลเป็นดอลลาร์ต่อล้านโทเคนด้วย เช่น llama-3.1-8b-instruct-fp8-fast อยู่ที่ 0.045 ดอลลาร์ต่อล้านโทเคนขาเข้า และ 0.384 ดอลลาร์ต่อล้านโทเคนขาออก ราคา ณ กรกฎาคม 2026
เรียก OpenAI จาก Cloudflare Workers แล้วค่า Worker แพงขึ้นไหม
ไม่แพงขึ้นอย่างที่หลายทีมกลัว เพราะ Workers คิดเงินตาม CPU time ไม่ใช่ wall-clock time เวลาที่ Worker นั่งรอ response จาก OpenAI หลายวินาทีไม่ถูกนับเป็น CPU time สิ่งที่ต้องระวังคือขีดจำกัดการเชื่อมต่อขาออกพร้อมกัน 6 รายการต่อ Worker หนึ่งตัว หากคุณยิงคำขอขนานกันหลายรายการ
ใช้ AI Gateway ต้องใช้ Workers AI ด้วยหรือไม่
ไม่ต้อง AI Gateway ทำงานเป็นพร็อกซีหน้าผู้ให้บริการโมเดลภายนอกได้ รวมถึง OpenAI คุณเปลี่ยน base URL แล้วได้ caching, rate limiting, log และ analytics ทันที ฟีเจอร์หลักของ AI Gateway ไม่มีค่าใช้จ่ายในทุกแผน ณ กรกฎาคม 2026
ข้อมูลที่ส่งเข้า Workers AI ถูกนำไปเทรนโมเดลหรือไม่
เอกสาร Data usage ของ Cloudflare ระบุว่า Cloudflare ไม่นำ Customer Content ของคุณไปเทรนโมเดลบน Workers AI และไม่นำไปปรับปรุงบริการของ Cloudflare หรือของบุคคลที่สาม เว้นแต่คุณให้ความยินยอมอย่างชัดแจ้ง และไม่เปิดเผยเนื้อหาของคุณให้ลูกค้ารายอื่นของ Cloudflare
