Cloudflare changelogs | Workers AI

Workers AI - Markdown 转换的纯文本输出

Fri, 10 Jul 2026 00:00:00 GMT

Markdown 转换服务现在支持一个新的 output 转换选项，用于控制转换后内容的格式。

将 output.format 设置为 text 以接收移除了 Markdown 语法的纯文本。默认值为 markdown，因此现有转换不受影响。

使用 env.AI 绑定（binding）：

await env.AI.toMarkdown(
	{ name: "page.html", blob: new Blob([html]) },
	{
		conversionOptions: {
			output: { format: "text" },
		},
	},
);

await env.AI.toMarkdown(
	{ name: "page.html", blob: new Blob([html]) },
	{
		conversionOptions: {
			output: { format: "text" },
		},
	},
);

或者调用 REST API：

curl https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/tomarkdown \
  -H 'Authorization: Bearer {API_TOKEN}' \
  -F 'files=@index.html' \
  -F 'conversionOptions={"output": {"format": "text"}}'

当您请求文本输出时，每个结果的 format 字段会被设置为 text。有关更多详细信息，请参阅转换选项。

Workers AI, AI Search - Workers AI toMarkdown 和 AI Search 现在支持 GIF 和 BMP 图像转换

Wed, 08 Jul 2026 00:00:00 GMT

除了已支持的 JPEG、PNG、WebP 和 SVG 格式外，Workers AI Markdown 转换 (toMarkdown) 现在还支持 .gif 和 .bmp 图像文件。

GIF 和 BMP 文件与其他格式运行相同的图像流水线。根据需要调整每张图像的大小（对于动态 GIF，仅使用第一帧），然后传递给目标检测模型以识别其包含的内容。这些检测到的目标会提示视觉模型编写图像的自然语言描述，该描述将变成可搜索、机器可读的 Markdown。

AI Search 会自动使用 toMarkdown 来处理它引入的文件，因此下一次您的索引同步时会自动包含任何 .gif 和 .bmp 文件，无需更改任何配置。当您的内容混合了多种格式时，例如充满屏幕截图的支持知识库或 BMP 扫描件的存档，这将非常有用。

详细了解 Markdown 转换以及 AI Search 支持的文件类型的完整列表。

Workers AI - Moondream 3.1 现已在 Workers AI 上可用

Wed, 08 Jul 2026 00:00:00 GMT

我们与 Moondream ↗ 合作，将其最新模型 @cf/moondream/moondream3.1-9B-A2B 引入 Workers AI。Moondream 3.1 是一款基于混合专家（mixture-of-experts）架构构建的快速视觉语言模型，总参数量为 9B，活跃参数量为 2B，可在保持快速、高性价比推理的同时提供前沿级别的视觉推理。

Moondream 3.1 专为实际视觉任务而设计，具备 32K token 上下文窗口，用于处理复杂查询和结构化输出。

关键能力

Query（查询） — 针对图像提出开放式问题，带有一个可选的推理参数
Caption（描述） — 生成图像的简短、正常或长描述
Point（指向） — 返回与目标词组匹配的对象坐标
Detect（检测） — 返回与目标词组匹配的对象边界框

边缘实时视觉

像实时摄像头馈送、机器人、内容审核和交互式智能体之类的视觉工作负载，需要毫秒级而不是秒级的响应。Moondream 3.1 较小的活跃占用（2B 活跃参数）与 Workers AI 的无服务器、全球分布式推理完美结合：请求可在靠近您用户的地方运行，且流式响应几乎可以立即开始返回 token。

在我们的测试中，首个 token 在大约 20–30 毫秒内流式返回，并且在每项任务中结果都非常迅速。以下示例端到端时间（客户端观察到的中位数，包括网络往返时间）是针对一张简单的、单一主体的图像。实际延迟很大程度上取决于图像以及您所要求的详细程度。

任务	端到端 (p50)
`query`	~770 ms
`caption`	~480 ms
`point`	~145 ms
`detect`	~160 ms

在这样的速度下，您可以在处理请求时以内联方式调用模型，而无需将工作推送到后台队列或单独的服务。这开启了那些“如果响应缓慢就会破坏体验”的使用场景：在存储用户上传的图像前对其进行审核、在视频帧中定位对象以驱动实时叠加层、在提交表单时从文档中提取字段，或者让智能体在单轮内检查屏幕截图并决定其下一步操作。

快速入门

通过 Workers AI 绑定（binding） (env.AI.run()) 或 /ai/run 处的 REST API 来使用 Moondream 3.1。您还可以在这些端点中搭配使用 AI Gateway。

欲了解更多信息，请参阅 Moondream 3.1 模型页面和定价。

Workers, Agents, Workers AI - 在 Workers AI 上推出 GLM-5.2

Tue, 16 Jun 2026 00:00:00 GMT

我们很高兴宣布在 Workers AI 上推出 GLM-5.2，这是 Z.ai 的旗舰代理（agentic）编码模型。

@cf/zai-org/glm-5.2 是一款专为代理型编码工作流构建的文本生成模型。凭借函数调用和推理支持，它可以处理长代码库、多步规划和工具增强型智能体。

关键特性和使用场景：

代理编码：专为自主编码任务、长周期规划和复杂的软件工程工作流而设计
大型上下文窗口：GLM-5.2 最多支持 1,048,576 个 token 的上下文窗口。Workers AI 推出该模型时提供 262,144 个 token 的上下文窗口，并计划在未来增加此限制
函数调用：构建可在多个对话轮次中调用工具和 API 的智能体
推理：解决复杂的问题求解和分步推理任务

通过 Workers AI 绑定（binding） (env.AI.run())、REST API /run 或 /v1/chat/completions，或 AI Gateway 来使用 GLM-5.2。

定价可在模型页面或定价页面上找到。

Workers AI - Moonshot AI Kimi K2.7 Code 现已在 Workers AI 上可用

Fri, 12 Jun 2026 00:00:00 GMT

@cf/moonshotai/kimi-k2.7-code 现已在 Workers AI 上可用。Kimi K2.7 Code 是 Kimi K2 系列中针对代码进行了优化的变体，基于混合专家（Mixture-of-Experts）架构构建，总参数量为 1T，每个 token 的活跃参数量为 32B。

改进的编码和智能体性能

K2.7 Code 在编码和智能体基准测试中相比 K2.6 实现了显著提升：

+21.8%，在 Kimi Code Bench v2 上
+11.0%，在 Program Bench 上
+31.5%，在 MLS Bench Lite 上

推理效率

K2.7 Code 与 K2.6 相比，使用的推理 token 减少了 30%，从而减少了“过度思考”并降低了重推理工作负载的推理成本。

关键能力

262.1k token 上下文窗口，用于在长期运行的智能体任务中保留完整的对话历史记录、工具定义和代码库
长周期编码，具有改进的指令遵循和更高的端到端编码任务成功率
视觉输入，用于随文本一起处理图像
可通过 chat_template_kwargs.thinking 配置推理深度的思维模式
多轮工具调用，用于构建在多个对话轮次中调用工具的智能体
支持 JSON schema 的结构化输出

与 Kimi K2.6 的区别

如果您正在从 Kimi K2.6 迁移，请注意以下几点：

K2.7 Code 针对编码任务进行了优化，具备改进的基准测试性能和推理效率
缓存的输入 token 定价为每百万（M）token 0.19 美元（而 K2.6 为 0.16 美元）
API 使用方式完全相同 —— 无需更改参数

快速入门

通过 Workers AI 绑定（binding） (env.AI.run())、/ai/run 处的 REST API，或者 /v1/chat/completions 处的兼容 OpenAI 的端点来使用 Kimi K2.7 Code。您还可以在这些端点中搭配使用 AI Gateway。

欲了解更多信息，请参阅 Kimi K2.7 Code 模型页面和定价。

Workers AI - Workers AI 上计划的模型弃用

Fri, 08 May 2026 00:00:00 GMT

我们正在更新 Workers AI 模型目录，以为新发布的版本让出空间。请在弃用日期之前更新您的应用程序，以移除对下列模型的引用。

Kimi K2.5

我们最初表示 Kimi K2.5 将于 2026 年 5 月 10 日弃用，但我们已将弃用日期延长至 2026 年 5 月 30 日。请求将于 2026 年 5 月 30 日自动别名（aliased）到价格更高的 Kimi K2.6。请在 2026 年 5 月 30 日之前查看 @cf/moonshotai/kimi-k2.6 的定价和模型能力，以确保该模型满足您的需求。

于 2026 年 5 月 30 日弃用的模型

@cf/moonshotai/kimi-k2.5 --> @cf/moonshotai/kimi-k2.6
@hf/meta-llama/meta-llama-3-8b-instruct
@cf/meta/llama-3-8b-instruct
@cf/meta/llama-3-8b-instruct-awq
@cf/meta/llama-3.1-8b-instruct
@cf/meta/llama-3.1-8b-instruct-awq
@cf/meta/llama-3.1-70b-instruct
@cf/meta/llama-2-7b-chat-int8
@cf/meta/llama-2-7b-chat-fp16
@cf/mistral/mistral-7b-instruct-v0.1
@hf/mistral/mistral-7b-instruct-v0.2
@hf/google/gemma-7b-it
@cf/google/gemma-3-12b-it
@hf/nousresearch/hermes-2-pro-mistral-7b
@cf/microsoft/phi-2
@cf/defog/sqlcoder-7b-2
@cf/unum/uform-gen2-qwen-500m
@cf/facebook/bart-large-cnn

保持活跃的变体

模型的 -fast 和 -lora 变体将保持活跃，包括：

@cf/meta/llama-3.3-70b-instruct-fp8-fast
@cf/meta/llama-3.1-8b-instruct-fast
@cf/google/gemma-7b-it-lora
@cf/google/gemma-2b-it-lora
@cf/mistral/mistral-7b-instruct-v0.2-lora
@cf/meta-llama/llama-2-7b-chat-hf-lora

LoRA 模型在未来可能会被弃用。我们将向目录中添加更多 LoRA 功能，并会在新的 LoRA 模型上线时进行沟通，以便在弃用旧模型之前给用户留出训练新 LoRA 的时间。

如需获取可用模型的完整列表，请参阅 Workers AI 模型目录。

Cloudflare changelogs | Workers AI

Workers AI - Markdown 转换的纯文本输出

Workers AI, AI Search - Workers AI toMarkdown 和 AI Search 现在支持 GIF 和 BMP 图像转换

Workers AI - Moondream 3.1 现已在 Workers AI 上可用

关键能力

边缘实时视觉

快速入门

Workers, Agents, Workers AI - 在 Workers AI 上推出 GLM-5.2

Workers AI - Moonshot AI Kimi K2.7 Code 现已在 Workers AI 上可用

改进的编码和智能体性能

推理效率

关键能力

与 Kimi K2.6 的区别

快速入门

Workers AI - Workers AI 上计划的模型弃用

推荐替代方案

Kimi K2.5

于 2026 年 5 月 30 日弃用的模型

保持活跃的变体