Cloudflare Workers AI 上线 DeepSeek V4 Flash 与 Pro：边缘推理走向 100 万上下文

2026 年 8 月 14 日，Cloudflare 在 Workers AI 上新增 DeepSeek V4 Flash 与 DeepSeek V4 Pro——这是该平台首批支持 完整 1,048,576（100 万）token 上下文窗口 的两个模型。此举把 Cloudflare 的全球边缘网络变成了 DeepSeek 开源权重一代的分发渠道，落地时间距 DeepSeek V4 Pro 官方发布仅一天、距 V4 Flash 预览仅数周。本文梳理真正上线了什么、核实后的边缘定价、100 万上下文的 Agent 场景，以及 Worker AI 与直连 DeepSeek、经 OpenRouter 等聚合商调用的对比。

8 月 14 日上线了什么

Cloudflare 2026 年 8 月 14 日更新日志确认两个模型已上线，句柄为 @cf/deepseek-ai/deepseek-v4-pro-0813 与 @cf/deepseek-ai/deepseek-v4-flash-0731。核心亮点是上下文窗口：1,048,576 token，它们是 Workers AI 平台首批能在单次请求中容纳大型代码库、长程多步 Agent 轨迹或全书级推理内容的模型，超过此前平台上任何其他模型的上下文上限。

两个模型都支持 思考模式（思维链推理） 用于逐步解题，以及 函数调用，让 Agent 能在多轮对话中调用工具与 API。Cloudflare 将 DeepSeek V4 Flash 描述为「更快、更低成本的孪生模型」，本次发布取代了此前的预览版，并「显著增强了 Agent 能力」。官方定位的场景是长程 Agent 工作流、大型代码库推理与多步分析——正是会让较小上下文窗口失灵的任务。

核实后的 Workers AI 边缘定价

以上为 Cloudflare Workers AI 模型页的官方费率（2026-08-16 核实）。两个模型都要求 Workers Paid 计划或预付 AI Gateway 额度，不适用于标准 Workers Free 计费档。缓存输入折扣值得单独一提：Pro 的缓存输入低至 $0.044/M、Flash 低至 $0.014/M，提示词缓存能大幅压降低成本在长上下文、多轮 Agent 循环中的大头。Workers AI 按 token 计推理费，AI Gateway 的观测功能叠加在上；具体 Gateway 转嫁费用取决于账户请求量，详见 Workers AI 定价页。

100 万上下文：真正重要的 Agent 场景

这里的核心是 100 万 token 的上下文，而非价格。过去要把单体仓库分块成数百次检索调用的代码库 Agent，现在可以在一次请求里传入相关文件、甚至整个模块依赖图；研究型 Agent 可以同时保留完整语料、笔记与长分析链而不必淘汰早期上下文；需要循环调用大量函数的长程 Agent 也不再为了压到 128K/200K 上限而做激进的摘要压缩。

对已在运行 Worker 的团队，绑定是最简单的集成路径：在 Worker 里写 env.AI.run("@cf/deepseek-ai/deepseek-v4-pro-0813", { messages })，无需虚拟机、网关或额外的密钥管理。同一批模型也可通过 REST API、OpenAI 兼容端点 与 AI Gateway 调用（后者提供跨厂商缓存、限流、重试与观测）。想要完全可移植的 OpenAI 风格接口，可参考我们的 Cloudflare AI Gateway 评测。

提示词缓存才是真正的成本杠杆

有了 100 万 token 的上下文窗口，账单的 输入 一侧会很快成为大头。一个长程 Agent 如果每轮都重发 40 万 token 的仓库上下文，在没有缓存的情况下每走一步都要为这段上下文付全价。Cloudflare 的缓存输入定价正是为化解这一问题而设：DeepSeek V4 Pro 缓存输入从 $1.32 降到 每百万 $0.044（约 30 倍折扣），V4 Flash 从 $0.44 降到 每百万 $0.014（同样约 30 倍）。实际效果是：带大段稳定前缀的多轮 Agent 循环，成本接近一个小得多的请求——因为只有每一轮追加的新增量（新的工具结果与新指令）按全价输入计费。

用一个成本模型让它具体化。假设一个代码库分析 Agent 每任务跑 200 轮，稳定上下文 30 万 token，每轮追加约 2K 新 token，每轮输出约 1K token。无缓存时，一个任务约 200 × 300K = 6000 万输入 token，按 $1.32/M 计，仅 V4 Pro 的输入就约 $79。启用提示词缓存后，每轮的缓存部分（300K 中的 298K）按 $0.044/M 计费，只有 2K 增量按全价：输入成本降至每任务约 $2.90，降幅超过 25 倍。这一开关（在 Workers AI 的 OpenAI 兼容端点配合正确的缓存键默认开启）正是「100 万上下文的 Agent 从经济上不可行到真正可跑」的分水岭。DeepSeek 与 OpenRouter 也提供各自的提示缓存优惠；Workers AI 的不同在于折扣已内置在平台的固定费率卡中，而不是另开一个套餐开关。

Workers AI vs 直连 DeepSeek API vs OpenRouter

最醒目的对比是：Workers AI 把 DeepSeek V4 Pro 定在恰好等于 DeepSeek 自己高峰时段的费率（$1.32/$3.96），而直连 API 在低谷时段约为其一半（V4 Pro 随正式版上线的峰谷计费详见我们的 DeepSeek V4 Pro 峰谷定价文章）。因此，如果流量突发且对延迟敏感，Workers AI 的固定费率与边缘就近占优；如果能把重负载排进低谷窗口，直连 API 约 50% 的折扣极具吸引力。

V4 Flash 的情况则相反：Workers AI 的 $0.44/$1.32 高于直连 API 约 $0.14–$0.28 的缓存未命中区间，但多出来的价格换来的是 100 万上下文（直连 API 上预览版更受限）加边缘就近。想先对比再决定，可参考我们的 DeepSeek V4 Flash API 评测 与 OpenRouter Agent Token 份额分析。

对 2026 年 API 采购者的意义

DeepSeek V4 登上 Workers AI，是 2026 年推理市场分层的最新证据：前沿实验室卖高端闭源模型，开源权重运营商（DeepSeek、Qwen、Llama、Mistral）卖性价比推理，而 分发层——Cloudflare、OpenRouter、Vercel、AI Gateway——是路由、上下文窗口与故障转移决策发生的地方。从 Cloudflare 网络按 token 计费提供 1M 上下文的开源权重模型，并带提示缓存折扣与 AI Gateway 观测，等于把长上下文 Agent 推理商品化的方式，与 Workers 当年把无服务器计算商品化如出一辙。

对成本敏感的 Agent 团队，实操打法：把对延迟敏感、缓存密集的 Agent 回合放到 Workers AI DeepSeek V4（Pro 或 Flash）上，换取 1M 上下文与边缘就近；把批量与非交互式通过放到直连 DeepSeek API 的低谷时段窗口（约 5 折）；并在前方保一个 OpenAI 兼容聚合商 Key 做故障转移——即我们在本站反复讲的「多厂商」架构。若想用一把 Key 前置多家厂商并简化跨区域故障转移，FreeModel 的多厂商路由是干净的起点。

一点提醒：边缘推理延迟随区域与流量变化，且 1M 上下文模型在平台上仍标记为 Beta（Cloudflare 将 V4 Pro 列为 Beta）。生产环境请把 Worker 固定到离用户近的区域，并用 AI Gateway 缓存。另外，Cloudflare 与 DeepSeek 的联手，也让大陆连接的团队多了一条不必硬磕 DeepSeek 中国托管源站的路由——相关背景见我们的 Workers AI 中国模型文章。

2026 年的 100 万上下文格局

Workers AI 加入 100 万上下文俱乐部值得关注，因为真正能容纳百万 token 的提供商仍然不多，而且代价差异很大。DeepSeek 自家 API 以约 100 万上下文服务 V4 Pro 与 Flash，并开创了峰谷定价（低谷时费率减半）。Google 的 Gemini 家族多年支持 100 万以上上下文，在多模态 1M 任务上领先。xAI 的 Grok 与阿里的 Qwen 也推进到了数十万乃至 100 万 token 级别，Nebius、DigitalOcean Gradient 等开源权重托管商正在把 100 万上下文的 DeepSeek 级模型放到 OpenAI 兼容端点之后。Cloudflare 的不同在于推理 运行在哪里：在距离你的 Worker 一跳之遥的边缘节点上，内置 AI Gateway 观测与提示缓存定价，而不是需要你走公网访问的云区域虚拟机。

对已经跑在 Cloudflare 上的 Agent 平台——一个 Worker、一个 Pages 函数、一个 D1 支撑的任务队列——这种就近正是全部意义所在。你无需管理旁路推理客户端、第二个厂商账号或某个区域端点；模型只是另一个绑定，AI Gateway 提供缓存、限流与统一的分析面板。代价是你把推理与单一平台耦合，因此想要可移植性的团队会保留一条 OpenAI 兼容路线（直连 DeepSeek、OpenRouter 或另一家开源托管商）作为兜底——即聚合商们自己也在鼓励的故障转移模式。

一段代码上手

最快的路径是 OpenAI 兼容端点，从 Worker 或任意 HTTP 客户端调用。一段最小的边缘模型聊天补全如下：

fetch("https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1/chat/completions", {
  method: "POST",
  headers: {
    "Authorization": "Bearer {API_TOKEN}",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "@cf/deepseek-ai/deepseek-v4-pro-0813",
    messages: [{ "role": "user", "content": "总结这份 50 万 token 的代码库审计，列出最优先的重构风险。" }]
  })
}).then(r => r.json()).then(console.log);

把模型句柄换成 @cf/deepseek-ai/deepseek-v4-flash-0731 即得更便宜、更快的兄弟模型。Worker 原生用法则是 env.AI.run("...", { messages }) 并流式返回。按 Cloudflare 文档，两种方式都需要 Workers Paid 计划或预付 AI Gateway 额度。