Cloudflare AI Search 模型怎麼選？六個 Workers AI 新增模型與 context 整理

六個新增模型與 context window#

Cloudflare 官方支援清單列出的 model ID 和 context window 如下。實作時請保留完整的 @cf/... 字串，不要只記模型的顯示名稱：

這裡的 context window 是官方對模型能力的列值，不是你的 AI Search instance 一定會送出的 token 數。實際輸入仍會受到檢索結果、prompt、文件切塊、metadata 和產品設定影響；長 context 也不代表在你的資料集上一定有更好的答案。

AI Search 和直接呼叫 Workers AI 不同#

如果你之前看過 Cloudflare Workers AI 的 model ID，容易把兩種用法混在一起：

• 直接呼叫 Workers AI：你的 Worker 直接對指定模型發 request，自己處理檢索、prompt、引用和錯誤。
• AI Search：由 AI Search instance 管理搜尋應用需要的檢索流程，再使用設定好的文字生成模型產生回答；產品也提供可供 agent 使用的 MCP endpoint。

這篇更新針對第二種情境。把 AI Search 的生成模型改成新 ID，不會自動把現有 Worker 裡的 env.AI.run() 呼叫改掉；反過來，直接呼叫 Workers AI 也不會替你的 AI Search instance 更新模型設定。

若你要比較的是直接呼叫 Workers AI 的模型、context 和付費邊界，請另外看 Cloudflare Workers AI DeepSeek V4 的模型整理，不要把那篇的直接呼叫流程套到 AI Search instance。

怎麼在 Dashboard 或 API 選模型#

官方 changelog 說明，建立或更新 AI Search instance 時，可以在 Dashboard 或 API 選擇 Workers AI 模型。實務上可以照這個順序：

1. 先記錄目前 instance、生成模型、embedding／reranking 設定和 production 問題集。
2. 在 Dashboard 編輯 instance，或使用 AI Search REST API 的 instance create／update 操作，選擇完整 model ID。
3. 只在測試 instance 先切換，跑固定的 FAQ、長文件、跨文件和「找不到答案」案例。
4. 確認 API token 具備文件要求的 AI Search 權限；管理 instance 前尤其要檢查 AI Search:Edit，執行搜尋則檢查 AI Search:Run。
5. 通過回歸後再切換 production，並留下原模型和新模型的設定紀錄。

API 路徑使用 account 和 instance ID，例如：

1
PUT /accounts/{account_id}/ai-search/instances/{instance_id}

request body 的欄位會跟著 API 文件和產品版本演進，建議以官方 REST API schema 為準，不要把 Dashboard 顯示名稱猜成 API 欄位。若你的 token 還是沿用舊 AutoRAG API 的權限，也要先依官方 migration 文件改用 AI Search 的權限模型。

生成、embedding、reranking 要分開評估#

AI Search 的文字生成模型只負責回答階段，至少要把三層問題分開看：

因此，若問題是「找不到正確段落」，不要只換更大的生成模型；先檢查資料切塊、metadata filter、embedding 和 reranking。若段落本來就找對了，才有意義比較不同生成模型的引用完整度、拒答行為、格式遵循和長回答穩定性。

選型不要只看 context 數字#

可以把六個模型先按 context window 分組，再用實際資料決定：

• 長文件、多段規格或需要跨文件整理時，把 deepseek-v4-flash-0731、deepseek-v4-pro-0813 列入長 context 測試組。
• 一般知識庫問答，可以把四個 128K／262K 模型放進同一組，以相同檢索結果和 prompt 做 A/B test。
• 程式碼或技術文件查詢可以把 kimi-k2.7-code 放入評估清單，但不要只因 model ID 帶有 code 就預先宣稱品質一定較好。

每次比較都固定：問題、top-k、prompt、文件版本、引用格式和 timeout。至少記錄：

1. 是否引用了真正支援答案的段落。
2. 找不到資料時是否明確拒答，而不是自行補完。
3. 首 token 和完整回答延遲。
4. token／request 用量與帳單影響。
5. JSON、Markdown 或你自己的輸出 schema 是否穩定。

Cloudflare 已把這些模型放在 Workers AI 供 AI Search 使用，因此不需要另外配置第三方 provider key；但帳號權限、AI Search plan、instance 設定和實際用量仍要按自己的環境確認。

常見問題#