Cloudflare Workers AI GLM-5.3 Flash 怎麼用？先看模型 ID、Vision 與計費

先看模型 ID、能力與價格#

這些是 Cloudflare 目前模型頁與 pricing 頁的資料；模型目錄、價格和方案限制會變動，正式上線前仍應重新查看官方頁面。不要把 context window 當成每次請求都應塞滿的 token 預算，實際延遲、輸出上限與應用程式成本仍要用自己的 prompt 和流量估算。

用 Workers AI binding 做最小呼叫#

如果 Worker 已經有 AI binding，可以先用同步回應確認 model ID、binding 和 billing 都正確：

1
export interface Env {
2
  AI: Ai;
3
}
4

5
export default {
6
  async fetch(request: Request, env: Env): Promise<Response> {
7
    const messages = [
8
      { role: "system", content: "You are a concise assistant." },
9
      { role: "user", content: "用一句話說明 Durable Object 是什麼。" },
10
    ];
11

12
    const response = await env.AI.run("@cf/zai-org/glm-5.3-flash", {
13
      messages,
14
    });
15

16
    return Response.json(response);
17
  },
18
} satisfies ExportedHandler<Env>;

需要串流時，把 stream: true 放進相同的 env.AI.run() options，並用 text/event-stream 回應：

1
const stream = await env.AI.run("@cf/zai-org/glm-5.3-flash", {
2
  messages,
3
  stream: true,
4
});
5

6
return new Response(stream, {
7
  headers: { "content-type": "text/event-stream" },
8
});

這兩段沿用 Cloudflare 模型頁的 Workers Binding 介面。messages 的角色、輸出格式、工具與多模態內容，要依你選用的 API 入口和該模型文件支援的 schema 組合；不要因為模型頁標示 Vision，就把任意第三方 provider 的 payload 原封不動搬進來。

REST API 與 OpenAI-compatible endpoint 怎麼選#

官方模型頁同時提供三種常見入口：Workers AI binding、REST API，以及 OpenAI-compatible /v1/chat/completions。選擇方式可以先這樣分：

REST API 的最小檢查可以用環境變數保存 account 與 token，避免把秘密放進程式碼：

1
curl "https://api.cloudflare.com/client/v4/accounts/$CLOUDFLARE_ACCOUNT_ID/ai/run/@cf/zai-org/glm-5.3-flash" \
2
  -X POST \
3
  -H "Authorization: Bearer $CLOUDFLARE_AUTH_TOKEN" \
4
  -H "Content-Type: application/json" \
5
  -d '{"messages":[{"role":"user","content":"Hello"}]}'

如果你原本用的是其他 provider 的 OpenAI-compatible SDK，先只替換 endpoint 和 model ID，再用一個短 prompt 測試。不要同時改 SDK、工具 schema、串流處理和錯誤重試，否則很難知道失敗發生在哪一層。

收到 403 或錯誤碼時，按順序排查#

Workers AI 的 403 不一定是 API token 壞掉。建議依以下順序：

1. 先讀 model ID：確認字串完全是 @cf/zai-org/glm-5.3-flash，不要混用 GLM-5.2 或其他 provider 的命名。
2. 再看 billing：確認帳戶已使用 Workers Paid plan，或 AI Gateway 已有可用的 prepaid credits；Free allocation 的存在不代表每個 frontier model 都能直接使用。
3. 再看入口：binding 呼叫看 Worker AI binding；REST 看 account、token 與 endpoint；OpenAI-compatible 看 base URL 與 Authorization。
4. 最後看 payload：先退回只有一則 text message 的最小請求，再逐步加入 vision、tools、reasoning options。

如果回應包含 Cloudflare 的模型付費限制，先處理方案或 billing，不要立刻重建 binding。可先參考 Workers AI 出現 403／5035 的排查方法，但那篇的模型清單會隨時間更新，GLM-5.3 Flash 的最新付費條件仍以官方 pricing 頁為準。

上線前的成本與能力驗證#

GLM-5.3 Flash 的優勢是能力範圍大，不代表所有任務都應該用它。上線前至少做四組小測試：

• 短文字問答：確認基本 latency、輸出格式與錯誤處理。
• 長上下文：用接近實際的文件長度測試，不要只用空的 1M context 宣稱支援。
• Vision：用不含敏感資料的代表性圖片驗證輸入格式、大小限制和 fallback。
• Function calling／reasoning：確認工具 schema、timeout、重試和成本記錄都能被應用程式觀測。

同時在 dashboard 或 AI Gateway 觀察 input、cached input 和 output 用量。cached input 的單價與一般 input 不同，但只有實際產生快取命中時才有意義；不要把標價直接乘上 context window 當成一次請求的固定成本。

常見問題#