11 月 1 日，Cloudflare 的 AI Search 正式开账。

产品本身是一个月前（10 月 1 日）就 GA 的：把 Workers AI、Vectorize、R2、Browser Run 拼成一条托管的索引与检索流水线。真正落在今天的是另一件事——免费额度到期，计费生效。而计费表本身就值得读一遍，因为它把"RAG 到底贵在哪"这件事，用价格写成了结论。

价格表：三件事收费，中间的活全包

官方说得很直白：你只为摄入的内容、存下来的数据、跑的查询付钱；中间的解析、切块、Workers AI 嵌入、关键词索引、重排，全部包含在内。没有实例小时、没有容量单元、没有月度最低消费。

还有一个容易被忽略的改动：免费额度从"语义 + 全文共享 2000 次"改成了"各 1000 次"。这个拆分不是记账口径的调整，它是一条产品判断——语义查询和全文查询是两种东西，不该共用一个池子。

读法一：查询才是月账单，摄入只是一次性

按官方给的免费档 500 万 token 估算，那是六千多页文档的量级（按每页 800 token 粗算）。这个额度对个人项目够用，对任何真实知识库都不够。

但真正决定账单的不是摄入。摄入是一次性的：10 万页文档、每页 800 token，约 8000 万 token，摄入约 60 美元；向量存储按 400 token 一块切，约 20 万块，768 维 float32 粗算 600 MB 上下，叠加原文后每月存储大致在 1–2 美元区间。

查询是循环的。每天 1000 次语义查询 = 每月 3 万次 ≈ 22.5 美元；每天 1 万次 = 每月 30 万次 ≈ 225 美元，且随流量线性增长。 一个跑起来的内部知识库，半年后账单的大头几乎必然在查询侧，而不是入库侧。

这就是托管 RAG 和自建 RAG 在成本结构上的根本差别：自建时你为 GPU 小时和运维人力付钱，是固定成本；托管时你为调用次数付钱，是边际成本。前者对低流量不友好，后者对高流量不友好。做容量规划时，用"日活查询数"而不是"文档总量"去选方案，结论会完全不一样。

读法二：语义查询是全文的 7.5 倍，价格在教你怎么设计产品

$0.75 对 $0.10，七倍半的价差。这不是随手定的折扣，而是在明说：向量检索比倒排索引贵，请按需使用。

对工程团队的直接影响有三个：

• 查询路由值得做。能用精确匹配解决的（单号、型号、报错码、合同条款号），走全文；只有模糊语义问题才升级到语义检索。过去这只是质量优化，现在是成本优化。
• 查询改写要克制。管线里"可选重写"那一步，本质是让一次用户问题变成多次检索。开了它，账单跟着涨。
• 缓存是刚需。同一批高频问题（内部 FAQ、产品手册）用缓存挡住，比调优嵌入模型省得多。

顺带一个反直觉的点：重排免费。官方把"嵌入与重排"打包在指定 Workers AI 模型的费用里。过去两年社区一直在争论"要不要为了几十毫秒延迟和一点准确率再加一个 cross-encoder"，这个争论在托管栈里消失了——重排变成默认动作，成本决策变成了质量决策。这是一种很有效的产品化：把工程取舍从用户手里拿走。

读法三：多模态原生嵌入，改的是切块逻辑

GA 版最主要的增量是原生图片嵌入，配合 Qwen3-VL-Embedding 和 Matryoshka 表示学习（MRL）。

过去的做法很朴素：目标检测 → 生成 caption → 把 caption 文本嵌入。图片因此"可搜"，但只能通过 caption 里恰好写到的那些细节被搜到。而 caption 是有损压缩：商品纹理、截图状态、图表里的相对关系、版式、颜色与构图，全在压缩中消失了。检索的维度，实际上是 caption 作者（或 caption 模型）替用户预先决定的。

现在的做法是两条信号都留：像素直接嵌入做视觉检索，caption 保留做文本理解。MRL 让嵌入维度可以截断，用较小向量保住大部分信息，存储和速度都不至于失控。查询侧做了分层降级——嵌入模型支持图像，就直接把查询图嵌进同一向量空间；只支持文本，就用 ToMarkdown 把查询图转成文字再搜。同一个接口，能力不同的模型拿到不同深度的多模态，这个设计比"必须上多模态模型"务实得多。

同时补上的还有两件一直卡着企业知识库的事：PDF 的 OCR（扫描件终于能入库了），以及单文件上限从 4 MiB 提到 10 MiB。这两条加起来，意味着"那批躺在共享盘里的扫描合同和年报"第一次有了进检索栈的现实路径——代价是 OCR 按图片处理 token 计费，每 100 万 token 多加 0.5 美元。纸质档案数字化的成本，被明码标价了。

读法四：架构自由度换运维自由度

GA 版的查询链路是固定的：可选改写 → 嵌入 → 向量与关键词并行检索 → 结果融合 → 可选重排 → 返回 top chunks 或交给生成模型。

这条链路覆盖了绝大多数 RAG 场景，但它是一条给定的链路。你不能自己换切块策略、不能换重排模型（除非走第三方计费）、更不可能插入图检索做多跳推理。GraphRAG、Agentic 检索、自适应粒度这些今年的研究热点，在这套托管栈里没有位置。

所以选型的分界线其实很清楚：

• 托管更划算：网站搜索、文档问答、内部知识库、需要快速验证的场景，尤其是已经在 Cloudflare 上的项目——省掉的是索引服务、向量库、OCR、抓取这一整套运维。
• 自建更划算：需要多跳/图检索、需要私有重排模型、有数据驻留要求、语料大到 $2/GB·月 开始咬人、或者必须离线部署。

一点冷水

第一，GA 才一个月。官方自己在"下一步"里承认两件事还没做完：关键词搜索引擎正在重构（当前实现在大数据量下有上限），视频与音频的摄入管线还在建。也就是说，音视频检索现在别指望。

第二，$2/GB·月的存储单价，对"全量入库"的策略不友好。1 TB 索引就是每月 2000 美元——这会逼着团队重新捡起"该不该全量索引"这个老问题，也顺带解释了为什么 MRL 这种可截断嵌入在这里是必需品而不是炫技。

第三，计费开始意味着成本可观测性变成必须项。官方说"你可以在索引第一个文件之前就估算账单"，前提是你真的知道自己的语料有多少 token、图片占多少、每天多少查询。这三个数不清楚的团队，第一个月大概率会收到一张意料之外的账单。

检索这件事正在重复向量数据库三年前走过的路：从"自己搭一套"到"买一条流水线"。区别是这一次，账单的单位从"台机器"变成了"次查询"——而后者，会跟着你的产品一起长大。

参考来源

• Cloudflare Blog：AI Search is now generally available（2026-10-01，计费自 2026-11-01 生效）https://blog.cloudflare.com/ai-search-ga/
• Cloudflare Docs：AI Search 定价与限额 https://developers.cloudflare.com/ai-search/platform/limits-pricing/
• Cloudflare Docs：AI Search 数据源、图片与 OCR 配置 https://developers.cloudflare.com/ai-search/configuration/data-source/
• Cloudflare Docs：支持的嵌入模型 https://developers.cloudflare.com/ai-search/configuration/models/supported-models/
• Matryoshka Representation Learning（arXiv 2205.13147）https://arxiv.org/abs/2205.13147
• Qwen3-VL-Embedding 模型仓库 https://github.com/QwenLM/Qwen3-VL-Embedding