Cloudflare AI Search 正式 GA：原生图片检索、OCR，以及 11 月 1 日开始计费意味着什么

GA 到底改了什么

随正式发布一起上线的是三件事：原生图片向量、PDF 的光学字符识别（OCR），以及更大的文件支持。服务本身还是那套托管索引与检索管线，由 Workers AI、Vectorize、R2 和 Browser Run 组成；Cloudflare 自己的博客和开发者文档搜索就跑在它上面。

计费是排期而不是立即生效。面向用量的计费从 2026 年 11 月 1 日开始，包含每月的摄取、存储、语义查询与全文查询额度，同时所有 Workers 套餐继续有免费额度。如果你已经在跑实例，接下来这几周正是用新计量方式量出真实查询量与摄取量的窗口，而不是靠猜。

# Before you design around AI Search, check which limit binds first for your corpus.
FREE = {"instances": 100, "files_per_instance": 100_000, "queries_per_month": 20_000,
        "pages_crawled_per_day": 500, "max_file_mb": 4}
PAID = {"instances": 5_000, "files_per_instance": 1_000_000, "queries_per_month": None,
        "pages_crawled_per_day": None, "max_file_mb": 4}

def headroom(plan, docs, queries, pages, largest_file_mb):
    limits = FREE if plan == "free" else PAID
    months = [
        ("files", docs / limits["files_per_instance"]),
        ("pages/day", pages / (limits["pages_crawled_per_day"] or 1e9)),
        ("file size", largest_file_mb / limits["max_file_mb"]),
        ("queries", (queries / limits["queries_per_month"]) if limits["queries_per_month"] else 0),
    ]
    return sorted(((name, round(ratio, 2)) for name, ratio in months), key=lambda kv: -kv[1])

print(headroom("free", docs=40_000, queries=12_000, pages=180, largest_file_mb=3.2))
# [('queries', 0.6), ('pages/day', 0.36), ('files', 0.4), ('file size', 0.8)]
# Highest ratio is what you plan around. Free tier: file size and query volume usually win.

多模态那块才是真工程

旧的实现对自身的粗糙很坦诚：目标检测、生成描述、把描述向量化。图片因此可搜，但只通过描述捕捉到的细节。新路径两件事都做——既保留基于描述的理解，也做原生图片检索——而且描述不再需要预判「未来的查询会在意哪些细节」。

原生检索跑在 Qwen3-VL-Embedding 上。查询时 AI Search 会检查你这个实例的向量模型是否支持图片。支持，就把查询图片直接嵌进与被索引图片、文本相同的向量空间；不支持，就用 ToMarkdown 把图片转成文本再按描述检索——这样每个模型都有基本的多模态能力，而原生模型能拿到完整的视觉信号。

能保持可负担的原因是 Matryoshka 表示学习：它让更小的向量仍然保留有用信息，于是存储和检索延迟不会随着表示变丰富而线性膨胀。

# Crawl budgets interact: pages per crawl, files per instance, pages per day.
def crawl_days(pages, plan="free"):
    per_day = FREE["pages_crawled_per_day"] if plan == "free" else float("inf")
    days = pages / per_day if per_day != float("inf") else 1
    return {"pages": pages, "plan": plan, "days_to_ingest": days,
            "files_limit_hit": pages > (FREE if plan == "free" else PAID)["files_per_instance"]}

print(crawl_days(12_000))              # free tier: 24 days at 500 pages/day
print(crawl_days(12_000, "paid"))      # paid: single pass, unlimited pages/day
# A discover crawl accepts up to 100,000 pages, but the lowest of the three limits binds.

跟一遍查询链路，再决定信哪儿

一次查询走的是一条固定链路：可选的改写，然后向量化，然后向量检索与关键词检索并行，再融合，可选重排，最后返回 top chunks，或把它交给生成模型写成答案。知道顺序很重要，因为它告诉你该在哪里动手。如果结果语义上接近但漏掉错误码、SKU 这类精确词，是关键词那一路权重不够；如果结果关键词精确但概念跑偏，是向量那一路在起作用。

融合是大多数混合检索系统悄悄失败的地方。倒数排名融合（RRF）是不错的默认值，因为两个原本没打算互相比较的检索系统之间，它不需要做分数校准。下面的代码说明：想搞清自己的融合逻辑，其实只需要这么几行，不必接受一个黑箱。

# Hybrid retrieval fuses vector and keyword results. Reciprocal rank fusion is 4 lines.
def rrf(vector_hits, keyword_hits, k=60):
    '''vector_hits / keyword_hits: ordered lists of chunk ids'''
    scores = {}
    for weight, hits in ((1.0, vector_hits), (1.0, keyword_hits)):
        for rank, doc in enumerate(hits, start=1):
            scores[doc] = scores.get(doc, 0.0) + weight / (k + rank)
    return sorted(scores.items(), key=lambda kv: -kv[1])

VEC = ["chunk_9", "chunk_3", "chunk_14", "chunk_1"]
BM25 = ["chunk_3", "chunk_1", "chunk_22", "chunk_9"]
for doc, score in rrf(VEC, BM25)[:5]:
    print(f"{doc:10}{score:.4f}")
# AI Search runs vector and keyword search in parallel, fuses, optionally reranks,
# then returns chunks or hands the top ones to a generation model.

图片像素直接向量化，描述同时保留。两个信号，而不是一个。

决定架构的是这些限额

Workers 免费额度：每账号 100 个 AI Search 实例、100 个命名空间、每实例 10 万个文件、单文件最大 4 MB、每月 2 万次查询、跨实例搜索每次最多 10 个实例、每天最多抓取 500 页。Workers 付费版：5,000 个实例、每实例 100 万文件（混合检索为 50 万）、查询不限量、每日抓取不限量。

有两个细节容易踩。4 MB 的文件上限在免费和付费完全一样，所以大 PDF 语料不管付不付钱都得先做预处理。而 discover 抓取虽然接受最多 10 万页，但同时受「每实例文件数」和「每日抓取页数」约束，真正的天花板是这三者里最低的那个。免费版那个是每天 500 页，也就是说 1.2 万页的站点要 24 天才能摄取完。

# Image queries: route by whether the embedding model can take images natively.
def route_query(query_image, text_query, supports_image_embeddings):
    if query_image and supports_image_embeddings:
        return {"mode": "native_image", "note": "embedded by Qwen3-VL-Embedding, same vector space as indexed images"}
    if query_image:
        return {"mode": "caption_fallback", "note": "image converted to text with ToMarkdown before search"}
    if text_query:
        return {"mode": "text", "note": "standard hybrid retrieval"}
    return {"mode": "invalid", "note": "need an image or a query"}

print(route_query(True, None, True))
print(route_query(True, None, False))
print(route_query(None, "bird perched on a leafy branch", True))
# Text-only models still work with image queries, they just lose the fine visual signal.

价格里包含什么，不包含什么

存储、向量索引，以及网站抓取所消耗的 Browser Run 用量，都包含在 AI Search 里。Workers AI 和 AI Gateway 仍然单独计费。这个切分才是要建模的部分，因为到规模上，生成通常才是主导的可变成本，而检索相对平稳。

还有一个迁移细节。在 AI Search 迁到托管基础设施之前创建的实例，用的是你自己账号里的各项服务，所以旧账单里可能包含单独的 R2、Vectorize、Workers AI、AI Gateway 费用。迁移之后，抓取到的页面存在内置存储里，AI Search 最初创建的那个专用 R2 桶不再被写入。它还在你的账号里，里面残留的对象可能仍然计入 R2 存储，所以删之前先看清里面有什么。

# Migration: after GA, AI Search stores pages itself. Old R2 buckets are no longer written.
import boto3

def legacy_bucket_report(bucket, prefix="ai-search/", sample=1000):
    s3 = boto3.client("s3", endpoint_url="https://<accountid>.r2.cloudflarestorage.com")
    listing = s3.list_objects_v2(Bucket=bucket, Prefix=prefix, MaxKeys=sample)
    objects = listing.get("Contents", [])
    size = sum(o["Size"] for o in objects)
    return {"sampled_objects": len(objects), "sampled_mb": round(size / 1e6, 1),
            "truncated": listing.get("IsTruncated", False)}

print(legacy_bucket_report("legacy-ai-search-bucket"))
# Check the sample before deleting anything: R2 storage for that bucket may still bill,
# and only you know whether anything else points at those objects.

真正顶到天花板的通常是文件大小或查询量，而不是实例数量。

自建还是托管，说点实在的

当你的语料是文档和网页、团队很小、检索质量要求是「能拿自己的内容回答问题就够了」，托管索引就是正确答案。免费额度每月 2 万次查询，撑一个内部工具或文档站没问题，而且它的失败模式很无聊——基础设施就该无聊。

什么时候自建？当排序必须编码领域判断、当你要托管的服务不会暴露的 chunk 级控制、或者语料根本不全是文本的时候。多模态的补强确实让图片类目更近了，但没有把差距抹平：索引你还是看不进去，而且托管服务永远比你上周读到的那个检索技巧慢一步。

这个月我会做一件不体面但有用的事：导出用户真正会敲的一百条查询，同时打到现有方案和一个 AI Search 实例上，人工给前五条结果打分；然后按新计量把需要的摄取量算成钱。六周的测量，胜过六个月的架构讨论。