Cloudflare 于 2026-10-01 宣布 AI Search 已进入 GA，整合 Workers AI、Vectorize、R2 与 Browser Run 提供托管检索流水线，并新增原生图像嵌入与 PDF OCR 支持。该服务将于 11 月开始计费，免费额度保留，定价按摄取、存储与查询计算，适用于网站、文档和智能体检索场景。
Cloudflare 于 2026 年 10 月 1 日宣布，AI Search 正式进入一般可用（GA）阶段。这个托管式搜索服务把 Workers AI、Vectorize、R2 与 Browser Run 组合成一条索引和检索流水线，目标是让开发者在不自行搭建完整检索基础设施的情况下，为应用和 AI 智能体接入面向自有数据的搜索能力。
Cloudflare 表示，AI Search 已被用于支持其博客、开发者文档和 Cloudflare.com 的搜索。与早期需要开发者分别配置向量数据库、对象存储、网页抓取和模型服务的方式相比，GA 版本更强调由平台统一处理数据摄取、解析、嵌入、混合检索和结果重排。
官方公告：AI Search is now generally available。开发者可通过 AI Search 文档 创建实例、上传文件，或连接网站和 R2 存储桶。
从文本搜索扩展到原生图像检索
此次 GA 发布最重要的变化之一，是 AI Search 增加了原生图像嵌入与多模态检索能力。
Cloudflare 说，系统不再只把图像转换为描述文字后再进行文本检索，而是同时保留两类信号：一类来自图像说明，用于文本理解；另一类直接来自图像像素，用于视觉检索。这样可以减少图像被压缩成简短说明后造成的信息损失，例如产品纹理、截图状态、图表关系、文档布局和颜色构成等细节，都可能成为检索条件的一部分。
目前，原生多模态检索可使用 Qwen3-VL-Embedding 模型。对于支持图像的嵌入模型，查询图像会被直接嵌入，并与已经索引的图像和文本置于同一向量空间。用户因此可以用一张图查找视觉上相似的内容，也可以把图像和文字结合起来检索，例如寻找“与这张图有相似标记的对象”或“具有类似构图和色彩的产品”。
如果实例使用的是纯文本嵌入模型，AI Search 仍可先通过 ToMarkdown 将查询图像转换为文字说明，再以文本方式完成检索。Cloudflare 将这种方式描述为基础的多模态支持，而原生图像嵌入则能够保留更多未必会出现在说明文字中的视觉信息。
这类能力的应用范围不限于图片库，也包括商品发现、网页截图匹配、图表与示意图搜索，以及扫描文档的视觉检索。不过，Cloudflare 的公告主要说明了产品功能和支持路径，并没有提供独立的准确率、召回率或跨数据集性能评测，因此不能将这些产品描述直接视为第三方性能结论。
扫描 PDF 支持 OCR，文件上限提高
AI Search 还增加了扫描型 PDF 的 OCR 支持。对于没有可直接提取文本的 PDF，系统可以先读取每一页图像中的文字，再完成分块和嵌入。这使得纸质文档扫描件、表格和部分历史档案更容易进入检索流程。
按照 Cloudflare 的 GA 公告，AI Search 当前支持的 PDF 文件上限从 4 MiB 提高到 10 MiB。OCR 对所有账户开放，但图像处理会按照 AI Search 的新定价计入摄取成本。
OCR 的实际效果仍取决于扫描质量、版面复杂度、语言和文档类型。此前 AIFlux 对专用 OCR 模型的报道也显示，OCR 评估不能只看“是否识别出文字”，还需要关注结构化抽取、文本退化率、稳定性和推理成本。比如 DharmaOCR 的研究显示，小型专用模型并不必然弱于更大的通用模型。这并不能直接推导出 AI Search 的 OCR 性能，但说明文档检索中的“可用性”通常需要同时考虑文字质量、格式保留和部署成本。
11 月开始计费，免费额度保持不变
Cloudflare 表示，AI Search 将于 2026 年 11 月 1 日开始计费。所有 Workers 计划仍会提供每月免费额度，包括 500 万摄取令牌、10 GB 存储、1000 次语义查询和1000 次全文查询。
超出免费额度后，计费分为三部分：内容摄取、索引数据存储和查询。官方公布的价格为：基础摄取每 100 万令牌 0.75 美元，图像处理为每 100 万令牌额外 0.50 美元，存储为每 GB 每月 2 美元；语义查询每 1000 次 0.75 美元，全文查询每 1000 次 0.10 美元。使用部分 Workers AI 模型进行嵌入和重排时，这两项工作包含在 AI Search 定价中，第三方模型则可能产生额外费用。
与按实例小时或预留容量收费的搜索基础设施不同，Cloudflare 的设计是让开发者根据索引规模、存储量和查询量估算成本。对于小规模知识库或内部文档搜索，免费额度可能足以覆盖初期试用；但在大量图像摄取、持续抓取网站或高频调用智能体的场景下，图像处理和查询次数会成为主要成本变量。
在企业使用中，价格之外的另一个问题是数据边界。AI Search 支持混合搜索、元数据过滤，也提供面向智能体的 MCP 端点和可嵌入的搜索组件。它可以减少开发者拼接多个服务的工作量，但企业仍需要决定哪些文件可以被索引、哪些元数据可以返回，以及如何处理个人信息、商业机密和文档权限。
从托管检索到智能体基础设施
AI Search 的定位变化，也反映了 Cloudflare 更广泛的平台方向：把原本由开发者自行组合的基础设施，包装成更直接面向智能体的托管服务。Cloudflare 此前已经将搜索实例、公共搜索端点和 MCP 端点作为 AI Search 的一部分，并支持对网站、文件和 R2 数据进行统一检索。
这种趋势与 Cloudflare 近期强调的智能体开发流程相互呼应。AIFlux 此前梳理过 Cloudflare 提出的“Agent 开发生命周期”：平台希望让 Agent 不只是生成文本或代码，也能在有追踪、测试、权限和审批机制的条件下参与软件交付。AI Search 则为这类 Agent 提供了访问企业知识和外部资料的检索层。
不过，搜索基础设施的托管化并不等于检索结果天然可靠。多模态嵌入可能改善图像与文档的可发现性，但仍需要通过具体业务数据验证召回质量；OCR 可以把扫描件转成可检索内容，却不能自动解决版面理解、表格还原或权限管理问题；MCP 端点降低了智能体接入门槛，同时也提高了访问控制和审计的重要性。
Cloudflare 表示，下一步将继续扩展视频和音频处理能力，并改进关键词搜索引擎，使其能够应对更大规模的数据存储。公司还计划提供更简单的网站启用方式，让 AI 智能体更容易发现、探索和使用 Cloudflare 上的网站内容。
AI Search 的 GA 发布，意味着 Cloudflare 开始把“为智能体提供搜索”从预览功能推进为可计费的基础设施产品。它能否在真实企业数据中同时做到低成本、准确检索和权限可控，仍要等更多实际部署和独立评测来验证。
来源：