Cloudflare 上线 GLM-5.2：每天免费额度跑编码模型

01 / 一条让人坐直的推文

2026 年 6 月底，推特上一条推文炸了。

如何 $0 免费用 GLM-5.2：通过 Cloudflare Workers AI，免费、无每日限额。 你朋友每月花 $20-200 在 coding agent 上，你 $0 拿到同样的强悍性能。

：这是 painn（@_0xpainn）发的，配了一个 5 分钟配置教程。

推文的核心信息很简单：Cloudflare 的 Workers AI 平台，上线了 GLM-5.2（模型 ID @cf/zai-org/glm-5.2），可以免费调用，不需要信用卡、不需要订阅、没有月费。

⚠️ 一个事实核查：painn 推文里说"无每日限额（no daily limit）"是有点夸张的。Cloudflare 官方给的是每天 10,000 个 neurons 的免费额度，超出后按 $0.011/千 neurons 计费。但 1 万 neurons 折算下来，每天能跑几百到上千次对话：对绝大多数个人开发者和工具站来说，等于用不完。所以"事实上的免费"成立，但严格意义上的"无限制"是夸大。

这个消息为什么值得注意？因为 GLM-5.2 不是个玩具模型。

它是 Z.AI（智谱）2026 年的旗舰编码模型，专门为 agentic coding（智能体编程）设计，原生支持：

• 🧠 强大的 agentic 编程能力：能自己拆解任务、调用工具
• 📚 262K 上下文窗口：一次性塞进整个中型代码库
• 🔧 Function calling（工具调用）：能调外部 API、执行命令
• 🔌 OpenAI 兼容端点：改个地址就能从 GPT 切过来

放在半年前，这种规格的模型，要么你得付 OpenAI $5/$30 的 API 费，要么得用各种来路不明的中转。而现在，Cloudflare 直接给你免费用了。

这就是为什么有人管 Cloudflare 叫"赛博菩萨"。

02 / 为什么是 Cloudflare，不是别家

免费的大模型 API，网上一直有。但绝大多数都踩雷。painn 推文底下有人总结过：

Cloudflare 的 GLM-5.2 不一样，因为：

1. 它是官方授权的合作：Z.AI 把模型放到 Cloudflare 平台，不是逆向、不是盗刷
2. 它是 Cloudflare 自己的产品：背后是 Cloudflare 全球 330+ 城市的边缘 GPU 节点
3. 它的免费额度是"永久免费档"：不是 12 个月试用，不是"前 100 次"
4. 它默认在边缘跑：你的推理请求由离你最近的 GPU 节点处理，延迟低

最关键的是第 1 点。市面上那种"3 毛钱 1 美刀额度"的中转站，那种价格的来源，几乎都是逆向账号或盗刷 key，违反 ToS、随时断供、数据被偷看。Cloudflare 这种是模型方主动放出来的官方免费，性质完全不同。

赛博菩萨的恩赐，得是干净的恩赐。

03 / 五分钟接入：把免费的 GLM-5.2 接到你的工具里

讲这么多，不如动手。这一节，我们用最少步骤把免费的 GLM-5.2 跑起来。

方式一：一行 curl 调用（最快体验）

curl https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/ai/v1/models/@cf/zai-org/glm-5.2 \
  -H "Authorization: Bearer $CF_API_TOKEN" \
  -d '{
    "messages": [
      {"role": "user", "content": "用 Python 写一个快速排序，注释要详细"}
    ]
  }'

两个变量：

• $ACCOUNT_ID：Cloudflare 控制台右侧栏的 Account ID
• $CF_API_TOKEN：去 cloudflare.com → My Profile → API Tokens 创建一个有 Workers AI 权限的 token

跑通这一行，你就已经在免费调用 GLM-5.2 了。

方式二：接到 Claude Code / Cursor / Aider 里（让 AI 编程助手免费）

这是 painn 推文的核心卖点。因为 GLM-5.2 是 OpenAI 兼容端点，任何吃 OpenAI API 的工具都能直接切过来。

Cursor 配置（Settings → Models → Custom）：

Base URL: https://api.cloudflare.com/client/v4/accounts/YOUR_ACCOUNT_ID/ai/v1
Model: @cf/zai-org/glm-5.2
API Key: 你的 CF API Token

Claude Code / OpenCode 配置：

export OPENAI_BASE_URL="https://api.cloudflare.com/client/v4/accounts/YOUR_ACCOUNT_ID/ai/v1"
export OPENAI_API_KEY="你的-CF-API-Token"
# 然后启动你的 coding agent，选 GLM-5.2

改两行配置，你月付 $20 的 coding agent，立刻变成 $0。

方式三：在 Worker 里调用（边缘 + AI）

最酷的玩法：把 GLM-5.2 跑在 Cloudflare 的边缘计算里：

// worker.js
export default {
  async fetch(request, env) {
    const { prompt } = await request.json();
    const result = await env.AI.run("@cf/zai-org/glm-5.2", {
      messages: [{ role: "user", content: prompt }]
    });
    return Response.json(result);
  }
};

部署后，你拥有了一个全球分布、自动扩缩容、免费起步的 AI 推理 API。

04 / 但赛博菩萨的恩赐，远不止 GLM-5.2

如果你以为 Cloudflare 只是"免费给你跑大模型"，那是对它的严重低估。

painn 的推文只是个引子。真正有意思的故事是：Cloudflare 整个平台都在免费送。从计算到存储，从网络到数据库，免费额度大到能让一个独立开发者的全部基础设施零成本跑起来。

很多人对 Cloudflare 的印象停留在"免费 CDN"。但今天的 Cloudflare 已经长成了一个横跨计算、存储、网络、AI 的全球分布式云平台。

人类对 Cloudflare 的开发程度，不到它能力的 5%。

下面，我们从 GLM-5.2 这个"入口"往外扩，看看赛博菩萨到底给你准备了什么。

05 / 计算：你的代码，跑在全球 330 个城市

Cloudflare 最革命性的产品叫 Workers，它和传统云服务器的逻辑完全不同。

传统云：你租一台机器（或容器），代码跑在那台机器上，全球用户请求都路由到这台机器。延迟高、要扩缩容、要运维。

Workers 的模型：你写一段 JavaScript / TypeScript / Python / Rust 代码，上传后这段代码会被复制到 Cloudflare 全球所有节点。用户请求由离他最近的节点直接执行。

传统云：上海用户 ──→ us-east-1 大区 ──→ 你的实例
Cloudflare：上海用户 ──→ 香港节点 ──→ 直接执行 Worker 代码

这意味着：

• 延迟低：每个用户都连最近的节点
• 无需扩缩容：从 10 次到 1000 万次，自动应对
• 冷启动几乎为零：用的是 V8 isolate（和 Chrome 同源），不是 Docker，启动在毫秒级

免费额度：每天 10 万次请求，永久免费。

一个最小例子：

export default {
  async fetch(request) {
    const city = request.cf?.city ?? "unknown";  // 自动注入访问者位置
    return new Response(`Hello from ${city}!`);
  }
};

request.cf 是 Cloudflare 给你的超能力：每个请求都自带访问者国家、城市、时区、ASN。一行代码部署全球：

npm create cloudflare@latest my-worker
npx wrangler deploy

⚠️ CPU 时间限制：免费版每次请求 10ms CPU 时间（不是墙钟时间，是真正执行计算的时间；等数据库 IO 不算）。一个"转发 + 简单处理"的 Worker 绰绰有余，但做加密计算、图片处理会触限。

06 / 存储：三种形态，覆盖你所有数据

有计算就要有存储。Cloudflare 给了三个主力产品。

R2：对象存储（对标 AWS S3）

存文件、图片、视频、备份。API 完全兼容 S3，所有 S3 工具改个地址就能用。

它最香的一点不是存储本身，是出口流量免费：

对有大量下载流量的场景（图片站、视频站、软件分发），S3 出口费是云账单大头。R2 直接砍掉这一项。

D1：SQL 数据库（SQLite 的全球分布版）

底层是 SQLite，但是全球分布的读副本 + 单点写入。读可以就近完成（快），写路由到主库。读多写少的应用特别合适。

在 Worker 里查询：

const result = await env.DB.prepare(
  "SELECT * FROM posts ORDER BY created_at DESC LIMIT 10"
).all();

KV：键值存储

最简单的存储：key 对 value，全球分布，读取几十毫秒。适合存配置、缓存、特征开关。

三者怎么选：文件/图片/视频 → R2；结构化业务数据 → D1；简单 key-value 缓存 → KV。

07 / 托管：静态站 + 后端，一站搞定

如果你只想托管一个静态网站（博客、文档、落地页、SPA），Pages 是最省事的选择。

"无限带宽"是另一个反 AWS 的设计：S3 + CloudFront 托管静态站，流量大了账单难看；Pages 是真的零成本。

接入方式：连 GitHub/GitLab，push 自动部署。或者一行命令：

npx wrangler pages deploy ./dist

Pages Functions 让你在静态站里直接写后端：本质是 Workers，但和 Pages 一体化。文件即路由：

functions/api/users.js    →  /api/users
functions/projects/[id].js → /projects/123

放个文件，访问对应路径就能跑后端代码。全栈一站搞定。

08 / AI：不止 GLM-5.2，是一整个模型库

回到开头。Workers AI 不只有 GLM-5.2，而是一个模型仓库，把主流开源模型都搬到边缘节点。

• 文本生成：GLM-5.2、Meta Llama 系列、Mistral、Microsoft Phi、Qwen
• 图像生成：Stable Diffusion 系列
• 语音：Whisper（识别）、翻译

全部走同一套 API，全部享受 每天 1 万 neurons 的免费额度。换模型只是改个 ID：

// 从 GLM-5.2 换成 Llama，只改一个字符串
await env.AI.run("@cf/meta/llama-3.3-70b-instruct-fp8-fast", { ... })

还有一个叫 AI Gateway 的产品：把你对各种 LLM 的调用（OpenAI、Anthropic、Workers AI）统一走 Cloudflare 代理，提供缓存、限流、监控、故障转移。一个地方管所有 AI 流量。

组合玩法：用 Workers AI 跑免费推理，用 R2 存 AI 生成的图片，用 KV 缓存常见问答，用 Pages Functions 暴露 API：一个完整的 AI 应用，全部跑在免费额度里。

09 / 自动化与高级能力

还有几个产品，把 Cloudflare 从"基础设施"推向"自动化平台"。

Cron Triggers（定时触发）

给 Worker 加 cron，类似定时任务。这正好**Loop Engineering（循环工程）**的经典实现：一个 Cron Trigger + 一个 Worker，就是最小可用的循环：

# wrangler.toml
[triggers]
crons = ["0 6 * * *"]   # 每天早上 6 点跑

Durable Objects（全球唯一有状态对象）

Workers 体系里最黑科技的产品。普通 Worker 无状态，但有些场景必须有状态：实时协作、WebSocket 长连接、限流计数器。Durable Objects 给你"全球只有一个实例"的对象。

Tunnel（cloudflared）

反向隧道：不用公网 IP、不用开端口，把内网服务安全暴露到互联网。

cloudflared tunnel --url http://localhost:3000

一行命令给你一个 *.trycloudflare.com 临时域名，指向本机。本地开发、内网穿透、临时演示的瑞士军刀。我们前面做 dev-sync 插件时，就是用类似机制连远程的。

10 / 拼起来：用免费额度搭一个完整的应用

讲这么多组件，不如拼一个完整的东西。我们用上面所有产品，搭一个AI 留言板，它覆盖了所有核心组件。

架构：

用户 → Pages（前端）
         ↓
       Pages Functions（后端 API）
         ↓
       D1（存留言）+ R2（存图片）+ KV（缓存）
         ↓
       Workers AI（GLM-5.2 自动回复评论）

全部免费额度内，每月成本：0 元。

Step 1：建项目 + 数据库

npm create cloudflare@latest my-app
cd my-app
npx wrangler d1 create mydb

配置 wrangler.toml，建表：

npx wrangler d1 execute mydb --command \
  "CREATE TABLE messages (id INTEGER PRIMARY KEY, content TEXT, ai_reply TEXT, created_at INTEGER)"

Step 2：写后端 + AI 自动回复

functions/api/messages.js：

export async function onRequestPost({ request, env }) {
  const { content } = await request.json();

  // 存到 D1
  await env.DB.prepare(
    "INSERT INTO messages (content, created_at) VALUES (?, ?)"
  ).bind(content, Date.now()).run();

  // 用免费的 GLM-5.2 生成 AI 回复
  const ai = await env.AI.run("@cf/zai-org/glm-5.2", {
    messages: [
      { role: "system", content: "你是一个友好的留言板管理员，用一句话温暖地回复用户。" },
      { role: "user", content }
    ]
  });

  // 更新回复 + 失效 KV 缓存
  await env.DB.prepare("UPDATE messages SET ai_reply = ? WHERE id = last_insert_rowid()")
    .bind(ai.result.response).run();
  await env.CACHE.delete("recent");

  return Response.json({ ok: true, reply: ai.result.response });
}

export async function onRequestGet({ request, env }) {
  const cached = await env.CACHE.get("recent");
  if (cached) return new Response(cached, { headers: {"content-type":"application/json"}});
  const { results } = await env.DB.prepare(
    "SELECT * FROM messages ORDER BY created_at DESC LIMIT 50"
  ).all();
  await env.CACHE.put("recent", JSON.stringify(results), { expirationTtl: 60 });
  return Response.json(results);
}

Step 3：部署

npx wrangler pages deploy .

三步走完，你拥有一个：全球分布、自动扩缩容、带数据库和缓存、AI 自动回复的留言板，0 元成本。

而这只是个开始：把 GLM-5.2 的回复换成"自动分析留言情绪"、"自动生成摘要"、"自动翻译多语言"，都是改几行 prompt 的事。

11 / Cloudflare 的边界：什么时候不该用它

讲了这么多好处，也得诚实说边界。Cloudflare 不是万能的。

不适合的场景：

1. 重计算、长 CPU 任务：视频转码、模型训练、大数据 ETL：Workers 的 CPU 限制挡住了。这些还是得传统云 GPU 实例。
2. 深度依赖特定云：架构绑死 AWS（Lambda + DynamoDB + SQS 那种），迁移成本高。
3. 数据驻留严格合规：金融、医疗要求数据不出境，需单独评估。
4. 超大规模数据库：D1 是 SQLite 内核，对超高并发写入、复杂事务不如 Postgres。

最适合的场景：个人项目、独立开发者产品、MVP、读多写少的内容站/API/Bot、想零成本验证想法、面向全球用户。

对 GLM-5.2 这个"入口"来说：个人 coding agent、工具站、原型开发、玩具项目：完美；生产环境高并发推理：免费额度撑不住，得评估付费档。

12 / 赛博菩萨的真正野心

回到那句话：赛博菩萨的恩赐。

Cloudflare 在做的事，本质是用"边缘"重写云计算。

传统云计算（AWS、GCP、Azure）的模型是"中心化大区"：代码和数据放在几个巨型数据中心，用户从全球连过来。这套模型统治了过去十五年，但它的瓶颈是延迟和出口费。

Cloudflare 提出的替代方案是"边缘优先"：代码和数据下沉到离用户最近的地方。而它用免费额度作为获客手段，让开发者在第一天就默认在 Cloudflare 上构建，等业务长大了自然留在生态里。

这个策略很奏效。越来越多的独立开发者、小团队，整个技术栈就是 Cloudflare 一家：DNS、CDN、Workers、R2、D1、Pages、AI，全免费起步，长大了才按量付费。这是对 AWS 模式的正面挑战。

GLM-5.2 的免费，是这个战略的最新一步。它不是孤立的"福利"，是整个"免费边缘云"拼图的一块，把"免费推理"加进来，让开发者连 AI 这一层都不必离开 Cloudflare。

当一个平台给你：免费 CDN + 免费计算 + 免费存储 + 免费数据库 + 免费静态托管 + 免费大模型推理：你不是它的客户，你是它"对抗 AWS"叙事的一部分。而它换你的方式，是让你用得舒服到舍不得走。

13 / 怎么开始：五天行动清单

看完想动手？这是建议路径：

第 1 天：免费 GLM-5.2

• 注册 Cloudflare 账号
• 用一行 curl 调用 GLM-5.2（见第 03 节）
• 接到 Cursor / Claude Code 里，体验 $0 的 coding agent

第 2 天：感受边缘计算

• 用 npm create cloudflare@latest 创建第一个 Worker
• 部署一个返回"Hello from {city}"的 Worker
• 感受全球分发的速度

第 3 天：加存储

• 创建 D1 数据库，建张表
• 在 Worker 里读写
• 创建 R2 桶，上传文件，在 Worker 里读

第 4 天：全栈

• 创建 Pages 项目，连 Git
• 加 Pages Functions 写 API
• 接 D1 + KV，搭一个最小全栈应用

第 5 天：玩自动化

• 给 Worker 加 Cron Trigger，每天定时跑
• 装 cloudflared，体验内网穿透
• 用 AI Gateway 代理你对其他 LLM 的调用

五天走完，你对 Cloudflare 的开发程度，就超过 95% 的人了。

写在最后

"赛博菩萨"这个梗，半是调侃，半是真心。

调侃在于：免费的午餐通常有代价（数据被卖、服务被关、配额被砍）。真心在于：Cloudflare 这套免费额度，是行业里少见的、真正能用起来的、官方授权的福利。它不是钩子，是战略：Cloudflare 用它换开发者生态，开发者用它换零成本起步。双赢。

GLM-5.2 的免费，是这条逻辑的最新礼物。它让"用最强编码模型"这件事，第一次和"花钱"解绑。

但真正值得花时间理解的，是 GLM-5.2 背后那整个 Cloudflare 平台：从计算到存储，从网络到 AI，从自动化到边缘有状态。人类对它的开发程度还不到 5%。

剩下那 95%，等你去开垦。

本文提到的免费额度基于 2026 年 6 月 Cloudflare 官方文档。Workers AI 每日 1 万 neurons、Workers 每日 10 万请求、R2 10GB 存储、D1 5GB、KV 1GB、Pages 无限带宽。具体限制以官网实时为准。

参考来源：

• Cloudflare Changelog – GLM-5.2 上线 Workers AI（2026-06-16）
• Cloudflare Workers AI – GLM-5.2 模型文档
• Cloudflare Workers 限制
• Cloudflare R2 定价
• Cloudflare Pages 限制
• Cloudflare Workers AI 定价（neurons）
• painn 推文（@_0xpainn, 2026-06-26）关于免费 GLM-5.2 的配置教程