摘要： Cloudflare 於 2026 年 2 月 13 日宣布智譜的 GLM-4.7-Flash 加入 Workers AI，同批推出 agents-on-Cloudflare 工具，並把 Workers AI Provider 更新到 v3.1.1。這讓開發者不必自建 GPU 叢集就能呼叫模型；代價是版本、上線時程與可用模型範圍由平台決定。
2026 年 2 月 13 日，Cloudflare 透過一篇社群公告宣布：智譜的 GLM-4.7-Flash 正式加入 Workers AI。這波公告不止於此，還同步推出了 agents-on-Cloudflare 的 agent 工具，並把 Workers AI Provider 更新到 v3.1.1。
這個時間點頗值得玩味——智譜才在 2 月 11 日以開源方式發布 GLM-5，相隔兩天，Zhipu 的模型便現身於 Cloudflare 的 serverless 平台。
模型廠商與部署平台的分工
這類搭配的價值在於各司其職。Zhipu 負責產出模型，Cloudflare 掌握散布管道：Workers AI 把 inference 放進 serverless 環境，開發者不必自建 GPU 叢集、不必洽談企業合約，就能直接呼叫 GLM-4.7-Flash。
站在 Zhipu 的角度，這是一條摩擦極低的海外出口；站在 Cloudflare 的角度，模型目錄每擴充一次，平台就更接近 AI 應用的預設 runtime。把 Flash 級模型放進這種環境也說得通——對成本與延遲都敏感的工作負載，正好落在邊緣部署最能發揮的區間。
agent 工具鏈同批亮相
這份公告的份量不止於目錄多一個名字。agents-on-Cloudflare 工具與 Workers AI Provider v3.1.1 在同一場合一併登場，透露的訊息一致：Cloudflare 盯上的不只是 inference，還有 agent 的執行環境——把模型、工具與 runtime 收攏進同一個開發介面。
若拿二月的主流發布來對照——Opus 4.6 的 agent teams、GLM-5 的 long-horizon 任務——可以看出 agent 能力正朝兩端同步推進：模型這端持續變強，平台那端持續變好用。兩者相加，才是開發者真正拿到手的 agent stack。
實際採用時的權衡
把模型交給第三方邊緣平台運行，等於用控制權換便利：
- 模型的版本與上線時程由平台方拍板，release notes 得兩邊同步留意
- 邊緣部署帶來低延遲與免維運，代價是模型只能從平台目錄裡挑
- 用量大又對成本敏感的場景，Flash 級模型配上 serverless 計費，多半是值得優先驗證的組合