Workers 全栈便宜的前提，是你的动态请求、CPU、数据库扫描、对象存储读取、AI 推理和向量检索都被单独记账。把 1K、10K、100K MAU 直接换成月费，通常会低估图片读取、D1 全表扫描和 AI 输出 token，也会高估纯静态页面的 Workers 成本。

这次比对日期是 2026-05-24。价格只引用 Cloudflare 官方 Workers、Workers AI、D1、R2、Vectorize 页面；旧文里没有官方来源的「0-100K MAU 月账单区间」「D1 写入 QPS」「中国节点延迟」已经删掉。

2026 年 5 月官方价格表

服务免费额度Paid / 超额口径这项怎么进账单
Workers100,000 请求/天；每次调用 10 ms CPUPaid 最低 5 美元/月；含 1000 万请求/月，超出 0.30 美元/百万请求；含 3000 万 CPU ms/月，超出 0.02 美元/百万 CPU msAPI、SSR、Webhook、Cron、Queue Consumer 调用
Workers AI10,000 Neurons/天Paid 超出免费额度后 0.011 美元/1000 Neurons；不同模型有不同 token 等价价格LLM、embedding、vision、audio 等模型调用
D1500 万 rows read/天；100,000 rows written/天；5 GB totalPaid 含 250 亿 rows read/月、5000 万 rows written/月、5 GB 存储；超出读 0.001 美元/百万行、写 1 美元/百万行、存储 0.75 美元/GB-monthSQL 查询扫描行数、写入行数、数据库大小
R2 Standard10 GB-month；100 万 Class A/月；1000 万 Class B/月；互联网出口免费存储 0.015 美元/GB-month；Class A 4.50 美元/百万次；Class B 0.36 美元/百万次；出口免费上传、列目录、读取对象、图片和文件下载
Vectorize3000 万 queried vector dimensions/月；500 万 stored vector dimensionsPaid 含 5000 万 queried dimensions/月、1000 万 stored dimensions；超出查询 0.01 美元/百万维，存储 0.05 美元/1 亿维embedding 搜索、RAG 检索、相似内容召回

这张表里最值得盯的是单位。Workers 不是只按请求数，CPU ms 也会收费；D1 不是只看返回行数，而是看扫描行数；R2 没有互联网出口费，不等于读取操作免费；Vectorize 不是按「向量条数」单独计费，而是条数乘维度再叠加查询次数。

Workers：5 美元不是完整账单

Workers Paid 的 5 美元/月更像平台底座：你获得 1000 万请求/月、3000 万 CPU ms/月，以及更高的 Workers 平台额度。超出后，请求数和 CPU ms 各自加钱。

Cloudflare 官方给过一个很适合做心算的例子：1500 万次请求/月、平均每次 7 ms CPU，合计约 8 美元/月。拆开看，5 美元是订阅费，超出 500 万请求是 1.50 美元，CPU 超出 7500 万 ms 是 1.50 美元。

纯静态资源不要混进动态请求测算。Workers Static Assets 的静态请求不按 Worker invocation 计费；如果你的 SaaS 是静态前端加少量 API，真实账单通常取决于 API、Webhook、鉴权和 SSR，而不是总页面浏览量。

D1，查 rows read，再谈便宜

D1 的计费口径很直接：rows read、rows written、storage。免费层每天 500 万 rows read、10 万 rows written、总计 5 GB；Paid 包含每月 250 亿 rows read、5000 万 rows written 和 5 GB 存储。

独立开发者最容易把 rows read 算错。一个列表页返回 20 条记录，如果排序、筛选字段没有索引，D1 可能扫描几千行；账单看扫描行，不看最后返回给用户的 JSON 有多少行。

上线前至少把这三类查询单独看一遍：

查询类型常见问题成本处理
Dashboard 列表ORDER BY created_at 没有合适索引给排序和筛选组合建索引，用分页游标代替深分页
搜索框模糊查询扫全表小表可接受，大表换全文搜索或外部搜索服务
数据报表每次打开页面实时聚合用 Cron 预聚合，把报表结果写回 D1 或 R2

D1 本身不单独收数据库 compute，也不收 D1 数据出口费；查询结果序列化、业务逻辑计算、API 响应仍然会进入 Workers 的 CPU ms。

R2：出口免费，读取操作不是

R2 Standard 当前价格是 0.015 美元/GB-month，免费层包含 10 GB-month、100 万 Class A、1000 万 Class B，互联网出口免费。这个口径对图片、附件、模型文件、导出包都很友好，但不能把「出口免费」理解成「怎么读都免费」。

Class A 通常是写入、列目录、multipart upload 这类改变或枚举状态的操作；Class B 通常是读取对象和元数据。图片站、头像系统、公开下载页如果没有 Cloudflare Cache，用户每次命中源站对象都会消耗 Class B。

R2 Infrequent Access 的存储单价更低，但读取有 data retrieval 费用，Class A/B 也更贵，并且有 30 天最短存储时长。独立开发者的默认选择仍然应是 Standard；只有冷数据归档、低频下载包，才值得单独算 Infrequent Access。

Workers AI：别把所有模型写成一个单价

Workers AI 的底层计量单位是 Neurons。免费额度是每天 10,000 Neurons；Paid 账户超出后按 0.011 美元/1000 Neurons 计费。Cloudflare 页面同时列出每个模型的 token 等价价格，便于和别的 LLM 服务比较。

这意味着 Workers AI 不能只写一个「每 100 万 token 多少钱」。同样是 LLM，@cf/meta/llama-3.2-1b-instruct、@cf/meta/llama-3.1-70b-instruct-fp8-fast、@cf/openai/gpt-oss-120b 的输入和输出价格都不同；embedding 模型也有自己的价格表。

如果你的 SaaS 只是做标题改写、摘要、分类，按小模型做默认配置，再在后台记录每次调用的 model、input tokens、output tokens 和 Neurons。没有这四列，后面只能靠总账单倒推，很难判断是模型贵、输出太长，还是重试策略出了问题。

Vectorize：用维度算，不用条数猜

Vectorize 已经 GA，价格按两个维度：queried vector dimensions 和 stored vector dimensions。免费层包含每月 3000 万 queried dimensions 和 500 万 stored dimensions；Paid 包含每月 5000 万 queried dimensions 和 1000 万 stored dimensions。

一个 768 维 embedding，存 10,000 条就是 768 万 stored dimensions。每次查询还会把查询向量和被检索集合一起算进 queried dimensions；所以 RAG 产品的成本和「文档量、维度、查询次数、召回范围」同时相关。

小型知识库可以先按 384 或 768 维做索引，把 topK 控制在业务真的需要的范围内。中文独立产品常见的错误，是一开始就用 1536 维、全量文档、过大的 topK，然后发现语义检索账单比数据库还难解释。

一个小型 SaaS 该怎么估算

不要从 MAU 开始填表，从日志和产品动作开始。下面是更接近 Cloudflare 账单的测算模板：

产品动作需要记录的用量对应账单项
登录、鉴权、API 请求每月动态请求数、平均 CPU msWorkers 请求、Workers CPU ms
Dashboard 列表和详情页rows read、rows written、数据库大小D1 读行、写行、存储
上传图片、导出文件、下载附件GB-month、Class A、Class B、缓存命中率R2 存储、R2 操作
AI 摘要、分类、客服回复model、input tokens、output tokens、NeuronsWorkers AI
RAG 搜索、相似推荐向量条数、维度、月查询次数、topKVectorize

一个偏 CRUD 的 B2B 小工具，常见成本会集中在 Workers Paid 的 5 美元和少量 D1/R2 超额。一个 AI 图片、文档问答或内容处理产品，成本中心会更早转到 Workers AI、R2 Class B、Vectorize 查询维度。

哪些旧数字不要再引用

旧文里的「10K MAU 约 10 美元」「50K MAU 约 60 美元」「100K MAU 约 150 美元」已经不适合作为结论。MAU 和 Cloudflare 账单之间缺少关键变量：每个用户多少动态请求、平均 CPU ms、D1 查询是否扫表、R2 是否被缓存、AI 输出多长、Vectorize 查询多少维。

同样不再引用「D1 单库 1000 QPS」「单事务 100MB」「国内某运营商延迟 100-200ms」这类无官方来源数字。它们可能来自旧测试、社区经验或特定时间窗口，不适合放进 2026 年价格文章。

可保留的判断只有一个：Cloudflare 全栈适合先把计算、数据库、对象存储、AI 和向量检索放在同一个开发者平台里跑起来；等某一项账单变大，再按用量迁移到更专门的服务。

从中国办公环境调试 Cloudflare 怎么办

跨境独立开发者常见卡点不是价格，而是本地调试和部署链路不稳定：GitHub Actions 拉依赖慢、Wrangler 发布中断、Cloudflare Dashboard 打开后请求超时。这些问题不会改变 Cloudflare 账单，但会影响上线节奏。

如果团队在多个地点维护同一个 Cloudflare 账户，可以给负责发布的人固定一套工作环境，并使用海外服务跑 GitHub Actions / Cloudflare 的稳定线路承载部署、账单比对和生产后台操作。

上线前检查清单

  • 在 Workers dashboard 里看动态请求数，不把静态资源请求混入 API 成本。
  • 在 Workers Logs 或 Trace Events 里抽样记录 CPU ms，确认是否接近 3000 万 CPU ms/月。
  • 在 D1 的 meta.rows_read 和 meta.rows_written 里找扫描行数最高的查询。
  • 给 R2 开缓存策略，单独记录 Class A、Class B 和 GB-month。
  • Workers AI 每次调用记录 model、input tokens、output tokens、Neurons。
  • Vectorize 估算时写清楚向量维度、存储条数、月查询次数和 topK。
  • 预算表里给 Cloudflare 价格页留一列比对日期，价格变更时只更新来源，不改业务假设。

相关阅读