Cloudflare AI Playground：免註冊試 31 款模型，先清掉預設指令

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

打開 playground.ai.cloudflare.com，選好模型，直接輸入問題，沒有註冊頁、沒有 API 金鑰、沒有廣告。這是 Cloudflare 官方的 AI Playground，我開著無痕視窗實際測了一輪：介面上能點開的模型共 31 款、來自 13 家供應商，從 Meta 的 Llama 4、OpenAI 的 gpt-oss、Z.AI 的 GLM 到 Cloudflare 自家的 clef 都在架上，全部免費使用。

兩年前這個網址上的站名還是 Workers AI LLM Playground（網際網路檔案館 2024 年 4 月的快照可為證），用途很單純，讓人試試模型的對話效果。現在的版本方向完全不同：比較模式、生成式介面、MCP 工具呼叫都搬了進來，語音助理欄位掛著即將推出的預告。我的整體判斷是，這裡已經從「模型櫥窗」變成 Cloudflare 把開發者帶進自家 AI 服務的前門，而一般使用者剛好可以免費搭這班車，拿它試模型、比模型。

Pin

只是免費的車上有一件事官方沒有特別張貼：你選的每一個模型，進場時都已經戴著一層 Cloudflare 預先寫好的代理程式指令。這也是我這輪實測裡最值得記下來的發現，下一節先講它。

三十一款模型、十三家供應商，登入鍵不存在

實際把模型選單逐家點開清點，目前的架上清單是：Z.AI 三款（GLM 5.3、GLM 5.3 Flash、GLM 4.7 Flash）、OpenAI 兩款（gpt-oss-120b、gpt-oss-20b）、Meta 八款（Llama 4 Scout 到 Llama 3.2 Vision）、Google 三款（含 Gemma 4 26B）、Mistral 兩款、Qwen 四款（含 Qwen3 30B 與程式專用的 Qwen2.5 Coder 32B）、DeepSeek 一款（R1 蒸餾版）、NVIDIA 一款（Nemotron 3）、IBM Granite 一款，再加上三家很少出現在主流清單裡的開源團隊：AI Singapore 的 Sea-lion、瑞士 Swiss-AI 的 Apertus、Utter Project 的 EuroLLM。Cloudflare 自家上架的三款 clef 留到後面單獨講。

對使用有實際影響的細節有三個。進頁面的預設模型是 GLM 4.7 Flash，想換模型要到右側面板的供應商與模型兩層選單去選，Z.AI 家的三款會一起列出，切到 Meta 就是八款。這 31 款都是文字對話模型，Cloudflare Workers AI 的官方目錄其實有 242 款，把影像、語音、影片類都算在內；Playground 挑的是能對話的子集，想在目錄裡找沒進櫥窗的模型，要走 API 那條路。整個站對匿名使用者完全開放，我測比較模式、開 MCP 工具、匯出程式碼，全程沒被要求登入。

供應商清單本身也值得多看一眼。除了美中兩邊的大廠，這裡同時上架了 AI Singapore、瑞士 Swiss-AI 與 Utter Project 三家團隊的開源模型，那幾款在一般聚合站很少見，平常不會特別去找的模型，這裡一次就能摸到，試用成本是零。另一個有意思的組合是 OpenAI 欄位：架上兩款 gpt-oss 都是 OpenAI 釋出的開放權重模型，也就是說你在 Cloudflare 的免費頁面上試的，正是 OpenAI 開源路線的作品，這個組合在別家平台不常見。

日常問題的表現也實測了一輪。用預設模型問「50 個字以內介紹台北101」，得到的回覆是：「台北101是台北摩天大樓，高508公尺、101層，曾是世界最高樓（2004-2010），現為台灣地標。」字數、數字、繁體字都過關。也就是說，問常識型問題時預設狀態就很好用；會出問題的是需要模型「做自己」的情境，例如自我介紹，這正好接到下一節。

每個模型進場，都戴著一層 Cloudflare 寫好的指令

在右側參數面板把指示（Instructions）欄位展開，會看到一段預先填好的英文文字。這不是給你看的 placeholder 提示，而是真的會跟著每一句對話送出去的系統指示，開頭是：

You are a helpful assistant that completes tasks using MCP tools. Act, don’t narrate. When you intend to use a tool, call it in the same turn rather than only describing what you are about to do.

後面還有一大段，重點包括要求模型主動連續呼叫工具、隨時維持一份自己的工作記憶，因為先前的工具回傳結果可能會被系統省略掉。換句話說，你在這裡測到的從來都不是「裸」的模型，而是「模型加上 Cloudflare 的代理程式人格」的合體。

Pin

這件事對輸出的影響比我預期的大。我第一次對話用的是預設的 GLM 4.7 Flash，請它「用繁體中文一句話介紹你是什麼模型」，它把自己介紹成一個協助搜尋與檢索開發文件的工具，還提到一堆對話裡根本沒出現過的 MCP 概念，自我介紹整個講偏了。把指示欄位清空、再問同樣的問題，它回答「我是由Z.ai開發的GLM大語言模型，一個通用的人工智慧助手」，方向整個就正了。這中間的落差，就是那段預設指令的重量。

這段指示的所在位置要說清楚，因為它藏得不算淺：右側面板先點開參數（Parameters）折疊區，裡面有指示與溫度兩個欄位，指示欄位還要再按一次展開（Expand）才會變成完整編輯器，出現儲存與取消按鈕。也就是說，一般使用者開站就打字，根本不會走到這一層，模型從第一句話開始就照著 Cloudflare 的劇本演。

畫面上的 View code 按鈕可以交叉驗證這件事：它匯出的部署程式碼裡，同一段系統指示原文照印，連溫度參數都一起帶走。所以結論很明確：想在這裡評估某個模型原本的個性與能力，第一個動作是把指示欄位清空；想體驗 Cloudflare 設計的代理程式行為，那什麼都不用改，它就是預設值。另外有個實用建議：與其只清空，不如貼一段自己的繁體中文指示進去，順便要求全部用台灣用語回答，對後面會講到的簡體字混雜問題有直接的修正效果。

同一句話丟給兩個模型：一個回繁體，一個混簡體

比較模式（Compare mode）是這個平台對一般使用者最有價值的功能。同一個提示詞會同時送給左右兩欄模型，各自有獨立的參數設定，回答並排呈現，畫面下方還有來源（Sources）面板可以看模型引用了什麼。進頁面時兩欄就預先配好了對照組，我這輪拿到的是 Google Gemma 4 26B 對 Z.AI GLM 4.7 Flash，想換成別的組合，兩欄各自有自己的選單。

實測我丟了「用繁體中文一句話自我介紹」。左欄 Google Gemma 4 26B 回的是乾淨的繁體中文，語氣平穩。右欄 Z.AI GLM 4.7 Flash 的回答裡，自稱叫 GLM、由 Z.ai 訓練，這些資訊都對，句子中間卻混進了簡體字，同一句話裡繁簡並存。這個對照本身就有資訊量：模型對繁體中文的忠誠度差很多，選型前實際丟一句自己的使用情境，比看任何排行榜都快。回答並排出現，哪個模型的語氣、長度、用字習慣適合你，一眼就能比出來。

Pin

延續前一節的結論，比較模式測的仍是「模型加預設指令」的組合，要乾淨的對照，兩欄的指示欄位都要清空。另外兩欄的溫度各自獨立，預設值是官方調過的 Balanced 檔位，想要更穩定的輸出可以自己往低調。

開啟 Web Search 之後，它查的是 Cloudflare 的文件

面板上有個 Web Search 開關，名字容易讓人以為是接了搜尋引擎。實際打開來測，我問了一個需要即時資訊的問題：Cloudflare 的股價大約多少。模型的反應很誠實地露出這個功能的真面目：它呼叫了內建工具，查詢字串是 Cloudflare stock price，工具名稱叫 search_dev_stack，回傳「No relevant documentation found」，找不到相關文件。換個查法再試一次，回來的仍然是 Cloudflare 開發者文件庫裡的頁面。

也就是說，這裡的搜尋優先走 Cloudflare 自己的開發者文件檢索，不是把模型放出去搜整個網路。拿它查今天的股價、新聞、天氣這類即時資訊會落空；拿它問 Cloudflare 產品與開發文件，反而比一般搜尋引擎準。值得一提的是工具呼叫的過程在畫面上完全展開，叫了哪個工具、帶了什麼參數、回了什麼內容都看得到，這點做得透明，也讓使用者直接觀察到模型怎麼使用工具，對理解代理程式行為很有幫助。

與搜尋開關同一層的還有兩個 MCP 選項：Developer Stack MCP 是 Cloudflare 官方維護的開發工具箱，站方頁面載入時會去向它的服務拉取可用工具清單；Custom MCP 則讓你填自己的 MCP 伺服器位置。這兩個選項把 Playground 從聊天室推向了工具沙盒，模型能不能、會不會用工具，在這裡是看得到的一級公民。

clef：Cloudflare 自家的決策模型，架上兩週的新面孔

清單裡供應商欄位選 Cloudflare，會看到 clef、clef-flash、clef-omni 三款。這是 Cloudflare 自行開發的模型，官方說明寫得很具體：27B 參數的多模態決策模型，接受文字、JSON、圖片或影片形式的狀態描述，搭配一份結構化的問題清單，為每個問題的每個選項輸出機率。上下文視窗 65,536 tokens，計費只算輸入、不收輸出 tokens，定價是每百萬輸入 tokens 0.24 美元。

它不走聊天路線，走的是把「判斷」這件事包成 API 的路線，適合的是要模型在固定選項裡做評估的開發場景。目錄裡的資料戳記落在 2026 年 9 月底，上架大約兩週。對多數讀者它的用處是見證一件事：這個平台上架的不只是別人家的開源模型，Cloudflare 也在用同一個櫥窗推自家的模型，而且推得很新。

從試玩到部署，只隔一個按鈕

View code 匯出的東西值得單獨看一眼。它給的是一段可以直接部署成 Cloudflare Worker 的程式碼：模型端用 Vercel AI SDK 的串流介面，透過 workers-ai-provider 接上 Workers AI；工具端透過 MCP 用戶端連到 Cloudflare 的開發工具服務；你剛才在介面上調好的模型、指示、溫度，全部原樣帶進程式碼。試玩到部署之間沒有換軌，這是我說它是「前門」最具體的證據。

真要走向部署，成本界線也清楚。官方定價頁寫明 Workers AI 含在免費與付費方案內，每個帳號每天有 10,000 Neurons 免費額度，超過要升級付費方案，計價是每 1,000 Neurons 0.011 美元；Neuron 是 Cloudflare 用來度量 AI 運算量的單位，概念上對應跑這次推論消耗的 GPU 工程量。文字生成類的速率上限是每分鐘 300 次請求。資料這邊，官方文件承諾你擁有自己輸入與輸出內容的所有權，Cloudflare 不會拿這些內容去訓練模型，也不會向其他客戶公開；各模型屬於第三方服務，授權條款各自要看。

免費的邊際：限流、遙測，和你打出去的每個字

連續測了好幾輪之後，我在生成式介面模式收到系統訊息：模型目前被限流，請稍候再試，訊息旁還附了一個可展開的錯誤細節。時間點值得記下來：在這之前我已經跑完普通對話、比較模式與多輪工具呼叫，被擋的是當天測的最後一個模式。當下換一個全新的無痕視窗、開新對話再問，立刻又正常了。也就是說限流是以對話為單位在算，不是把整個 IP 封掉；被擋到時開新對話就能繼續，官方文件也沒有另外寫 Playground 的匿名額度上限。日常試模型的使用量，不太需要擔心這堵牆。

生成式介面（Generative UI）模式本身是個有趣的實驗場：你描述一個想要的介面，模型用 Cloudflare 預先設計好的元件組合出來給你，官方定位是展示動態介面生成，站方設定檔也看得到它跑在一個獨立的沙盒網域上。語音助理模式則還掛著即將推出的預告，這篇就以目前開放的功能為準。

隱私這邊自己衡量。對話透過 WebSocket 連到 Cloudflare 的代理程式後端，每個對話有一組專屬連線位址；頁面載入 Cloudflare 自家的流量分析元件，錯誤追蹤服務的設定也在，不過站方設定檔裡診斷功能是關閉狀態，頁尾也聲明只用必要 cookie。你的每一句輸入都會送到 Cloudflare 的伺服器再送到模型，這在任何雲端 AI 服務都一樣，差別只在這裡連帳號都不用辦，更容易讓人忘了這件事。敏感內容的判斷標準很簡單：不會貼到別人伺服器的東西才丟進來。

這個免費入口，怎麼用最值得

綜合這輪測試，我的使用建議分三層。快速試用與比較選型，這裡是免費門檻最低的幾個入口之一，31 款模型、比較模式、不用註冊，想看哪個模型接得住你的繁體中文情境，十分鐘就有答案。要評估模型的原始能力，記得先清空指示欄位，否則測到的是 Cloudflare 的代理程式人格。要查即時資訊，換工具，它的搜尋是開發文件檢索。

如果要把測試做得更乾淨，有三個設定值得一次設好：指示欄位換成自己寫的繁體中文指示（同時要求台灣用語，能壓掉部分模型的簡體字傾向）、溫度從預設的 Balanced 往低調（回答更穩、更好比）、每次換模型都開新對話（避免前一輪的上下文干擾下一輪的判斷，也順便繞開以對話計的限流）。這三個動作都在同一片面板上，設一次的成本很低，得到的對照品質差很多。

和站上介紹過的其他免費 AI 入口對照，位置就更清楚了：Countless.dev 模型比價表看的是 API 價格與規格，GPT-OSS Playground 是 OpenAI 官方的開源模型線上試用站，LLM API 測試工具驗證的是你手上的金鑰，Chandler AI 是有次數額度的免費助理；Cloudflare AI Playground 的位置是零門檻先試再說，試完接著用 View code 把設定帶進正式開發。Cloudflare 生態的其他免費額度，可以再看這篇 Cloudflare 免費資源整理。

還有一件小事當收尾：頁面底部那句免責聲明值得當成使用常識。模型輸出未經驗證，不代表 Cloudflare 立場，各模型可能有自己的授權條款。把這裡當成快速實驗場，證據力與時效性要求的判斷，還是要回到自己的驗證流程。