Workers AI
PulseAugur coverage of Workers AI — every cluster mentioning Workers AI across labs, papers, and developer communities, ranked by signal.
- uses Clairic 95%
- developed by Clairic 95%
- developed by Clef-flash 95%
- used by GLM 5.3 90%
- uses Jevíčko 90%
- developed Conference and Labs of the Evaluation Forum 90%
- developed Clef-flash 90%
- instance of Clef-flash 90%
- used by System One 90%
- instance of System One 90%
- affiliated with GLM 5.3 70%
- competes with Jevíčko 70%
7 天有情绪数据
-
Cloudflare Workers AI 因 KV 缓存 bug 泄露客户提示
Cloudflare 的 Workers AI 服务中存在一个 bug，具体是在 GLM 5.3 模型的 KV 缓存机制中，无意中将之前客户的提示部分暴露给了后续用户。这个内存记账错误发生在 2026 年 8 月 27 日至 9 月 9 日之间，影响了超过 681,280 个 token 的提示。该问题源于 SGLang 服务引擎在请求后未能正确清除内存页面，导致当提示超过分配的 KV 缓存大小时发生数据泄露。Cloudflare 此…
-
Cloudflare GLM-5.3 模型因 SGLang 错误泄露租户 KV 缓存数据
Cloudflare 在 2026 年 8 月至 9 月期间发生数据泄露，其 Workers AI 上的 GLM-5.3 模型在 155 个响应中暴露了一个租户的 KV 缓存状态片段。这是由于 KV 缓存池大小的配置不匹配以及 SGLang 库的分离服务模式中的一个错误共同导致的。通过增加 KV 池容量并修补 SGLang 以正确处理被拒绝的请求，防止访问过时数据，从而解决了该问题。
-
Cloudflare GLM-5.3 模型因 KV 缓存缺陷泄露客户数据
Cloudflare 发生了一起安全事件，其 Workers AI 上托管的 GLM-5.3 模型存在租户隔离缺陷，导致长度超过 681,280 个 token 的提示词会返回其他客户会话的数据。该问题源于 SGLang 推理引擎中 KV 缓存大小的配置不匹配，未能正确处理超出分配内存的提示词。Cloudflare 在事件声明后数小时内识别并修复了根本原因，并在上游修复部署六周后发布了公开事后复盘。
-
Cloudflare Workers AI 泄露暴露客户数据；讨论通过图像标签进行提示注入
Cloudflare 的 Workers AI 服务中的一个安全漏洞暴露了 155 位客户的敏感数据长达两周。该问题源于池大小不匹配和 SGLang 库中的一个错误，导致一个客户的交互信息泄露到另一个客户的响应中。另外，Mastodon 上的一段讨论强调了一个提示注入漏洞，其中一个 AI 助手在被要求总结收件箱时，将敏感的主题行包含在一个图像标签中，该标签随后被用户的浏览器自动获取。
-
Cloudflare GLM-5.3 泄露因 KV 缓存配置错误暴露用户提示
Cloudflare 披露了其 Workers AI 部署的 GLM-5.3 中存在一个严重漏洞，该漏洞允许一个用户的提示泄露给另一个用户。该问题源于一种配置错误，模型的上下文窗口超出了其 KV 缓存的容量，并且 SGLang 的错误处理中的一个错误导致被拒绝的请求被当作有效请求进行处理。这导致多达 155 个受影响的响应，其中很大一部分生成文本来自先前用户的会话数据，有效地延续了他们的会话。
-
Cloudflare 修复了 Workers AI 模型中的 GLM-5.3 数据泄露问题
Cloudflare 已解决了其 GLM-5.3 Workers AI 模型中的一个安全漏洞，该漏洞可能导致客户请求之间的数据泄露。该问题由 Knostic 的 Gadi Evron 报告，发生在 2026 年 8 月 27 日至 9 月 9 日之间，影响了少部分超过 681,280 个 token 的提示响应。该漏洞源于 SGLang 推理引擎中的配置错误，其中 KV 缓存池小于模型的上下文窗口，导致过时数据包含在响应中。Cloud…
-
Cloudflare 在 Workers AI 上推出 Clairic 提取模型
Cloudflare 推出了 Clairic，一个 System One 提取模型，在其 Workers AI 平台上预览可用。该模型旨在一次性从文本中提取特定的、类型化的数据字段，如数字、日期、持续时间、列表，而无需生成 token。每个提取的值都附带一个置信度分数或一个 null 值。
-
Cloudflare 在 Workers AI 上推出 Clairic 提取模型
Cloudflare 推出了 Clairic，一个专为其 Workers AI 平台设计的新型 System One 提取模型。该模型能够在一遍处理中返回带置信度的类型化值，提供了一种高效的数据处理方式。Clairic 的定价为每百万输入 token 0.10 美元。
-
Cloudflare 推出 Clairic，用于在 Workers AI 上进行快速数据提取
Cloudflare 推出了 Clairic，一个旨在从文本和图像中提取结构化数据的新模型。与传统的 LLM 不同，Clairic 旨在一次性将总计和日期等特定信息提取为 JSON 格式，而无需生成文本。在 Cloudflare 的测试中，该模型实现了亚秒级提取时间，可通过 Workers AI 访问，定价为每百万输入 token 0.10 美元。
-
Cloudflare 发布 Clairic 提取模型，实现更快、更便宜的数据处理
Cloudflare 推出了 Clairic，这是其 System One 框架内一种新型提取模型。Clairic 旨在比传统 LLM 更准确、更快速、更低成本地从非结构化文本中提取、计算、估算和预测值。该模型专注于提供结构化输出，如数字、日期和特定文本跨度，这使其与生成开放式文本且需要更长处理时间的 LLM 区分开来。
-
Cloudflare 发布 Clairic 提取模型，警告开发者注意输出解释
Cloudflare 发布了 Clairic，这是其 Workers AI 平台上的一个预览提取模型，旨在识别并返回输入文本中的特定类型字段。该模型自 2026 年 10 月 19 日起可用，通过一次性返回每个请求字段的值来运行，而不生成输出 token。一个关键的注意事项是，开发者必须确保他们的代码直接读取 'value' 字段，因为即使 value 为 null，'guess' 字段也可能包含输出，这表明模型在输入中找不到请求的信息。
-
AI代理免费构建1300页网站，凸显新的开发方法
一位用户使用AI编码代理Claude Code构建了一个拥有1300页信息的网站，服务器成本为零。AI负责了规划、编码、部署和内容生成，并利用了GitHub Pages和Cloudflare Workers等服务的免费套餐进行托管和功能实现。该项目遇到了一些小问题，例如误解韩语单引号和生成有缺陷的角色艺术图，但随后得到了纠正。
-
AI编码代理免费构建了1300页的网站
一位开发者尝试使用AI编码代理（特别是Claude Code）来构建一个韩语信息网站。该项目最终生成了一个包含约1300个静态页面的网站，该网站每小时都会自动更新，并且通过利用GitHub Pages和Cloudflare Workers等服务的免费套餐，以及使用开源模型生成角色艺术，从而实现了零服务器成本。开发者还分享了关于提高AI对相似故事进行分组的能力以及验证信息的见解，并指出了AI出错的领域，例如误解韩语标点符号和生成有缺陷的角色艺术。
-
Cloudflare 发布 Clef-omni 多模态决策模型
Cloudflare 已在 Hugging Face 上以 Apache 2.0 许可协议发布了 Clef-omni，这是一个 30B 参数的多模态混合专家模型。与传统的 LLM 不同，Clef-omni 专为决策任务设计，接受文本、图像、音频或视频输入以及键入的问题，以返回预定义答案的概率。该模型被定位为 TypeSafe 的 Jev 的替代品，旨在用于生产用例，重点是高效的决策评分而不是文本生成。虽然在意图分类方面表现出色，但与前…
-
Talorys 在 Cloudflare 免费套餐上提供自托管个人 AI 代理
Talorys 是一款开源的自托管个人 AI 代理，完全运行在用户的 Cloudflare 账户内，利用其免费套餐服务。该代理可以聊天、管理任务、记忆事实和安排提醒，而无需依赖第三方服务器或开发者运营的基础设施。安装过程专为单用户设计，无需注册或账户，并使用 Cloudflare 的 Workers AI 作为其核心功能，本地存储记忆和任务。
-
Cloudflare 发布开源决策模型 Clef 和 Clef-flash
Cloudflare 发布了两个开源决策模型 Clef 和 Clef-flash，用于分类和选择等任务，无需生成文本。这两个模型分别基于 Qwen3.8-27B 和 Qwen3.5-9B 构建，兼容 Jev API，可在 OpenRouter 和 Hugging Face 上获取。初步测试表明，Clef 模型比 Jev 更快，但在更复杂的推理任务上 Jev 表现更好。
-
Cloudflare推出Clef-Flash，一个用于快速分类的9B决策模型
Cloudflare发布了Clef-Flash，一个拥有90亿参数、专为速度和效率设计的决策模型，该模型基于Qwen3.5-9B构建。与传统的聊天模型不同，Clef-Flash在一个前向传播中处理输入状态和类型化问题，并返回预定义答案的概率，而不生成自由文本。这使其适用于支持工单分类等任务，可以快速分类其紧急程度和负责人。Cloudflare还提供了一个名为Clef的更大、经过精度调优的27B参数模型，该模型包含用于图像分类的视觉能力。
-
Cloudflare 发布 Clef 决策模型，支持类型化概率输出
Cloudflare 推出了 Clef 和 Clef-flash，这是两个开放权重的决策模型，专为特定问题回答而非通用文本生成而设计。这些模型基于 Qwen 主干构建，并兼容 TypeSafe AI Jev API，能够为关于输入状态（包括文本、图像和视频）的预定义问题返回类型化概率。虽然 Clef 和 Clef-flash 在 Banking77 和 CLINC150+OOS 等某些基准测试中表现优于 Jev，但在 GPQA Dia…
-
Cloudflare 发布 AI Agent 功能和集成
Cloudflare 近期举办了“Agents Week”活动，推出多项与 AI 相关的新功能和服务。这些进展包括增强 Workers AI 的向量化能力，引入 Honor D1 模型，以及支持 DeepSeek R2。该公司还强调了与 OpenAI、Mistral AI、Google 和 Meta 等领先 AI 模型的集成，旨在加强其 AI Agent 开发平台。
-
Cloudflare 发布 AI 工具，统一 AI 服务，并研究代理互联网
Cloudflare 推出了名为 Radar Researcher 的新 AI 工具，旨在允许用户使用自然语言查询来探索互联网数据。该工具是 Cloudflare 将 AI 功能集成到其服务中的更广泛努力的一部分，包括将其 Workers AI 和 AI Gateway 统一为单一 AI 控制平面。该公司还在研究代理互联网上出现的积极和消极行为。