Gemma 4 26B 上了 Cloudflare Workers AI：沒有顯卡也能用 API 呼叫，上下文視窗 256K

一句話看懂：Cloudflare 把 Google 的 Gemma 4 26B A4B 放上 Workers AI，不需要自己的顯卡，用 API 就能呼叫這個 256K 上下文的開源模型。

先用白話講：這是什麼？

上一次聊 Gemma 4，重點是「可以下載回家自己跑」。這次是另一條路：不下載，直接「租用」。

就像你想吃牛排，可以自己買廚房設備煮，也可以去餐廳點。Cloudflare Workers AI 就是那間餐廳，Gemma 4 26B 是新上的菜色，你只要透過 API 點餐，不用自己準備顯卡。

發生什麼事

Cloudflare 在 4 月 4 日的更新日誌說，與 Google 合作把 @cf/google/gemma-4-26b-a4b-it 放上 Workers AI。官方介紹的重點：

• MoE（混合專家）架構：128 個專家中每次啟用 8 個，另有 1 個共用專家；總參數 26B，每次推論只啟用 4B。Cloudflare 的說法是，它跑起來幾乎跟 4B 模型一樣快，品質卻接近大得多的模型
• 上下文視窗 256,000 token：可以放進完整的對話歷史、工具定義與長文件
• 內建思考模式：回答前先一步步推理，用來提升複雜任務的準確度
• 視覺理解：物件偵測、文件與 PDF 解析、螢幕與介面理解、圖表理解、OCR（含多語言）與手寫辨識
• 函式呼叫：原生支援結構化的工具呼叫，適合做多步驟的 Agent
• 多語言：開箱即用支援 35 種以上語言，預訓練涵蓋 140 種以上

自己架 vs 用 Workers AI

給開發者的技術細節

官方列出三種呼叫方式：Workers AI 綁定 env.AI.run()、REST API 的 /run 或 /v1/chat/completions，以及相容 OpenAI 的端點。以下是 Worker 裡的示意寫法（參數格式請以模型頁為準）：

export default {
  async fetch(request, env) {
    const result = await env.AI.run("@cf/google/gemma-4-26b-a4b-it", {
      messages: [{ role: "user", content: "用三句話解釋什麼是 MoE 模型" }],
    });
    return Response.json(result);
  },
};

公告沒有列出價格與用量上限，上線前請到 Workers AI 的定價與模型頁確認。

我的看法

我自己在家用 Ollama 跑本地模型，好處是資料完全不出門、不怕斷網；但家裡的顯卡要同時給 ComfyUI 用，常常排不開。這種時候，能有一個「用 API 就叫得到 Gemma 4」的備案很實用，特別是做小型的客戶專案，不想在客戶機房裝顯卡的時候。

要記得取捨：呼叫雲端就代表請求內容會送出去，涉及客戶個資的場合要先確認隱私與合約。另外 MoE 模型的「4B 啟用」指的是速度與算力，不代表所需記憶體只要 4B，這點在自己架的時候尤其要留意。

名詞小辭典

• Workers AI：Cloudflare 提供的 AI 推論服務，用 API 呼叫現成模型。
• MoE（Mixture of Experts）：模型內有很多「專家」，每次只叫出其中一部分工作，所以又大又快。
• 上下文視窗（Context window）：模型一次能讀進去並記住的內容長度上限。
• 函式呼叫（Function calling）：讓模型能指定要呼叫哪個工具、帶什麼參數，用來做 AI Agent。

資料來源

• Cloudflare Changelog：Google Gemma 4 26B A4B now available on Workers AI（2026-04-04）