Cloudflare推出了Dynamic Workers,这是一个基于隔离技术的运行时环境,专为更快、更高效地运行AI生成代码而设计,相比传统容器技术具有显著优势。该公司将轻量级、一次性执行环境作为企业AI应用的基础架构。
该服务能让企业在毫秒级时间内启动执行环境,标志着从容器重型架构向更加短暂的运行时环境转变,专为高容量的智能体工作负载而设计。
对许多企业而言,这指向了AI系统构建和执行方式的重大转变。企业不再只是编排预定义工具,而是开始让模型按需生成和执行代码,这一转变在安全性和成本方面引发了新的考量。
Dynamic Workers基于Cloudflare现有的Workers平台构建,使用V8隔离技术执行运行时生成的代码(通常由大语言模型生成),无需完整的容器或虚拟机。
Cloudflare在博客文章中表示:"隔离环境只需几毫秒启动,使用几兆字节的内存。这比典型容器快约100倍,内存效率高10到100倍。这意味着如果你想为每个用户请求按需启动一个新的隔离环境,运行一段代码片段,然后丢弃它,你完全可以做到。"
Cloudflare将这一运行时与其"代码模式"方法相结合,鼓励模型针对定义的API编写简短的TypeScript函数,而不是依赖多个工具调用,该公司表示这种方法可以减少Token使用量和延迟。
从企业角度来看,该平台包含诸如凭据管理的出站请求拦截、自动化代码扫描以及V8安全补丁的快速推出等控制功能。Cloudflare指出,基于隔离的沙盒与硬件支持的环境相比具有不同的安全特性。
Dynamic Workers目前在Cloudflare的Workers付费计划下提供开放测试。虽然定价为每个独特Worker每天0.002美元,还有标准的CPU和调用费用,但在测试期间免收每Worker费用。
对企业IT团队而言,转向基于隔离的执行可能会重塑AI工作负载的架构方式,特别是对于需要高并发和低延迟性能的用例。
Counterpoint Research研究副总裁Neil Shah表示:"Cloudflare本质上是在重新定义应用程序生命周期,从依赖集中式服务器的传统'构建-测试-部署'周期转向新模式,而传统模式往往依赖高开销、高延迟的容器。转向V8将启动时间从约500毫秒减少到5毫秒以下,大约提升100倍,这对可能需要冷启动的智能体AI请求爆发具有重要意义。"
这一转变也可能带来成本影响。如果智能体能够在本地生成和执行脚本来产生结果,而不是反复调用大语言模型,企业可能会看到效率和延迟的双重改善。
然而,Shah指出该模型引入了企业领导者不能忽视的新安全考量。
Shah说:"允许智能体动态生成和执行代码引入了新的攻击向量和风险。虽然Dynamic Workers通过沙盒技术限制了潜在妥协的影响,但AI生成逻辑的不可预测性需要强大的安全框架和明确的防护措施。"
其他专家表示这些风险超出了沙盒技术的范畴,需要在AI执行生命周期中进行更广泛的治理。Gartner首席分析师Nitish Tyagi表示,虽然基于隔离的环境改善了遏制能力,但并不能消除风险。
Tyagi说:"在隔离环境中运行智能体和执行代码在理论上看起来很安全,但这并不能确保完全安全。"
他指出了风险,如AI生成代码中的漏洞、间接提示注入攻击和供应链威胁,其中被攻击的外部源可能导致智能体暴露敏感数据或执行有害操作。
Tyagi还警告了操作风险,包括自主智能体进入递归执行循环的风险,这可能导致成本上升和资源耗尽。
为了减轻这些风险,Tyagi表示企业需要更强的治理机制,包括对智能体行为的实时监控、对出站流量的更严格控制,以及对AI供应链和依赖关系的更好可见性。
Q&A
Q1:Cloudflare的Dynamic Workers有什么优势?
A:Dynamic Workers使用V8隔离技术,启动时间只需几毫秒,比传统容器快100倍,内存效率高10到100倍。它专为AI智能体工作负载设计,能够按需快速启动执行环境来运行AI生成的代码。
Q2:Dynamic Workers会带来哪些安全风险?
A:主要风险包括AI生成代码中的漏洞、间接提示注入攻击、供应链威胁,以及自主智能体可能进入递归执行循环导致成本上升和资源耗尽。虽然有沙盒保护,但AI逻辑的不可预测性仍需要强大的安全框架。
Q3:Dynamic Workers的收费标准是什么?
A:正式版定价为每个独特Worker每天0.002美元,另加标准的CPU和调用费用。目前在开放测试期间,每Worker费用暂时免收,用户只需支付Cloudflare的Workers付费计划费用。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。