Cloudflare AI SearchとGLM-5.3 Flashの仕組み・料金・活用法

Cloudflareは何を変更したのか

Cloudflare AI Searchは、自社コンテンツ向けのマネージド検索サービスです。Webサイト、CloudflareのオブジェクトストレージであるR2バケット、またはアップロードしたファイルを指定すると、コンテンツを解析してチャンクに分割し、インデックスを作成して、質問があった際に関連箇所を取得します。Workers AIは、この環境内でGLM-5.3 Flashを実行するホスト型モデルサービスです。

この設計パターンは検索拡張生成（RAG）と呼ばれます。平たく言えば、システムがまず参照元の記述を見つけ出し、次にその情報をもとにモデルへ回答を作成させる仕組みです。

GLM-5.3 Flashが関与するのは、この後半の生成段階です。Webサイトをクロールすることはありません。類似テキストを検索するための数値表現であるエンベディング（ベクトル化）も行いません。キーワード検索の実行や、関連性に応じて再スコアリングを行うリランク処理も担当しません。取得されたコンテキストを受け取り、回答のテキストを執筆するのが役割です。ハイブリッド検索では、セマンティックなベクトル一致と完全キーワード一致が組み合わされます。

この分離設計こそが本質です。インデックスを再構築したり埋め込みモデルを変更したりすることなく、生成モデルだけを差し替えることができます。Cloudflareでは、インスタンスのSettingsで恒久的に設定することも、リクエストごとに上書き指定することも可能です。

1,048,576トークンのウィンドウが持つ意味と注意点

新モデルの公称コンテキストウィンドウは、AI Searchのサポート対象モデル一覧にあるGLM-4.7 Flash（131,072トークン）の8倍に達します。コンテキストとは、プロンプトの指示、取得された参照文、対話履歴、生成される回答など、1回のリクエストでモデルが処理できる情報の総量です。

許容量が拡大したことで、AI Searchはより長い参照文や長大な対話履歴を扱えるようになりました。複数の情報源に詳細が分散している技術マニュアル、社内規程集、カスタマーサポートのやり取りなどを処理する際に効果を発揮します。

ただし、AI Searchがナレッジベース全体を毎回のプロンプトに流し込むようになったわけではありません。検索段階では依然として限定されたチャンクのみが抽出されます。Workersのバインディングはデフォルトで10件の結果を返し、設定可能な範囲は1〜50件です。100万トークンのコンテキストウィンドウがあっても、質の低いインデックス設計、誤ったフィルタ設定、有益な記述を取りこぼす検索しきい値を補うことはできません。

もう1つ重要な違いがあります。Workers AIの直接利用モデルは推論機能、ファンクションコーリング、ビジョン（画像認識）をサポートしています。しかしAI Search内では、今回のリリースはあくまでテキスト生成モデルとしての追加に留まります。インデックス作成時に元資料の画像はMarkdownへ変換されてから回答段階に渡されるため、今回のアップデートによってAI Searchチャットが直接の画像解析エンドポイントになるわけではありません。

今すぐ導入できるユースケース

サポート対応のバックログを抱える個人SaaS創業者

公開ドキュメントをインデックス化し、生成モデルにGLM-5.3 Flashを選択して、ヘルプボタンの背後にチャットを設置します。単なる汎用チャットボットではなく、ユーザーの質問から参照元の抽出、そして回答生成までを一本化されたマネージドパイプラインで構築できます。

アプリケーションのコードを書く前に、管理画面のダッシュボード上で動作検証が可能です。

クライアントのナレッジベースを運用する小規模受託開発・代理店

クライアントごとにコンテンツを個別のAI Searchインスタンスへ分け、要件を満たした案件から生成層をGLM-5.3 Flashへ統一します。チーム全体で単一のインデックス・検索基盤を運用しながら、顧客ごとに固有のコンテンツ、プロンプト、切り替え判断を個別に管理できる実務上の利点があります。

モデル選択を共通化したいからといって、複数クライアントのデータを単一インスタンスに統合してはいけません。モデルはインスタンス単位で設定可能であり、単一のバインディングから複数インスタンスを管理できるネームスペースもサポートされています。

社内運用手順書（ランブック）を検索するインフラ・SREチーム

R2に格納されたランブックを連携し、ハイブリッド検索を活用して正確なエラーコードと文脈上の類似手順の双方をヒットさせます。そしてGLM-5.3 Flashに取得した手順を読みやすい回答へまとめさせます。正しい復旧手順へ迅速にアクセスでき、裏付けとなる参照チャンクも同時に確認可能です。

障害対応ワークフローでは、生成された回答の横に必ず参照元チャンクを表示させてください。生成AIによる文章は確認を助ける便宜的な層であり、本番環境の変更操作を保証する権威ではありません。

既存スタックを移行せずにモデル評価を行いたいプラットフォームエンジニア

リクエストごとのmodelパラメータを利用して、トラフィックの一定割合をGLM-5.3 Flashへルーティングします。入力トークン数、出力トークン数、返却チャンク数、回答の採用率、レイテンシを記録します。残りのトラフィックには既存のインスタンス設定モデルを維持します。

インデックス、検索パラメータ、ソースデータが完全に共通であるため、回答モデルの違いだけを純粋に比較検証できます。

なお、自社コンテンツの検索ではなく、エージェント向けに公開Web全体のリアルタイム検索が必要な場合は要件が異なります。AI検索APIの比較ガイドで、その用途に特化したプロバイダーを解説しています。

GLM-5.3 Flashで動くWorkerの実装例

Cloudflare公式のWorkersガイドに沿って、TypeScriptのWorkerプロジェクトを作成します：

npm create cloudflare@latest -- ai-search-tutorial
cd ai-search-tutorial

wrangler.jsoncにネームスペースのバインディングを追加します。バインディングとは、Workerから他のCloudflareリソースを呼び出すための名前付き接続設定です。AI Searchはローカルプロセス内では動作しないため、remote: trueの指定が必須となります。Wranglerはローカル開発中、デプロイ済みのリモートサービスへリクエストをプロキシします。

{
  "$schema": "./node_modules/wrangler/config-schema.json",
  "ai_search_namespaces": [
    {
      "binding": "AI_SEARCH",
      "namespace": "default",
      "remote": true
    }
  ]
}

次に、src/index.tsを以下の完全なコード例に置き換えます。最初に/setupへアクセスしてインスタンスの作成とサンプル文書のインデックスを行います。以降のリクエストでは、一致するコンテンツを検索し、GLM-5.3 Flashが回答を生成します。

export interface Env {
	AI_SEARCH: AiSearchNamespace;
}

export default {
	async fetch(request, env): Promise<Response> {
		const url = new URL(request.url);

		if (url.pathname === "/setup") {
			const instance = await env.AI_SEARCH.create({ id: "my-instance" });
			const item = await instance.items.uploadAndPoll(
				"getting-started.md",
				"AI Search indexes uploaded content for retrieval.",
			);
			return Response.json({ created: "my-instance", status: item.status });
		}

		const query = url.searchParams.get("q") ?? "What does AI Search do?";

		const response = await env.AI_SEARCH.get("my-instance").chatCompletions({
			messages: [
				{
					role: "system",
					content: "Answer only from the indexed content. If the answer is missing, say so.",
				},
				{ role: "user", content: query },
			],
			model: "@cf/zai-org/glm-5.3-flash",
			ai_search_options: {
				retrieval: { max_num_results: 5 },
			},
		});

		return Response.json(response);
	},
} satisfies ExportedHandler<Env>;

ローカル環境での実行はnpx wrangler devで行います。動作確認後、npx wrangler loginおよびnpx wrangler deployを実行してデプロイします。

バインディングを利用することで、Workerコード内にAI Search APIトークンを直接持たせる必要がなくなります。REST APIを直接呼び出す構成を取る場合は、トークンにAI Search:EditとAI Search:Runの両方の権限が必要です。

よくある実装上の失敗は、検索段階で参照情報が取得できていないにもかかわらず、生成モデル側の不具合を疑ってしまうことです。プロンプトを調整したりコンテキストを増やしたりGLMの性能を疑う前に、必ずresponse.chunksの中身を確認してください。モデルに渡されていない情報をもとに正確な回答を作ることはできません。

コストと利用制限の現実的な試算

AI Search自体の機能はオープンベータ期間中無料で提供されており、契約中のWorkersプランの上限枠内で利用できます。ただしWorkers AIの利用料は別枠で課金され、AI Gatewayを接続している場合はその費用も加算されます。CloudflareはAI Searchの課金開始にあたり、少なくとも30日前の事前通知を行うと告知しています。

GLM-5.3 Flashの利用料は、入力100万トークンあたり$0.15、出力100万トークンあたり$0.50です。キャッシュなしの入力5,000トークン、出力500トークンのリクエスト1回あたりのコストは約$0.001となります：

0.005 × $0.15 + 0.0005 × $0.50 = $0.001

この条件で20,000回のリクエストを処理した場合、Workers AIの生成コストは$20です。これは試算例であり将来の予測値ではありません。入力トークンにはシステムプロンプト、対話履歴、取得された参照チャンクすべてが含まれるため、検索結果のチャンクを多く取得しすぎると、単価の低さ以上に請求額が跳ね上がります。

Workers Freeプランでは、月間20,000件のAI Searchクエリ、100インスタンス、1インスタンスあたり100,000ファイル、1日あたり500ページのWebサイトクロールが可能です。最大ファイルサイズは4 MBです。Workers Paidプランではインスタンス上限が5,000に拡大され、月間クエリ数や日次クロール制限が撤廃されます。ファイル数は1インスタンスあたり100万件（ハイブリッド検索有効時は500,000件）まで拡張されますが、4 MBのファイルサイズ上限は維持されます。

Cloudflareの公式ページには、本モデルにおけるAI Search特有のレイテンシや回答精度のベンチマークは掲載されていません。モデル仕様書に記載されているアーキテクチャや機能は、対象ドキュメントにおける実際の処理品質を保証するものではありません。規約文書、財務、医療、障害対応手順などのセンシティブな用途では、本番投入前に必ず正解の分かっているテストデータで検証してください。

今後のアクションプラン

AI SearchのChat Completionsをすでに本番運用しており、Cloudflare環境内で完結する生成モデルを求め、かつ検証用の質問セットを用意できるチームは、今週中に検証に着手すべきです。テストインスタンスでGLM-5.3 Flashを固定するかリクエスト単位で上書きし、取得チャンクの妥当性、回答精度、消費トークン数、レイテンシを現行モデルと比較してください。

Smart Defaultのままで品質とコストの要件を満たせている場合は、急いで切り替える必要はありません。新しい選択肢が出たからといって即座に移行が必須になるわけではありません。また、ドキュメントのインデックス作成やチャンク分割の品質に課題がある場合も同様です。最終回答モデルを変更しても、欠落した情報や不適切なチャンク分割が自動修復されることはありません。

Searchエンドポイントのみを呼び出し、自前のモデル層で回答を生成しているシステムであれば影響はありません。またAI Searchを利用していない場合も同様です。GLM-5.3 Flash自体はWorkers AIから直接利用可能ですが、今回のアップデートはAI Searchの生成ステージへの組み込みに特化したものです。

ツールのアップデートに応じた実践的なシステム設計情報を継続して受け取りたい方は、ニュースレターへの登録をご検討ください。