Workers AI 完全ガイド：毎日10,000回の無料LLM呼び出し、OpenAI比90%コスト削減

正直なところ、初めて OpenAI の請求書を見たときは呆然としました。小さなプロジェクトで数日間 API をテストしただけで、月額 200 ドル以上もかかっていたのです。「もっと無料に近い、あるいは安い代替案はないだろうか？」と考えました。

その後、Cloudflare のエッジコンピューティング機能を調査していたときに、偶然 Workers AI を見つけました。1週間テストした結果、無料枠だけでも個人開発者には十分すぎることがわかりました。今日はその完全な使用方法を共有します。

Workers AI とは？なぜ注目すべきなのか？

簡単に言えば、Workers AI は Cloudflare が提供するサーバーレス AI 推論サービスです。GPU を自分で購入したり、サーバーを管理したりする必要はありません。数行のコードを書くだけで、Llama や Mistral などのオープンソース大規模言語モデルを呼び出すことができます。

Vultr - 高性能NVMeクラウドサーバー、世界32拠点、Dockerワンクリック展開対応

価格を見る →広告

重要なポイントは以下の3点です：

1. 毎日 10,000 ニューロンの無料枠

   • 実測では数百回の会話を処理でき、個人プロジェクトには十分です。
   • Llama 3.1-8B モデルを使用して1000回の簡単な会話をテストしたところ、約 8000 ニューロンを消費しました。

2. 有料でも非常に安い：$0.011/1000 ニューロン

   • OpenAI GPT-3.5 より 60-70% 安い
   • GPT-4 より 90% 以上安い

3. グローバルエッジネットワークによる高速化

   • Cloudflare は 300 以上の拠点を持ちます
   • 多くのクラウドサービスプロバイダーよりも応答速度が速い

他のソリューションとの比較

「無料のものは使い物になるのか？」と疑問に思うかもしれません。比較表を作成しました：

どのような場合に Workers AI が適しているか？

• ✅ 個人プロジェクト、プロトタイプ検証、学習・実験
• ✅ 中小規模の本番アプリケーション (QPS < 300)
• ✅ コストに敏感なスタートアッププロジェクト

どのような場合には適していないか？

• ⚠️ 大規模なバッチ処理 (毎日数十万回の呼び出し)
• ⚠️ レイテンシーに極めて敏感なリアルタイムアプリケーション (< 100ms の応答が必要)
• ⚠️ 最新の GPT-4 レベルの最高性能モデルが必要なシーン

"Llama 3.1-8B を使用した中国語会話の実測：簡単な質疑応答（100文字以内）で毎回 5-8 ニューロン、長文要約（1000文字入力）で毎回 30-50 ニューロン、コード生成（500行コード）で毎回 20-40 ニューロンを消費。"

無料枠で足りますか？計算してみましょう

この「ニューロン (Neurons)」は Cloudflare 独自の課金単位で、私も最初は戸惑いました。簡単に理解すると以下のようになります：

ニューロン = (入力トークン + 出力トークン) × モデル係数

モデルによって係数が異なります：

• Llama 3.1-8B: 係数 約 0.8
• Llama 3.1-70B: 係数 約 3.5
• Mistral 7B: 係数 約 0.7

実際にどれくらい使えるのか？

この消費量で計算すると、毎日 10,000 ニューロンでおおよそ以下が処理可能です：

• 1000-2000 回の簡単な会話
• 200-300 回の長文処理
• 250-500 回のコード生成

正直なところ、個人開発者にとっては十分すぎるほどです。私は現在 Workers AI で小さなボットを動かしており、毎日数百件のメッセージを処理していますが、完全に無料枠内に収まっています。

もし無料枠を超えたら？

自動的に有料モードに切り替わり、$0.011/1000 ニューロンが課金されます。

計算してみましたが、もし超えてもコストは非常に低いです：

• 毎日 50,000 ニューロン使用すると仮定（無料枠の5倍）
• 超過分：40,000 ニューロン
• 費用：40,000 / 1000 × $0.011 = $0.44/日
• 1ヶ月でも 約 $13

OpenAI と比較すると、同じ呼び出し量で $50-100 かかる可能性があり、Workers AI は確かにかなり安いです。

クイックスタート：Workers AI を呼び出す3つの方法

事前の準備は簡単です：

1. Cloudflare アカウントに登録（無料）
2. Node.js をインストール（方法2、3を使用する場合）

以下に3つの呼び出し方法を紹介します。簡単なものから高度なものまで、ニーズに合わせて選択してください。

方法1：最も簡単 - REST API を直接使用

これは最も早く体験できる方法で、コードを書く必要さえなく、curl コマンドだけでテストできます。

ステップ1：APIトークンとアカウントIDの取得

1. Cloudflare にログインし、https://dash.cloudflare.com にアクセスします。
2. アドレスバーに https://dash.cloudflare.com/xxxxxxxxx と表示されます。この xxxxxxxxx があなたの Account ID です。コピーして保存してください。
3. 右上のアイコン → My Profile → API Tokens をクリックします。
4. 「Create Token」をクリック → 「Workers AI」テンプレートを見つける → 「Use template」を選択。
5. 最後まで進むとトークンが生成されます。これは一度しか表示されないので、必ず保存してください。

ステップ2：呼び出しテスト

ターミナルを開き、以下のコマンドを実行します（Account ID と Token を置き換えるのを忘れないでください）：

Alibaba Cloud - 開発者向けクラウドの第一候補、ライトサーバー15%OFF、プロジェクトの迅速な立ち上げを支援

15%割引を入手 →広告

curl https://api.cloudflare.com/client/v4/accounts/{あなたのアカウントID}/ai/run/@cf/meta/llama-3.1-8b-instruct \
  -H "Authorization: Bearer {あなたのAPIトークン}" \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [
      {"role": "system", "content": "あなたはフレンドリーなAIアシスタントです"},
      {"role": "user", "content": "Cloudflare Workers AIについて一言で紹介してください"}
    ]
  }'

以下のような JSON が返ってくれば成功です：

{
  "result": {
    "response": "Cloudflare Workers AI はサーバーレスの AI 推論プラットフォームです..."
  },
  "success": true
}

よくあるエラーの対処：

• エラー 7003: Token または Account ID が間違っています。完全にコピーできているか確認してください。
• エラー 10000: モデル名が間違っています。@cf/meta/llama-3.1-8b-instruct であることを確認し、@cf/ を忘れないでください。
• タイムアウト: 初回の呼び出しは少し遅い場合があります（コールドスタート）。10秒ほど待てば、次回以降は速くなります。

方法2：推奨 - Workers + Wrangler でデプロイ

これは公式に推奨されている方法です。永続的に利用可能な API としてデプロイでき、構成管理も便利です。

ステップ1：Wrangler CLI のインストール

npm install -g wrangler

その後、Cloudflare アカウントにログインします：

wrangler login

ブラウザが自動的に開き承認を求められるので、同意してください。

ステップ2：Worker プロジェクトの作成

npm create cloudflare@latest my-ai-worker

いくつか質問されますが、以下のように選択します：

• Select a project type: “Hello World” Worker
• Do you want to use TypeScript? お好みで（私は No を選び JavaScript を使用します）
• Do you want to use git? Yes
• Do you want to deploy? まずは No を選び、テストしてからデプロイします

ステップ3：Workers AI バインディングの設定

プロジェクトディレクトリに入り、wrangler.toml ファイルを編集して、最後に以下の行を追加します：

[ai]
binding = "AI"

これでコード内で env.AI を使って Workers AI サービスにアクセスできるようになります。手動でトークンを渡す必要はありません。

ステップ4：コードの記述

src/index.js（または index.ts）を編集し、内容を以下のように書き換えます：

export default {
  async fetch(request, env) {
    // CORS処理（Webページから呼び出す場合）
    if (request.method === 'OPTIONS') {
      return new Response(null, {
        headers: {
          'Access-Control-Allow-Origin': '*',
          'Access-Control-Allow-Methods': 'POST',
          'Access-Control-Allow-Headers': 'Content-Type',
        },
      });
    }

    // POSTリクエストのみ受け付ける
    if (request.method !== 'POST') {
      return new Response('Method not allowed', { status: 405 });
    }

    try {
      // リクエストの解析
      const { messages } = await request.json();

      // AIモデルの呼び出し
      const response = await env.AI.run('@cf/meta/llama-3.1-8b-instruct', {
        messages: messages || [
          { role: 'user', content: 'Hello!' }
        ]
      });

      // 結果を返す
      return new Response(JSON.stringify(response), {
        headers: {
          'Content-Type': 'application/json',
          'Access-Control-Allow-Origin': '*',
        },
      });

    } catch (error) {
      return new Response(JSON.stringify({ error: error.message }), {
        status: 500,
        headers: { 'Content-Type': 'application/json' },
      });
    }
  },
};

ステップ5：ローカルテスト

wrangler dev

ローカルサーバーが起動します（通常は http://localhost:8787）。

Railway - モダンなデプロイプラットフォーム、煩わしい運用から解放、数分で公開

今すぐ始める →広告

curl でテストしてみましょう：

curl http://localhost:8787 \
  -X POST \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [
      {"role": "user", "content": "自己紹介をしてください"}
    ]
  }'

正常に応答があればデプロイできます。

ステップ6：本番環境へのデプロイ

wrangler deploy

デプロイが成功すると、*.workers.dev ドメインが提供されます。例：

https://my-ai-worker.your-name.workers.dev

これがあなたの AI API アドレスになり、どこからでも呼び出すことができます。

方法3：OpenAI SDK でのシームレスな移行

以前 OpenAI API を使用していて、Workers AI に切り替えたい場合、この方法が最も便利です - コードの変更はほとんど必要ありません。

Workers AI は OpenAI 互換のエンドポイントを提供しているため、baseURL を変更するだけで済みます。

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.CLOUDFLARE_API_TOKEN, // あなたの Cloudflare Token
  baseURL: `https://api.cloudflare.com/client/v4/accounts/${process.env.ACCOUNT_ID}/ai/v1`,
});

// OpenAI と全く同じ呼び出し方法
const chatCompletion = await client.chat.completions.create({
  model: '@cf/meta/llama-3.1-8b-instruct', // Workers AI のモデル名に変更
  messages: [
    { role: 'system', content: 'あなたはフレンドリーなAIアシスタントです' },
    { role: 'user', content: 'Hello!' }
  ],
});

console.log(chatCompletion.choices[0].message.content);

注意事項：

• apiKey は Cloudflare の API Token を使用
• baseURL は Workers AI のエンドポイントに変更
• model は Workers AI がサポートするモデル名に変更（先頭に @cf/ を付ける）

以前 OpenAI を使用していた Next.js プロジェクトがありましたが、Workers AI への移行はわずか10分で完了し、これら3箇所を変更するだけで済みました。

どのモデルが使える？どう選ぶ？

Workers AI は現在50以上のモデルをサポートしています。いくつかよく使われるものを紹介します。

テキスト生成モデル（最も一般的）

私の選択アドバイス：

1. 初めて試すなら Llama 3.1-8B

   • 応答が速い (1-2 秒)
   • 品質は十分で、GPT-3.5 に劣らない
   • 無料枠の消費が少ない

2. より高い要件なら Llama 3.1-70B または DeepSeek-R1

   • 推論能力がより高い
   • 生成品質は GPT-4 に近い
   • ただし少し遅く (3-5 秒)、消費も3-4倍になる

3. 長文分析なら Mistral 7B v0.2

   • 32k コンテキストウィンドウをサポート (Llama 3.1 は 8k のみ)
   • 長い論文や長いコードの処理に適している

実践ケース：3つのリアルな例

ケース1：インテリジェントなQ&A APIの構築（最も簡単）

シーン： ブログやドキュメントサイトに AI カスタマーサポートを追加する。

Vultr - 高性能NVMeクラウドサーバー、世界32拠点、Dockerワンクリック展開対応

価格を見る →広告

完全なコード (方法2に基づく):

export default {
  async fetch(request, env) {
    // CORS許可
    const corsHeaders = {
      'Access-Control-Allow-Origin': '*',
      'Access-Control-Allow-Methods': 'POST, OPTIONS',
      'Access-Control-Allow-Headers': 'Content-Type',
    };

    if (request.method === 'OPTIONS') {
      return new Response(null, { headers: corsHeaders });
    }

    try {
      const { question } = await request.json();

      // system プロンプトにサイトの背景知識を追加可能
      const messages = [
        {
          role: 'system',
          content: 'あなたは技術ブログのAIアシスタントです。主にWeb開発、AIアプリケーションに関する質問に答えます。回答は簡潔かつフレンドリーにしてください。'
        },
        {
          role: 'user',
          content: question
        }
      ];

      const response = await env.AI.run(
        '@cf/meta/llama-3.1-8b-instruct',
        { messages }
      );

      return new Response(
        JSON.stringify({ answer: response.response }),
        { headers: { ...corsHeaders, 'Content-Type': 'application/json' } }
      );

    } catch (error) {
      return new Response(
        JSON.stringify({ error: '処理に失敗しました。後でもう一度お試しください' }),
        { status: 500, headers: { ...corsHeaders, 'Content-Type': 'application/json' } }
      );
    }
  }
};

コスト見積もり： 毎日200人のユーザーが質問し、各会話で10ニューロン、合計2000ニューロンを消費すると仮定しても、完全に無料枠内です。

ケース2：一括テキスト要約生成

シーン： RSS フィードやニュース収集など、大量の記事の要約を生成する必要がある。

async function generateSummary(text, env) {
  const messages = [
    {
      role: 'system',
      content: 'あなたはプロフェッショナルなテキスト要約アシスタントです。ユーザーが提供した記事を2〜3文にまとめ、核心となるポイントを強調してください。'
    },
    {
      role: 'user',
      content: `以下の記事を要約してください：\n\n${text}`
    }
  ];

  const response = await env.AI.run(
    '@cf/meta/llama-3.1-8b-instruct',
    {
      messages,
      max_tokens: 150 // 出力長を制限し、ニューロンを節約
    }
  );

  return response.response;
}

レート制限に注意：

• Llama 3.1-8B の制限は 300 リクエスト/分
• 一括処理する場合は、遅延を追加するかキューを使用することを忘れないでください

コスト計算例：

• 各記事1000文字、100文字の要約を生成と仮定
• 毎回約 30 ニューロン消費
• 300件の記事を処理 = 9000 ニューロンで、まだ無料枠内です

ケース3：多言語翻訳サービス

シーン： 翻訳ツールを作成するか、アプリケーションに国際化サポートを追加する。

async function translate(text, targetLang, env) {
  const messages = [
    {
      role: 'system',
      content: `あなたはプロフェッショナルな翻訳アシスタントです。ユーザーの入力を${targetLang}に翻訳し、元のスタイルと口調を維持してください。翻訳結果のみを返し、解説は加えないでください。`
    },
    {
      role: 'user',
      content: text
    }
  ];

  const response = await env.AI.run(
    '@cf/meta/llama-3.1-8b-instruct',
    { messages }
  );

  return response.response;
}

コスト比較：

• Google Cloud Translation API: $20/百万文字
• Workers AI(Llama 3.1): 百万文字約 $1.65

10倍以上安いです！

まとめ：Workers AI は試す価値があるか？

1ヶ月テストした後の私の結論は：個人開発者や小規模チームにとって、試す価値は大いにあります。

メリット：

• ✅ 気前の良い無料枠 (毎日 10,000 ニューロン)
• ✅ 有料価格が安い (OpenAI より 60-90% 安い)
• ✅ 導入が簡単 (REST API と OpenAI 互換インターフェースあり)
• ✅ 応答速度が速い (グローバルエッジネットワーク)
• ✅ モデル選択肢が多い (50+ オープンソースモデル)

私の提案：

1. 個人プロジェクトなら即採用。無料枠で十分ですし、サーバーコストも節約できます。
2. スタートアッププロジェクトならまずは使ってみる。規模が大きくなってから他のソリューションへの移行を検討しても良いでしょう。
3. 企業アプリケーションなら慎重に評価。SLA やデータコンプライアンスなどの問題を考慮する必要があります。

低コストな AI ソリューションを探しているなら、Workers AI を試してみてください。アカウント登録に5分、最初の例を実行するのに15分。あなたにぴったりかもしれませんよ？

6 min read · 公開日: 2025年11月21日 · 更新日: 2026年1月22日

Easton

AI・インテリジェンス