服务对象与地域限制
PuppyIP 仅面向海外合规企业及其授权人员提供服务，不面向中国大陆地区开放或提供代理服务。本服务仅限用于中国大陆境外的合法业务活动，严禁在中国大陆境内使用本服务。
代理 IP 或服务器位于境外，不改变上述限制。不得通过中转、转接、共享或转售向中国大陆境内的最终使用者提供本服务。使用前请阅读用户服务协议。
本文要点
- 精确模型 ID 是 @cf/thinkingmachines/inkling-2-small；支持文本与图像输入、文本输出，上下文窗口为 1,048,576 tokens。
- 每百万输入、缓存输入和输出 token 的价格分别为 0.30、0.10 和 1.00 美元；缓存价格只适用于实际符合条件的缓存输入。
- 此模型要求 Workers Paid 或预付 AI Gateway 额度；使用预付路径需将网关 Workers AI 计费设置为 Unified billing，并在请求中指定该网关。
- 付费模型限额按每账户、每模型计算：标准 Workers AI 计费 20 次/分钟，预付 AI Gateway 额度 50 次/分钟。
- OpenAI 兼容接入使用 Cloudflare 的账户、令牌、base URL 和模型 ID；不能由此推断支持 Inkling 的 Responses API。
已上线什么，适合先核对哪些能力？
Cloudflare 在 2026 年 11 月 12 日公告中宣布，Thinking Machines Lab 的 Inkling 2 Small 已可在 Workers AI 使用。本文于北京时间 11 月 13 日核对官方公告、模型页、价格、限额和兼容文档，整理的是 Cloudflare 托管接入方式。
请求中的完整模型名是 @cf/thinkingmachines/inkling-2-small。官方模型页说明它接收文本和图像，输出文本，支持函数调用；函数调用指模型提出工具调用请求，具体工具仍由应用接入和执行。
官方列出的上下文窗口为 1,048,576 tokens，即请求处理时可容纳的信息规模，不等于最大输出长度或长文准确率保证。本次未运行推理，也没有逐地区可用表、延迟承诺或最大输出的独立验收结果。
先选择标准计费还是预付网关路径
这款模型有付费接入要求，不能依靠标准 Workers Free 计费直接调用。官方给出两条路径：升级到 Workers Paid，或使用预付 AI Gateway 额度。通用 Workers AI 免费用量说明不能代替这款模型的资格要求。
若使用预付额度，需要先有预付 AI Gateway 额度，把目标网关的 Workers AI billing 设置为 Unified billing，再在 Workers AI binding 或 REST 请求中指定该网关。只修改模型名、拥有一个网关，或持有其他提供商的密钥，都不能代替这组条件。
Workers AI binding 是 Worker 调用 AI 的绑定入口，官方示例使用 env.AI.run()；也可按模型页使用 REST 或 OpenAI 兼容入口。本文只核对公开文档，没有替读者充值、连接账户或发送计费推理请求。
价格如何计算，缓存价何时适用？
Cloudflare 当前价格表列出：每百万输入 token 0.300 美元，每百万缓存输入 token 0.100 美元，每百万输出 token 1.000 美元。token 是模型处理文本等输入输出的计量单位；不要把每百万误读成每千或每次请求。
缓存输入价只用于实际符合平台缓存计费条件的输入，不能假设重复发送同一文本就一定命中缓存。这里没有核得适用于这款模型的完整缓存资格、保留窗口或逐请求命中保证。
作为纯计价示例，假设计费用量为 100 万个未缓存输入 token 和 10 万个输出 token，按表折合为 0.30 + 0.10 = 0.40 美元。这不是一次真实请求账单，也不包含基础计划、额度购买可能涉及的费用、税费或其他产品费用；实际用量分类与账单另核。
价格页同时用 token 和 Neurons 表达等价价格，Neurons 是 Workers AI 的用量计费单位。两种展示是换算关系，不应把表中同一份用量的两种单位再相加。
为什么这里是每分钟 20 或 50 次？
付费模型的限额按每账户、每模型计算：标准 Workers AI 计费为每分钟 20 次；使用预付 AI Gateway 额度为每分钟 50 次。要得到后一档，限额文档同样要求加载预付额度并将该网关设置为 Unified billing。
通用 Text Generation 一栏的每分钟 300 次明确排除了要求 Workers Paid 的模型，不能把这一通用数字套给 Inkling 2 Small。11 月 12 日模型公告与当前限额正文对 20/50 两档相互印证；限额页的页面更新时间仍显示 9 月 17 日，因此这里按实际读取的正文与公告共同核对。
每分钟请求上限不是同时运行数量、每次响应时长或稳定吞吐保证。长推理和工具循环仍会产生多次请求；开始评估前，按实际调用路径规划请求节奏和错误处理，不用更换代理出口来替代账户资格或平台限额。
复用 OpenAI 客户端时，核对这四项
官方兼容文档给出的 base URL 是 https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1，其中 {account_id} 要替换为自己的 Cloudflare 账户 ID；认证使用适用于该入口的 Cloudflare API 令牌。模型名使用完整的 @cf/thinkingmachines/inkling-2-small。
文本生成的兼容入口是 /v1/chat/completions。使用已有客户端时，应分别核对账户 ID、Cloudflare 令牌、base URL 和模型 ID；兼容请求格式不表示继续使用 OpenAI 账户余额或 OpenAI 密钥。不要把真实令牌放进公开示例或排错记录。
不要直接把既有 client.responses 调用换个模型名就当作已兼容。当前文档对 /v1/responses 的支持仅列出两款 GPT-OSS 型号，并限制为非流式；没有把 Inkling 2 Small 列为该入口的支持型号。客户端的其他 OpenAI 特有功能也需逐项核对。
推理强度与上线前的最小评估
模型默认开启推理，默认 reasoning_effort 为 high。公告列出 max、medium、low、minimal 和 none 等可选强度；none 可关闭推理。参数改变的是请求配置，不能直接推出某一延迟、费用或质量提升比例。
先在已具备资格的现有试验环境中，按所选入口核对一次非敏感文本请求，再检查图像输入或工具调用格式。评估时记录模型 ID、请求路径、推理强度、返回状态、实际用量和可人工判断的答案；这是建议流程，本站没有执行这些推理测试。
如应用依赖固定处理地区、特定数据保留条款或严格的响应时限，接入前另核正式产品条件。这几份来源没有为所有账户提供统一的逐地区承诺；模型公开上线、文档 HTTP 200 和付费资格都不能单独证明实际账户请求已成功。
资料来源
常见问题
模型名字里的 Small 表示可以在本地轻量运行吗？
不能这样推断。本文依据的是 Cloudflare 托管接入；官方描述为混合专家模型，共 5940 亿参数、每次激活 180 亿参数。名称与激活参数不等于本地内存需求、可下载权利或本地运行验收，本文没有给出本地部署承诺。
模型页出现音频相关字段，能直接当作音频模型吗？
不能仅凭通用生成的参数字段下结论。本次模型介绍明确说明文本与图像输入、文本输出；本文没有核得 Inkling 2 Small 音频输入或输出的专门能力承诺。
出现认证错误时，要先购买更多额度吗？
先确认账户、认证令牌、所用端点和计费路径，保留脱敏的错误正文与请求 ID。认证失败、访问资格不足、额度不足和速率限制是不同问题；错误本身不证明需要充值，也不能证明请求已被计费。