AI 用量方也需要自查
企业花力气让 AI 搜索看见自己，也常在官网和内部系统里自建 AI 问答与 Agent。作为用量方，这些系统的账算得清吗？Cloudflare 在 2026 年 9 月 30 日发文介绍 AI Gateway User Insights 的更新：上月上线的 User Insights 用来回答「人们到底在用 AI 做什么」，展示是哪些用户、应用、任务和模型在驱动流量，并标记用户与 Agent 的异常用量；这次更新补上了任务语境。官方举例：同样的 token 数可能对应完全不同的工作，不弄清任务，就没法评估模型选得对不对。
三个检查点
- 模型超配视图：找出模型能力明显高于任务需要的对话，例如把简单的格式整理或摘要请求发给高能力推理模型。
- 任务分析：按工作类型把对话归入编码、研究、写作、摘要、数据分析五类初始类别，补上模型名清单给不了的语境。
- 回合分析：统计任务需要几轮追问与修正。首个请求只是成本的一部分，做完一件事花掉的时间、token 和钱要一起算。
配套的 Potential Savings 视图用来找「可以交给更快或更便宜模型、输出质量不受影响」的请求；Auto Router 则把对话轨迹、任务类别、任务复杂度与模型匹配信号用于自动选型，同时兼顾成本，并不是简单地把所有请求丢给最便宜的模型。这些能力对 AI Gateway 用户免费开放。
它不替你下结论
官方明确说，超配视图不是排行榜，也不会自动推荐换哪个模型，而是帮你把问题问准：模型配不配这个任务？多出来的能力有没有改善结果？更快或更便宜的模型能否给出等效输出？问题是否只出在某个工作流、用户或 Agent 上？分类由一个专用 Cloudflare Worker 在请求处理完成后异步分析 AI Gateway 日志生成，不占用用户等待时间；底层日志的保留仍跟随已配置的 AI Gateway 日志行为。
星岸视角：可见度之外，企业还有一张「用量自查」清单——先核对模型配不配任务，再谈要不要换。
来源与适用范围
适用：已在或拟在 Cloudflare AI Gateway 上治理自建 AI 应用（官网问答、内部 Agent）用量与成本的企业，作为「用量方自查」参考；与可见度监测（企业内容被 AI 引用）是两个视角。不适用：非 AI Gateway 环境的通用成本结论；不构成对节省幅度或选型结果的承诺。事实来源为 Cloudflare 官方博客单页，发布日期取页面元数据 datePublished 2026-09-30；「上月上线」为原文相对表述，按发文日期推算为 2026 年 8 月，原文未给具体日期。Auto Router 的 Beta 阶段原文前后措辞不一（前文 public beta、后文 closed beta），本稿只表述为处于 Beta 并可申请，不推断开放范围。与已发布《Cloudflare 把网页搜索装进 AI Gateway：Agent 不再靠猜 URL》（Gateway 内搜索能力）、《官网向 AI 智能体收钱的两条路：Cloudflare 官方 402 网关能承载什么、不能承载什么》（智能体计费）主题不重叠：本篇讲用量自查与模型匹配。
- Identify AI model overuse with User InsightsCloudflare Blog · 原始日期 2026.09.30 · 读取核对 2026.11.13
不知道先看哪一步？
和真人顾问聊清楚。
告诉我们你的品牌和客户问题，一起确认采样范围与下一步。