Cloudflare анонсировала несколько продуктов для работы с трафиком AI-агентов: механизмы монетизации доступа к контенту, раздельные контроли для поисковых, агентных и обучающих краулеров, маршрутизатор моделей и новую модель запуска контейнеров-песочниц. Часть возможностей вышла в общий доступ, часть — в закрытые и публичные беты.
Ниже — что именно изменилось, как это устроено и какие ограничения признают сами авторы.
Раздельные контроли вместо одного переключателя
В июле Cloudflare заменила единый переключатель «block AI bots» на три отдельных контроля — Searchуправление доступом краулеров поисковых систем, Agentуправление доступом агентов, выполняющих задачи по поручению пользователя и Trainingуправление доступом краулеров, собирающих данные для обучения моделей. Они доступны на всех планах, включая Free. 15 сентября появился механизм для конкретных краулеров, который сохраняет индексацию для поиска, но указывает оператору не использовать данные для обучения. Apple, Google и Microsoft обязались его соблюдать.
Для идентификации агентов служит Web Bot Auth: операторы, включая OpenAI, Google и AWS, криптографически подписывают запросы своих агентов, чтобы сайт мог отличить настоящего агента от имитатора без догадок по IP-адресам или строкам user-agent. По данным Cloudflare, еженедельно наблюдается более 500 миллиардов подтверждённых запросов ботов.
Монетизация: HTTP 402 и x402
Monetization Gatewayшлюз Cloudflare, который позволяет владельцам доменов взимать плату с агентов за доступ к сайту, API, MCP-инструментам или наборам данных использует код состояния HTTP 402 Payment Required, чтобы покупатель мог предложить оплату за ресурс прямо в HTTP-запросе — без перенаправления на страницу оформления заказа и без отдельного платёжного API. Продавец определяет, какие запросы требуют оплаты, стоимость и куда направлять платёж; покупатель получает инструкции, подписывает авторизацию и получает ресурс после расчёта. Проверку и расчёт платежей берёт на себя Cloudflare, платежи проходят в USDC на блокчейне Base.
Правила ценообразования можно привязать к любой части запроса — URL, заголовкам, параметрам — и выбрать схему ценообразования. При включённой конфигурации origin-controlled pricingрежим, в котором Gateway запрашивает цены напрямую у продавца, а не хранит каталог правил у себя Gateway запрашивает цены напрямую у продавца: для AI Gateway это позволяет опираться на существующий модуль ценообразования, не ведя каталог правил в Gateway. Ceramic.ai использует схему фиксированного ценообразования, чтобы агенты платили за выполнение поиска без API-ключа.
Monetization Gateway находится в closed beta для подходящих клиентов Cloudflare в США, с поддержкой новых регионов в будущем.
Pay Per Use: платит за использование, а не за скачивание
В Pay Per Use платным считается не факт скачивания контента, а конкретная выгода, которую покупатель из него извлекает. Cloudflare предоставляет инфраструктуру отчётности и платежей.
Издатель видит предложения в панели Cloudflare в разделе Monetize → Pay Per Use: там показаны AI-компания, оплачиваемое использованиеКонкретная выгода, которую покупатель извлекает из контента, а не сам факт скачивания; покупатель сам предлагает её определение. и цена предложения, и издатель сам решает, принять ли его. Покупатель сначала получает список доменов, принявших его предложение, а затем сообщает о каждом использовании одной строкой JSON — с моментом времени, URL источника контента и идентификатором события. Отчётность самостоятельная: условия программы требуют полного отчёта, а Cloudflare проверяет, что каждое заявленное использование соответствует издателю, участвующему в программе. Затем Cloudflare агрегирует заявленные использования, списывает деньги с покупателя и ежемесячно платит издателям через подключённый платёжный счёт.
Pay Per Use находится в beta.
Auto Router: utility как разность качества и штрафа за стоимость
Auto Routerкомпонент AI Gateway, который сам подбирает модель под каждый запрос в публичной бете через AI Gateway: при установке модели cloudflare/auto он автоматически направляет каждый запрос к достаточно способной модели, не требуя от пользователя выбора модели. Выбор идёт по полезности:
utility = expected quality - adaptive cost penaltyОжидаемое качество вычисляет классификатор: сначала он назначает вероятности по 14 категориям задач (например, coding, planning, research, data analysis), затем оценивает запрос по четырём измерениям от одного до пяти — сложность, неоднозначность, ставки и зависимость от предыдущего контекста. Эти сигналы комбинируются с результатами бенчмарков моделей, чтобы оценить, насколько каждая модель подходит для запроса.
Адаптивный штраф за стоимость зависит от сложности: на простых запросах цена весит больше, поэтому может выиграть меньшая модель; с ростом сложности штраф снижается, и у сильных моделей больше шансов. При оценке стоимости учитываются цены на входные и выходные токены, а также стоимость чтения и записи кэша. Внутри одного хода кэш горячий, и переключение редко окупается, поэтому лучше оставаться на той же модели; между ходами применяется штраф за переключение, растущий с количеством токенов в контексте. Модель, у которой ещё жив кэш для сессии, оценивается по более дешёвой ставке чтения кэша, остальные кандидаты — по полной стоимости перезаписи контекста.
По данным Cloudflare, Auto Router показал производительность, близкую к другим передовым повседневным моделям, при 80% стоимости Sol и 35% стоимости Opus. На внутреннем бенчмарке общей офисной работы cloudflare/auto дал 252/291 успешных попыток (86.6%), общую стоимость $2.10 и $0.0084 за успех; Claude Opus 5.5 — 281/291 (96.6%), $5.91 и $0.0210; GPT-6 Sol — 245/291 (84.2%), $2.64 и $0.0108. Бенчмарк включал 97 задач с тремя образцами на модель на задачу, а 95% доверительные интервалы оценивались по 10 000 бутстрэп-выборок на уровне задач.
User Insights: классификация трафика и привязка к пользователям
User Insightsинструмент, который показывает, какие пользователи, приложения, задачи и модели создают трафик, и подсвечивает аномалии пользователей и агентов, а также случаи, когда выбранная модель мощнее, чем требует задача.
Каждый диалог получает сигнал анализа, который можно группировать в User Insights; сигнал используется для отчётности и анализа маршрутизации и не предназначен заменять или раскрывать исходный запрос. Классификацию выполняет отдельный Cloudflare Worker, обрабатывающий подходящие логи AI Gateway: он изучает траекторию диалога — запросы пользователя, ответы ассистента, вызовы инструментов и их результаты — и определяет тип работы (coding, debugging, research, summarization), возвращает оценку уверенности и оценивает сложность задачи, неоднозначность намерения, ставки и зависимость от контекста. Категория соединяется с метаданными лога, которые использует дашборд.
Классификация асинхронная: AI Gateway сначала записывает лог в существующий путь хранения, а Worker обрабатывает его после этого, поэтому классификация не находится в пути запроса и не добавляет задержки к ответу пользователя. Связь с людьми обеспечивает identity-aware AI Gateway: за Cloudflare Access команды могут связать аутентифицированных пользователей и сессии с их AI-трафиком. Для кастомных приложений запросы должны включать стабильный user_id и session_id.
Песочницы: образ и размер выбираются в рантайме
Раньше Cloudflare Containers были организованы вокруг развёртываний приложений: образ и вычислительные ресурсы выбирались на этапе деплоя и раскатывались на всё приложение централизованно. Каждое сочетание образа и типа инстанса было отдельным приложением Containers со своим пространством имён Durable Object, создаваемым заранее через wrangler deploy. Если одному агенту нужна была маленькая песочница Node.js, а другому — большая Python для сборок, требовалось два приложения, два пространства имён и логика маршрутизации в Worker. Каждое новое окружение означало ещё один деплой.
Теперь это убрано: образ и тип инстанса — аргументы, которые код передаёт при запуске песочницы. Внутри Durable Objectкласс, экземпляры которого хранят состояние и запускаются по требованию каждый объявленный образ доступен как поле this.ctx.container.images.<name>. Когда приходит задача, код сам выбирает образ и тип инстанса: проверяет, не запущен ли контейнер уже, иначе по тулчейну берёт образ Python или Node, а по типу нагрузки — standard-2 для сборки или standard-1 в остальных случаях, после чего вызывает запуск с выбранным образом, размером и доступом в интернет. Образ можно выбирать и динамически, например из хранилища с фолбэком на канареечную или обычную версию.
Контейнеры стали запускаться в 6 раз быстрее, а снимки файловой системы доступны в публичной бете. В предварительном burst-тестеиспытании на резкий одновременный запуск множества контейнеров один аккаунт запустил 100 000 контейнеров за 5.387 секунды в шести локациях.
Снапшоты: продолжение workspace и общий чекпойнт
Снапшот создаётся с именем и сохраняется в хранилище Durable Object. Восстановление читает снапшот из хранилища и выбрасывает ошибку, если его нет, после чего контейнер запускается с этим снапшотом, выбранным инстансом и включённым интернетом.
Снапшоты поддерживают два паттерна. Первый — один workspace продолжается между сессиями: сохранить при завершении работы, восстановить при возвращении, при этом репозиторий, зависимости, кэши сборки, конфигурация и правки доступны без пересборки окружения. Второй — общий чекпойнт для множества песочниц: снапшоты неизменяемы и переиспользуемы, поэтому несколько контейнеров могут независимо стартовать из одного подготовленного окружения и дальше менять его по-своему. Пример второго паттерна — агентные eval-ы: одна задача прогоняется с разными системными промптами, навыками, моделями или версиями агента, а всё остальное должно оставаться фиксированным, поэтому один снапшот запускает много изолированных окружений из одной базовой линии, сокращая время настройки и предотвращая влияние дрейфа окружения на результаты.
Снапшоты дополняют системный образ: агент может стартовать из cloudflare/debian-trixie, настроить окружение и сохранить результат как снапшот, чтобы будущие песочницы стартовали с готовым репозиторием, зависимостями и тулчейном.
Канареечный деплой через хеш идентификатора
Канареечный деплой реализуется как код внутри Durable Object: при старте контейнера выбирается образ, и для 5% новых песочниц берётся новая цепочка инструментов. Решение принимает функция, которая по хешу идентификатора Durable Object определяет, попадает ли песочница в канареечную долю. Если песочница не закреплена за образом через хранилище, то при канареечном попадании используется новая версия образа, иначе — обычная.
Такой подход позволяет менять стратегию раскатки без отдельного деплоя и без конфигурации rollout, потому что решение принимается в момент запуска контейнера. Активные проекты можно закрепить за текущим образом, чтобы среда не менялась посреди задачи, а откат выполняется сменой образа для будущих запусков.
Что меняется для разработчиков
Контейнером теперь управляет тот же объект, что хранит состояние песочницы: миграция обычно означает переход к прямому управлению контейнером без класса-обёртки. Нативными становятся политики планированияПравило, определяющее, как запускаются контейнеры; новая политика durable_object позволяет передавать образ и тип инстанса кодом в момент запуска песочницы. durable_object, ускоренный запуск, выбор образа и типа инстанса во время выполнения, а также снапшоты файловой системы; выполнение команд происходит прямо в рантайме Workers.
Sandbox SDK 1.0 перестаёт быть базовым классом и превращается в набор утилит, работающих внутри собственного класса Durable Object рядом с ctx.container. Класс Container и устаревший класс Sandbox поддерживаются до 31 декабря 2026 года: существующие развёртывания продолжают работать и после этой даты, но классы больше не обновляются.
Почему это делают
Авторы описывают падение дохода на запрос как следствие того, что автоматические запросы не приносят ни перехода, ни показа рекламы, ни подписки, но потребляют пропускную способность, вычисления и ресурсы origin. По данным Cloudflare, в конце 2024 года сеть обрабатывала в среднем 63 млн HTTP-запросов в секунду, а сегодня — почти вдвое больше, 115 млн, с пиками выше 150 млн. За год ежедневные запросы от AI-агентов выросли более чем на 1700%, и впервые более половины интернет-трафика составили не люди. В категориях Retail, Computer Software, IT & Services и Financial Services человеческий трафик упал почти на 40% менее чем за год. Доля запросов краулеров для обучения ИИ выросла с 22% весной 2025 года до 52% к июню 2026 года.
Отдельно отмечается, что большинство краулеров снова и снова скачивают страницы, созданные для людей, чтобы извлечь несколько абзацев текста, и слишком часто обходят сайты, не изменившиеся с прошлой попытки, что сжигает пропускную способность сайта и вычислительные ресурсы краулера. Авторы формулируют это так: имя бота ценно только тогда, когда ему можно доверять. С ростом агентного трафика у владельцев сайтов пропала прозрачность и выбор в отношении того, как используется их контент, и они хотят, чтобы их находили, но не эксплуатировали.
Ограничения и открытые вопросы
Monetization Gateway доступен в закрытой бете только для подходящих продавцов и покупателей из США, поддержка новых регионов ожидается. Pay Per Use основан на самоотчётности: условия программы требуют полного отчёта, а Cloudflare проверяет соответствие каждого отчёта зарегистрированному издателю. Авторы прямо называют оба продукта ставками и признают, что ценообразование и обнаружение ещё не решены, поэтому оба запускаются как беты.
В планах — подключение новых покупателей с их собственными продуктами и моделями оплаты без перестройки регистрации, отчётности и расчётов для каждого издателя, а также предоставление издателям большего контекста о каждом использовании — например, ключевых слов, темы запроса или продукта — без обмена персональными данными.
