Fireworks Nexus：即插即用的開放前沿智慧，專為有預算限制的團隊打造

Fireworks AI 今日宣佈推出 Fireworks Nexus，這是一個面向工程組織的全面解決方案，旨在解決 AI 成本失控這一日益嚴重的問題。在 Uber 據報道在四月份就花光了 2026 年全年 AI 預算的背景下，Fireworks Nexus 應運而生，它允許團隊繼續使用熟悉的 AI 工具，同時透過智慧路由將大部分日常任務轉移給更經濟的開源模型，從而大幅削減開支。

Fireworks Nexus 由三大核心元件構成。首先是企業級控制與成本可觀測性，它提供集中化儀表盤，讓工程和 IT 團隊能夠按團隊或公司級別設定預算，追蹤不同模型和工具的 ROI，並統一執行政策。所有請求都在 Fireworks 的生產推理平臺上處理，該平臺在美國託管端點、零資料保留，並在全球 20 個資料中心提供企業級效能。

第二是工作流連續性元件 FireConnect。這是一個一鍵安裝的開源工具（Apache 2.0 許可），它對映出適合的模型配置，讓開發者繼續使用 Claude Code、Codex、OpenCode 等現有工具而無需中斷。FireConnect 透過相容 Anthropic 和 OpenAI API 的 Fireworks Serverless APIs 工作，只需一個 base URL 和模型 ID 即可連線。

第三是智慧流量管理與遷移元件 FireRouter。它使用一個自定義訓練的模型為每個請求評估難度：簡單任務路由到 Fireworks 上經濟高效的開源模型（如 Kimi K3 或 GLM 5.2），困難任務則傳遞到使用者現有的提供商（如 Claude Opus 5），且金鑰不會儲存在伺服器端。這一功能目前處於研究預覽階段，可帶來 3-5 倍的成本降低而不犧牲質量。使用者也可選擇完全使用開源模型。

獨立評估支援這些說法。Faros 在 211 個真實工程任務上的測試顯示，GLM-5.2 上的 Claude Code 略優於 Opus 4.8，且每個完成任務的成本約減半。Arize 在 2400 次智慧體執行中發現，前沿定價模型在常規工作中幾乎沒有優勢，而智慧路由在需要的地方保留了它們的優勢。他們的評估框架已開源，團隊可自行測試。

Fireworks Nexus 現已面向工程組織開放。它旨在打破對單一供應商的依賴，讓團隊可以根據任務選擇最佳模型，集中管理支出，並隨著新模型的出現持續評估質量。感興趣的團隊可以預約演示，在自有工作負載上體驗其效果。