Fireworks AI、Fireworks Nexusをリリース：ルーティングとコスト管理のドロップインレイヤー、日常的なコーディング作業をオープンウェイトモデルに移行

Fireworks AIは、エンジニアリング組織向けのAI管理・ルーティングプラットフォーム「Fireworks Nexus」をリリースした。このプラットフォームは、開発者が日常的に使用するコーディングツールをオープンウェイトモデルの管理レイヤーに接続し、企業のAIコストが制御不能になる問題に対処するものである。

同社が対象とする問題はよく知られている。Forbesの報道によると、Uberは2026年のAI予算全体を4か月で使い果たした。Claude Codeは12月の展開後、約5,000人のエンジニアに達した。Fireworksは同じレポートを引用し、エージェントの採用率が2か月で約3分の1のエンジニアから5分の4以上に上昇したと述べている。

Fireworksは、根本的な問題を過剰支出ではなくミスマッチと捉えている。ほとんどの組織は、ルーティンワークをフロンティア価格で実行している。運用の複雑さから、オープンウェイトモデルへの切り替えがプラットフォームチームにとって魅力的でなくなっている。

Fireworks Nexusは3つのコンポーネントで構成される：

1. エンタープライズコントロールとコスト可観測性：チームまたは企業レベルで予算を設定し、モデルやツール間でROIを追跡し、1か所からポリシーを実施する。リクエストはFireworksのプロダクション推論プラットフォーム上で実行され、米国ホストのエンドポイント、ゼロデータ保持、20のグローバルデータセンターをカバーする。

1. ワークフローの継続性：FireConnectは1行でインストールできるプラグインで、ハーネスモデルスロットをFireworksモデルにマッピングする。Apache 2.0ライセンスでリリースされ、Fireworksダッシュボードから1コマンドでインストールできる。Claude Code、Codex、OpenCodeは変更なしで動作し続ける。FireConnectはAnthropicおよびOpenAI互換のFireworks Serverless API上で動作するため、ほとんどのツールはベースURLとモデルIDを指定するだけで接続できる。

1. インテリジェントトラフィック管理：カスタムトレーニングされたモデルが各リクエストの難易度をスコアリングする。ルーティンリクエストはFireworksが提供するコスト効率の高いオープンウェイトモデルに送られ、困難なリクエストは既存のプロバイダーに自身のキーでパススルーされる（キーはサーバー側に保存されないとFireworksは述べている）。研究チームによれば、これにより通常3～5倍のコスト削減が達成される。

重要な注意点として、ルーターは現在研究プレビュー版である。現時点ではClaude Opus 5とGLM-5.2間のルーティングをサポートしており、パススルーパスにはAnthropicキーが必要となる。全オープン構成では、代わりにKimi K3とGLM-5.2間をルーティングする。

パフォーマンスに関して、Fireworksの研究チームはNotionやDoximityを含む開発チームとテストを行っている。予備的な結果では、マージされたプルリクエストあたりのコストが3分の1削減された。また、ブレンドトークンレートはクローズドモデルラボの約4分の1であると報告している。これらはプレビュープログラムからのベンダー数値であり、そのように読むべきである。

より有用な証拠は、Fireworksが引用する2つの独立した評価から得られる。

Faros AIは、7つのモデルとハーネスのルートにわたって12のリポジトリから選ばれた211の実際のエンジニアリングタスクを実行した。GLM-5.2上のClaude Codeはモデルベースの評価者で0.568を獲得し、Opus 4.8上のClaude Codeは0.521を獲得した。コスト差は品質差よりも大きかった：タスクあたり0.92ドル対1.76ドル。キャッシュシェアはそれぞれ89.7%と99.7%であり、キャッシングが結果を説明するものではない。Farosは、このコホートは企業固有であり、普遍的なリーダーボードではないと強調している。

ArizeはFireworksとの共同研究で、40のTerminal-Benchタスクについて10のモデルを各6回試行し、合計2,400回の実行と626ドルのAPI支出で評価した。各タスクのテストスイートで採点された。主要な指標は成功タスクあたりのコストであり、失敗や再試行もすべてカウントされる。

この研究からの2つの発見は、Nexusの設計に直接関係する。簡単なタスクではフロンティアプレミアムは何も買わない：Kimi K2.6は73%を合格し、GPT-5.5は69%だった。難しいタスクではトップティアのみが競争し、GPT-5.5は51%、Kimi K3は32%だった。Arizeの評価ハーネスはオープンソースであり、チームは自社のワークロードで再実行できる。

これらの実行をシミュレートしたルーティングは、すべての単一モデル戦略を上回った。慎重に設計されたエスカレーションラダーは、成功タスクあたり0.525ドルで、40タスク中32.3タスクを確実に解決した。GPT-5.5単独では0.636ドルで、40タスク中25タスクを確実に解決した。10モデルすべてを通した単純なエスカレーションは1.319ドルで、テストされたどの単一モデルよりも悪かった。ラダーの設計は必須である。

実際の導入方法には3つの実用的なパスがあり、それぞれ影響範囲が異なる。

FireConnectパスが最も摩擦が少ない。インストーラーは、Claude Code CLIがPATHに存在することを要求し、Fireworks APIキーを一度入力させ、プラグインマーケットプレイスを登録し、タイムスタンプ付きバックアップとともにClaude Code設定を書き込む。/fireconnect:on、/fireconnect:off、/fireconnect:setup、/fireconnect:models、/fireconnect:set-modelsコマンドを公開する。

2つ目のパスはプラグインを完全にスキップする。ANTHROPIC_BASE_URLとFireworksキーを設定するか、OpenAI互換クライアントを使用してベースURLとモデルIDを変更する。Arizeは、モデルをハーネスに追加するのに1行の設定で十分だったと指摘している。この互換性こそが、エスカレーションラダーを構築可能にするものである。

3つ目のパスはルーター自体であり、既存のフロンティア契約の前に配置される。

まとめ：Faros AI（211タスク）とArize（2400回実行）による独立した実行は、ブランドではなく難易度によるルーティングを支持している。Fireworks Nexusはエンジニアリング組織向けのドロップインAI管理・ルーティングレイヤーであり、2026年7月26日に発表された。3つのパーツが出荷されている：エンタープライズコスト管理、ワークフロー継続性のためのFireConnect、難易度認識ルーター。FireConnectはApache 2.0ライセンスで、1行でインストールでき、Claude Code、Codex、OpenCodeを変更しない。Fireworksは顧客テストで3～5倍のコスト削減と、マージされたPRあたりのコスト33%削減を引用している。

出典：Fireworks Nexus発表、FireConnectリポジトリ、Faros AI評価、Arizeの成功タスクあたりコストベンチマーク。