Fireworks AI Blog

Cursorは、Cursor開発環境に最適化されたコードモデルComposer 2をリリースしました。Kimi 2.5をベースに、継続的プレトレーニングと大規模強化学習を組み合わせ、最先端のコーディング性能を実現しつつ、推論コストを6〜10倍削減します。Fireworks AIは分散型推論インフラを提供し、RLのスケーラビリティを可能にします。

本記事では、オープンソースのワーカーエージェント（Kimi-K2.6またはGLM-5.2）とクローズドソースの最前線モデル（Claude Opus 4.8）を組み合わせたアーキテクチャを紹介。SWE-bench Pro、Terminal-Bench 2.1、Legal Agent Benchの3つのベンチマークで一貫した性能向上を達成し、推論コストを19%から67%削減する。GLM-5.2とアドバイザーの組み合わせはTerminal-BenchでOpusと同等（約80%）でありながらコストは約47%低く、Legal Agent BenchではOpusを上回りコストは40%低い。

Fireworks AIは2026年7月1日より、すべてのセルフサービスアカウントをプリペイド課金に移行します。ユーザーは今すぐ切り替えるか、自動移行を待つかを選択できます。プリペイド課金はクレジットの事前購入により予算の予測可能性を高め、自動リロード機能でサービス中断を防止します。契約顧客は影響を受けません。

Z.ai（旧称 Zhipu）の最新オープンソースモデル GLM 5.2 が、Fireworks 推論プラットフォームで利用可能になりました。コーディングベンチマークでリードし、100万トークンのコンテキストウィンドウを備え、MITライセンスで提供されます。Fireworks は独立して性能を検証し、ルーティングではなくインフラストラクチャを重視しています。

Moonshot AI は、K2 シリーズの最新コーディングモデル「Kimi K2.7 Code」をリリースし、Fireworks AI で初日からサポートを開始しました。このモデルは前世代の K2.6 と比べて推論トークンを 30% 削減しながら、コーディングベンチマークで高いスコアを達成しています。推論トークンの削減により、エージェントワークフローでのタスク完了コストが大幅に低減されます。Fireworks は Standard、Priority、Fast（近日公開）の 3 つのサービスオプションを提供し、信頼性と速度のニーズに応えます。

Alibaba は Fireworks と提携し、Qwen 3.7 Plus を Fireworks のインフラ上でホスティング、サーバーレス API として提供開始。エージェントループ向けに設計され、思考モードと非思考モードをサポート、コンテキストウィンドウは 262K トークン。前世代比約 50% の価格低下。Fireworks はデータ保持ゼロポリシーと 99.9% のアップタイム SLA を提供。

MiniMax がフラッグシップモデル M3 を公開。50万トークン超のコンテキストウィンドウ、テキスト・画像・動画を理解するネイティブマルチモーダル、そして革新的な MiniMax Sparse Attention（MSA）アーキテクチャを搭載。Fireworks 上で M2.7 の1/20の価格で利用でき、オープンウェイトモデルに新たな基準を打ち立てた。

NVIDIA が公開した Nemotron 3 Ultra は、長時間実行される自律エージェント向けに最適化されたオープンモデルです。総パラメータ550B、ハイブリッド Transformer-Mamba MoE アーキテクチャを採用し、Fireworks 上でデイゼロサポートを提供。エージェントタスクにおいて、他のオープンモデルと比較して推論速度が5倍、コストが30%削減されます。

Fireworks AIとHarveyは、Legal Agent Benchmark (LAB)において、単一のフロンティアモデルの呼び出しへの依存を減らしつつ、低コストでフロンティアレベルの性能を達成するための2つのシステムレベルの技術を探求しました。オープンソースのGLM 5.1ワーカーとClaude Opus 4.7アドバイザーによるハイブリッドハーネスは、100タスクで18/100のオールパスを368ドルで達成し、Opus単独（14/100、954ドル）を上回りました。Kimi K2.6へのSFTおよびRFTによるポストトレーニングでは、オールパスが15/100（84ドル）に向上し、平均スコアも改善されました。

TrilogyのAI Center of Excellenceは、Fireworks AIを推論インフラとして評価し、オープンウェイトモデルの使用を標準化、コストを削減し、数十億トークンスケールのエージェンティックワークフローを実現しました。

720回のブラウザエージェントタスクのベンチマークで、構造化出力の信頼性がエージェントAIのボトルネックであることが判明。Gemini 2.5 Flashは22.9%の実行税（無駄な推論呼び出しの割合）が発生したのに対し、Kimi K2.5はゼロ。この税はレイテンシ、コスト、失敗率を増幅させる。本レポートは信頼性調整済み精度とタスクあたりのコスト指標を導入する。

Fireworks AIはServerless 2.0を発表し、予約容量なしでStandard、Priority、Fastの3つの推論パスを1つのAPIで提供します。Priorityパスは混雑時により強いリクエスト許可を提供し、Fastパスは約2倍のスループットを実現。また、負荷制限（503）とレート制限（429）を明確に分離し、リトライロジックとアラートを改善します。

AWS プレミア パートナーである Innovative Solutions は、推論レイヤーを Fireworks AI に移行することでサービス提供を変革しました。DarcyIQ プラットフォームは社内生産性ツールからマルチエージェント実行システムへと進化し、契約サイクルを 30～45 日から約 3 日に短縮、提供スループットを倍増させ、推論コストを予測可能かつ制御可能にしました。

Fireworks AIは、ゲーム向け低遅延コンテナオーケストレーションに特化したHathoraを買収しました。そのリアルタイム・マルチリージョン最適化技術をAI推論に適用し、推論速度と信頼性の向上を目指します。

Fireworks AI は Microsoft Foundry 上でのパブリックプレビューを発表し、高性能なオープンモデル推論を Azure に統合します。DeepSeek V3.2、Kimi K2.5 などの最先端モデルをワンストップで利用可能にし、BYOW と柔軟な価格設定をサポートします。

チームは最新の訓練アルゴリズムを追いかけがちですが、実際のボトルネックは統合の摩擦と反復速度です。本記事では、GensparkやCursorなどの実例を交え、これらのボトルネックを克服する方法と、将来的な自律的ファインチューニングループについて解説します。

Fireworks AIがトレーニングプレビューを発表。Qwen3 8BからKimi K2.5（1兆パラメータ）までのフルパラメータトレーニングをサポートし、トレーニングエージェント、マネージドトレーニング、トレーニングAPIの3つのインターフェースを提供。RL、SFT、DPO、分類タスクで顕著なパフォーマンス向上を実証し、トレーニングと推論の数値的一貫性を確保。

Fireworksは、ユーザー入力内の制御トークン文字列がモデルの制御トークンとして誤ってエンコードされるのを防ぐ安全なトークン化（safe_tokenization）メカニズムを導入しました。この機能はAPIリクエストごとのブール値フラグとして提供され、通常の入力には影響を与えず、制御トークンが解釈されるのを防ぎ、チャットテンプレートの構造を維持します。記事では、問題の原因、攻撃の実演、動作原理、およびモデル出力への影響を詳しく説明しています。

DeepSeek V4 ProがFireworks上で利用可能になりました。初期の推論トレース破損問題によりリリースが遅れましたが、本記事ではその問題、デバッグ、検証プロセスについて詳述します。

本記事では、混合エキスパート（MoE）モデルにおいて、浮動小数点加算の非結合性に起因する学習時と推論時の数値的不一致について深く分析します。Kimi K2.5とQwen3.5-MoEの実例を通じて、全リデューストポロジの違い、通信と計算の融合、MoEの多操作融合が引き起こす数値のずれを明らかにし、解決策と測定方法を提案します。

DeepSeek-V4のトレーニングシステムは、アーキテクチャ、ルーティング、報酬モデリング、推論モード、蒸留、エージェント実行をトレーニングループに統合します。主な革新には、ハイブリッドアテンション（CSA/HCA）、安定性のための先見的ルーティング、同一重みからの3つの推論モード、生成的報酬モデル、全語彙ロジットを使用したオンポリシー蒸留、ランタイムをループに取り込むエージェンティックトレーニングが含まれます。この傾向は、固定レシピがプログラマブルなトレーニングインフラに取って代わられることを示しています。

Fireworks のブログ記事では、トレーニング SDK と最適化（低精度量子化、オプティマイザ状態のオフロード、構成可能な並列化、Blackwell ネイティブ精度、ストリーミングパイプラインパラレリズム）を用いて、数兆パラメータの MoE モデルの学習をスケーリングする方法を詳述しています。LoRA と全パラメータ学習の両方をサポートし、幅広いモデルカタログに対応します。