Fireworks AI Blog

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Three Tests to Run Before You Switch from LoRA to FullFT Kimi K3 on Fireworks: Frontier Intelligence You Can Own Blog Three Tests To Run Before You Switch From Lora To Fullft Three Tests to Run Before You Switch from Lo…

Trilogy 人工智能卓越中心发布了基于 Fireworks 平台 Kimi K3 的网络安全策略手册。该手册强调开放权重模型在防御型人工智能中的优势，能够支持连续、高容量的安全工作流程，无需依赖受限或昂贵的模型。手册详细介绍了实用参考堆栈：确定性工具负责结构化和事实提取，Kimi K3 负责判断，并采用路径为中心的审计方法。Fireworks 提供托管推理服务，使团队可以独立扩展，同时保留对审计工作流的控制。

Fireworks AI 推出 Fireworks Nexus，帮助工程团队在不改变工作流程的情况下，通过智能路由将日常任务分配给经济高效的开源模型，从而显著降低 AI 支出。初步测试显示，它能将每合并 PR 的成本降低三分之一，混合 Token 费率约为封闭模型实验室的四分之一。

Fireworks AI 为其巨大的 MoE 模型 Kimi K3（约 2.8 万亿参数）推出了无服务器 LoRA 训练。LoRA 适配器训练成本低，服务灵活，可将细微调整成本降至几乎为零。通过两个任务示例（Countdown 和 Frozen Lake）展示了小适配器如何快速教模型新目标或工具使用循环。文章还强调了奖励设计的重要性，以及数据飞轮效应。

Kimi K3 是首个达到 2.8 万亿参数的开源模型，性能媲美甚至超越 Fable 5、Opus 5 和 GPT 5.5 等闭源模型。Fireworks 提供美国服务器托管、零数据保留的推理与训练服务，用户可按需使用，无需管理 GPU 基础设施。

本文评测了截至2026年中期的9个开源大语言模型，从基准测试、上下文窗口、多模态支持和许可证等方面进行比较。文章指出Kimi K3性能领先，但权重尚未完全开放；GLM 5.2是目前在Fireworks上可用的最佳开源模型。DeepSeek-V4-Pro、MiniMax M3和gpt-oss-120b等模型针对特定用例进行评估。

Heidi Health与Fireworks AI合作，通过监督微调（SFT）和强化微调（RFT）技术，在临床试验笔记数据集上超越了Gemini Pro等前沿模型。合作伙伴关系不仅将延迟从25秒降至7秒，还实现了3.5倍的性能提升。成功的关键在于高质量数据过滤和大批量训练（有效批量大小达150万token），有效消除了噪声并提升了模型质量。

Fireworks AI 发布新研究，开源模型 Kimi K3 与闭源模型 Fable 5 在约 1000 个智能体任务上对比，通过任务路由两者结合可实现 93% 准确率，成本降低最高达 50 倍，表明最佳 AI 来自模型组合而非单一模型。

Fireworks AI团队为MiniMax M3稀疏注意力开发了Blackwell（SM100）内核，采用KV-固定执行路径，每个KV块只加载一次，实现了约980 TFLOP/s的吞吐量和4.1 TB/s的HBM带宽，相比查询固定基线（FlashInfer）加速1.9–2.4倍，相比开源MSA内核加速约1.6倍。本文详细介绍了算法、内核设计、优化及I/O成本模型。

Fireworks宣布完成15.05亿美元D轮融资，估值达175亿美元，公司年经常性收入突破10亿美元，每日处理超过40万亿个token，其中95%以上来自客户专有数据优化的模型。

Gumloop通过与Fireworks AI合作，在三周内将开源模型代理对话量提升7倍，成本降低高达72%，同时保持输出质量不变。

LangChain 为 NVIDIA Nemotron 3 Ultra 调优了 Deep Agents 框架，实现了开源模型中领先的智能体性能，成本仅为闭源替代方案的十分之一。该模型在 Fireworks 上运行，支持后训练定制，帮助企业构建专属智能。

作者使用 FireConnect 上的 GLM 5.2 Fast 模型，在 Claude Code 的辅助下，仅用四天时间和 218 美元的推理成本，完成了一项通常需要一个月才能完成的 GPU 调度器回收功能。文章详细介绍了问题背景、工作流程（设计、规划、实现）以及成功的关键因素：快速推理消除了上下文切换成本，低成本消除了对 token 使用的顾虑，模型质量保证了复杂逻辑的正确性。

GLM 5.2 Fast 在 Fireworks 平台上线，提供 Opus 级别的智能和开源价格，无需合同，按 token 付费。该模型专为智能体循环优化，支持 1M token 上下文窗口，快速推理速度达 446 tok/sec，并具有主动提示缓存和结构化输出支持。Fireworks 通过优化 MoE 和稀疏注意力架构实现了高性能，同时保持质量不变。

Factory 是一家构建智能体原生软件开发的公司，其 Droid 智能体覆盖整个软件开发生命周期。通过采用 Fireworks 的开源模型推理平台，Factory 在六个月内将开源模型使用量提升了 2-3 倍，同时将任务成本降至前沿模型的 6%-20%，吞吐量提升了 5-15 倍。这得益于 Fireworks 提供的模型全覆盖、零日可用、高可靠性和低延迟。

Cursor 发布了 Composer 2，这是一款为 Cursor 开发环境优化的编码模型。它基于 Kimi 2.5，结合持续预训练和大规模强化学习，实现了前沿的编码性能，同时推理成本降低 6-10 倍。Fireworks AI 提供分布式推理基础设施，使强化学习规模化成为可能。

本文介绍了一种开源工作者（如Kimi-K2.6或GLM-5.2）与闭源前沿顾问（Claude Opus 4.8）相结合的AI代理架构。该方案在SWE-bench Pro、Terminal-Bench 2.1和Legal Agent Bench三个基准测试中均实现了稳定性能提升，同时将推理成本降低19%至67%。GLM-5.2搭配顾问在Terminal-Bench上达到与Opus相当的水平（约80%），在Legal Agent Bench上甚至超越Opus，成本却低40%。

Fireworks AI 宣布自2026年7月1日起，所有自助服务账户将迁移至预付费计费模式。用户可立即切换或等待自动迁移，预付费模式通过预先购买信用额度实现费用可预测，自动充值功能可避免服务中断。签约客户不受影响。

智谱（Z.ai）发布的最新开源模型 GLM 5.2 现已通过 Fireworks 推理平台提供。该模型在编程基准测试中表现领先，拥有100万token的上下文窗口，适用于长周期代理任务，并采用MIT许可证。Fireworks 独立验证了模型性能，并强调其基础设施优势而非路由。

月之暗面（Moonshot AI）发布 Kimi K2.7 Code，这是 K2 系列的最新编程模型，现已通过 Fireworks AI 提供 Day-0 支持。相比 K2.6，该模型推理 token 减少约 30%，同时在编程评测中得分更高。推理 token 的减少显著降低了代理工作流的单任务成本。Fireworks 提供标准、优先和快速（即将推出）三种服务层级，满足不同可靠性和速度需求。

阿里巴巴与 Fireworks 合作，在 Fireworks 基础设施上独家托管 Qwen 3.7 Plus 模型。该模型专为智能体循环设计，支持思考与非思考模式，上下文窗口达 262K token，并在多项基准测试中表现优异。Fireworks 作为推理提供商，提供高性能、低延迟的推理服务，数据零保留，SLA 达 99.9%。定价较前代便宜约 50%。

MiniMax 发布旗舰模型 M3，具备超 50 万 token 上下文窗口、原生多模态能力（文本、图像、视频），并采用创新的 MiniMax 稀疏注意力（MSA）架构，大幅提升推理效率。在 Fireworks 平台上，M3 价格仅为 M2.7 的 1/20，旨在为开源社区提供前沿水平的编码和智能体能力。

NVIDIA 发布 Nemotron 3 Ultra 开源模型，专为长时自主代理任务优化，拥有 550B 总参数、混合 Transformer-Mamba MoE 架构，可在 Fireworks 平台零日部署。该模型在代理任务上推理速度提升 5 倍，成本降低 30%，支持从训练到生产的一体化流程。

Fireworks AI 和 Harvey 在 Legal Agent Benchmark (LAB) 上探索了两种系统级技术，以降低对单一前沿模型的依赖，同时以更低成本实现前沿级性能。混合引擎使用开源 GLM 5.1 工作器和 Claude Opus 4.7 顾问，在 100 个任务上以 368 美元成本实现 18/100 的全通过率，超过了仅使用 Opus 的 14/100（成本 954 美元）。对 Kimi K2.6 进行监督微调 (SFT) 和强化微调 (RFT) 后，全通过率以 84 美元成本达到 15/100，平均分从 0.863 提升至 0.886。

Trilogy 的 AI 卓越中心评估了 Fireworks AI 作为推理基础设施，以标准化开源权重模型的使用，降低了成本并实现了十亿级 token 的代理工作流。

在720次浏览器代理任务基准测试中发现，模型在结构化输出可靠性上的差异导致高达22.9%的执行税（浪费的推理调用占比）。Kimi K2.5实现零执行税，而Gemini 2.5 Flash在近五分之一的调用中出现JSON格式错误。这种执行开销不仅增加了成本，还放大了延迟和任务失败风险。

Fireworks AI推出Serverless 2.0，在无需预留容量的情况下，通过一个API提供标准、优先和快速三种推理服务路径。标准路径是默认的弹性共享基础设施，优先路径在高负载下提供更强的准入保障，快速路径则实现约两倍的生成令牌吞吐量。同时，该版本将负载丢弃和速率限制错误码分离，明确区分429和503状态码，帮助开发者编写正确的重试逻辑和警报配置。

作为 AWS 顶级合作伙伴，创新解决方案公司通过将推理层迁移至 Fireworks AI，实现了服务交付的变革。其 DarcyIQ 平台从内部效率工具发展为多智能体执行系统，合同周期从 30-45 天缩短至约 3 天，交付吞吐量翻倍，推理成本从线性增长转变为可预测的单位经济学。

Fireworks AI 宣布收购专为低延迟实时工作负载打造全球容器编排平台的公司 Hathora。此次收购旨在将 Hathora 在游戏领域积累的毫秒级延迟优化技术应用于 AI 推理，以提升全球推理速度和可靠性。

Fireworks AI 宣布在 Microsoft Foundry 上推出公开预览版，将其高性能开源模型推理服务集成到 Azure 平台。该合作使开发者能够通过统一的 Foundry 平台访问 DeepSeek V3.2、Kimi K2.5 等领先开源模型，并支持自带权重、按需扩展及企业级治理。