Official AI inference and model platform blog; confirm reuse terms before full body display.
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。
团队在微调模型时，真正的瓶颈并非训练算法，而是集成摩擦和迭代速度。本文通过多个案例（如Genspark、Cursor）展示了如何克服这些瓶颈，并展望了未来自动化的智能微调循环。
Fireworks AI推出训练预览平台，支持从Qwen3 8B到Kimi K2.5（1万亿参数）的全参数训练，提供训练代理、托管训练和训练API三种界面。RL训练在Vercel、Genspark、Cursor等案例中显著提升性能，SFT和DPO也展现优异效果。平台保证训练与推理的数值一致性，使团队能够拥有真正的模型所有权。
Fireworks推出了一种称为安全分词（safe_tokenization）的机制，通过在分词阶段防止用户输入中的控制符被误编码为模型的控制令牌，从而解决提示注入问题。该机制作为API请求的一个布尔参数，对用户输入无影响，仅防止控制符被解释，同时保持聊天模板结构完整。文章详细描述了问题成因、攻击演示、工作原理及其对模型输出的影响。
DeepSeek V4 Pro因部署中推理追踪损坏问题延迟发布，Fireworks与多方协作修复后重新上线。本文详述问题、调试过程及生产验证方法。
本篇文章深入分析了混合专家（MoE）模型在训练和推理过程中由于浮点数加法不满足结合律而导致数值不一致的问题。通过Kimi K2.5和Qwen3.5-MoE的实际案例，揭示了全归约拓扑差异、通信与计算融合、以及MoE多操作融合所带来的数值漂移，并提出了解决方案和度量方法。
DeepSeek-V4的训练系统展示了架构、路由、奖励建模、推理模式、蒸馏和代理执行如何融入训练循环。关键要点包括：混合注意力机制（CSA和HCA）、基于旧路由器的预取路由稳定方案、通过不同RL配置训练三种推理模式、用生成式奖励模型替代标量奖励、先训练领域专家再通过全词汇logit蒸馏合并、以及将运行时整合进训练循环的代理训练基础设施。这些趋势表明固定训练配方正在让位于可编程训练系统。
Fireworks 发布的博文介绍了如何通过训练 SDK 和优化技术（如低精度量化、优化器状态卸载、可组合并行策略、Blackwell 原生精度和流式流水线并行）来扩展和优化万亿参数 MoE 模型的训练，目前支持多种前沿模型并提供 LoRA 和全参数训练模式。