Official AI inference and model platform blog; confirm reuse terms before full body display.
Cursor 發佈了 Composer 2，這是一款為 Cursor 開發環境優化的編碼模型。它基於 Kimi 2.5，結合持續預訓練和大規模強化學習，實現了前沿的編碼性能，同時推理成本降低 6-10 倍。Fireworks AI 提供分佈式推理基礎設施，使強化學習規模化成為可能。
本文介紹了一種開源工作者（如Kimi-K2.6或GLM-5.2）與閉源前沿顧問（Claude Opus 4.8）相結合的AI代理架構。該方案在SWE-bench Pro、Terminal-Bench 2.1和Legal Agent Bench三個基準測試中均實現了穩定性能提升，同時將推理成本降低19%至67%。GLM-5.2搭配顧問在Terminal-Bench上達到與Opus相當的水平（約80%），在Legal Agent Bench上甚至超越Opus，成本卻低40%。
Fireworks AI 宣佈自2026年7月1日起，所有自助服務賬户將遷移至預付費計費模式。用户可立即切換或等待自動遷移，預付費模式通過預先購買信用額度實現費用可預測，自動充值功能可避免服務中斷。簽約客户不受影響。
智譜（Z.ai）發佈的最新開源模型 GLM 5.2 現已通過 Fireworks 推理平台提供。該模型在編程基準測試中表現領先，擁有100萬token的上下文窗口，適用於長週期代理任務，並採用MIT許可證。Fireworks 獨立驗證了模型性能，並強調其基礎設施優勢而非路由。
月之暗面（Moonshot AI）發佈 Kimi K2.7 Code，這是 K2 系列的最新編程模型，現已通過 Fireworks AI 提供 Day-0 支持。相比 K2.6，該模型推理 token 減少約 30%，同時在編程評測中得分更高。推理 token 的減少顯著降低了代理工作流的單任務成本。Fireworks 提供標準、優先和快速（即將推出）三種服務層級，滿足不同可靠性和速度需求。
阿里巴巴與 Fireworks 合作，在 Fireworks 基礎設施上獨家託管 Qwen 3.7 Plus 模型。該模型專為智能體循環設計，支持思考與非思考模式，上下文窗口達 262K token，並在多項基準測試中表現優異。Fireworks 作為推理提供商，提供高性能、低延遲的推理服務，數據零保留，SLA 達 99.9%。定價較前代便宜約 50%。
MiniMax 發佈旗艦模型 M3，具備超 50 萬 token 上下文窗口、原生多模態能力（文本、圖像、視頻），並採用創新的 MiniMax 稀疏注意力（MSA）架構，大幅提升推理效率。在 Fireworks 平台上，M3 價格僅為 M2.7 的 1/20，旨在為開源社區提供前沿水平的編碼和智能體能力。
NVIDIA 發佈 Nemotron 3 Ultra 開源模型，專為長時自主代理任務優化，擁有 550B 總參數、混合 Transformer-Mamba MoE 架構，可在 Fireworks 平台零日部署。該模型在代理任務上推理速度提升 5 倍，成本降低 30%，支持從訓練到生產的一體化流程。
Fireworks AI 和 Harvey 在 Legal Agent Benchmark (LAB) 上探索了兩種系統級技術，以降低對單一前沿模型的依賴，同時以更低成本實現前沿級性能。混合引擎使用開源 GLM 5.1 工作器和 Claude Opus 4.7 顧問，在 100 個任務上以 368 美元成本實現 18/100 的全通過率，超過了僅使用 Opus 的 14/100（成本 954 美元）。對 Kimi K2.6 進行監督微調 (SFT) 和強化微調 (RFT) 後，全通過率以 84 美元成本達到 15/100，平均分從 0.863 提升至 0.886。
Trilogy 的 AI 卓越中心評估了 Fireworks AI 作為推理基礎設施，以標準化開源權重模型的使用，降低了成本並實現了十億級 token 的代理工作流。
在720次瀏覽器代理任務基準測試中發現，模型在結構化輸出可靠性上的差異導致高達22.9%的執行税（浪費的推理調用佔比）。Kimi K2.5實現零執行税，而Gemini 2.5 Flash在近五分之一的調用中出現JSON格式錯誤。這種執行開銷不僅增加了成本，還放大了延遲和任務失敗風險。
Fireworks AI推出Serverless 2.0，在無需預留容量的情況下，通過一個API提供標準、優先和快速三種推理服務路徑。標準路徑是默認的彈性共享基礎設施，優先路徑在高負載下提供更強的准入保障，快速路徑則實現約兩倍的生成令牌吞吐量。同時，該版本將負載丟棄和速率限制錯誤碼分離，明確區分429和503狀態碼，幫助開發者編寫正確的重試邏輯和警報配置。
作為 AWS 頂級合作伙伴，創新解決方案公司通過將推理層遷移至 Fireworks AI，實現了服務交付的變革。其 DarcyIQ 平台從內部效率工具發展為多智能體執行系統，合同週期從 30-45 天縮短至約 3 天，交付吞吐量翻倍，推理成本從線性增長轉變為可預測的單位經濟學。
Fireworks AI 宣佈收購專為低延遲實時工作負載打造全球容器編排平台的公司 Hathora。此次收購旨在將 Hathora 在遊戲領域積累的毫秒級延遲優化技術應用於 AI 推理，以提升全球推理速度和可靠性。
Fireworks AI 宣佈在 Microsoft Foundry 上推出公開預覽版，將其高性能開源模型推理服務集成到 Azure 平台。該合作使開發者能夠通過統一的 Foundry 平台訪問 DeepSeek V3.2、Kimi K2.5 等領先開源模型，並支持自帶權重、按需擴展及企業級治理。
團隊在微調模型時，真正的瓶頸並非訓練算法，而是集成摩擦和迭代速度。本文通過多個案例（如Genspark、Cursor）展示瞭如何克服這些瓶頸，並展望了未來自動化的智能微調循環。
Fireworks AI推出訓練預覽平台，支持從Qwen3 8B到Kimi K2.5（1萬億參數）的全參數訓練，提供訓練代理、託管訓練和訓練API三種界面。RL訓練在Vercel、Genspark、Cursor等案例中顯著提升性能，SFT和DPO也展現優異效果。平台保證訓練與推理的數值一致性，使團隊能夠擁有真正的模型所有權。
Fireworks推出了一種稱為安全分詞（safe_tokenization）的機制，通過在分詞階段防止用户輸入中的控制符被誤編碼為模型的控制令牌，從而解決提示注入問題。該機制作為API請求的一個布爾參數，對用户輸入無影響，僅防止控制符被解釋，同時保持聊天模板結構完整。文章詳細描述了問題成因、攻擊演示、工作原理及其對模型輸出的影響。
DeepSeek V4 Pro因部署中推理追蹤損壞問題延遲發佈，Fireworks與多方協作修復後重新上線。本文詳述問題、調試過程及生產驗證方法。
本篇文章深入分析了混合專家（MoE）模型在訓練和推理過程中由於浮點數加法不滿足結合律而導致數值不一致的問題。通過Kimi K2.5和Qwen3.5-MoE的實際案例，揭示了全歸約拓撲差異、通信與計算融合、以及MoE多操作融合所帶來的數值漂移，並提出瞭解決方案和度量方法。
DeepSeek-V4的訓練系統展示了架構、路由、獎勵建模、推理模式、蒸餾和代理執行如何融入訓練循環。關鍵要點包括：混合注意力機制（CSA和HCA）、基於舊路由器的預取路由穩定方案、通過不同RL配置訓練三種推理模式、用生成式獎勵模型替代標量獎勵、先訓練領域專家再通過全詞彙logit蒸餾合併、以及將運行時整合進訓練循環的代理訓練基礎設施。這些趨勢表明固定訓練配方正在讓位於可編程訓練系統。
Fireworks 發佈的博文介紹瞭如何通過訓練 SDK 和優化技術（如低精度量化、優化器狀態卸載、可組合並行策略、Blackwell 原生精度和流式流水線並行）來擴展和優化萬億參數 MoE 模型的訓練，目前支持多種前沿模型並提供 LoRA 和全參數訓練模式。