Fireworks AI καθιστά το Training API γενικά διαθέσιμο

Η Fireworks AI στις 31 Αυγούστου 2026 ανακοίνωσε τη γενική διαθεσιμότητα του Training API και του Fireworks Lab, ανοίγοντας την διαχειριζόμενη υποδομή εκπαίδευσης και ανάπτυξης σε ομάδες Μηχανικής Μάθησης που θέλουν να εκτελούν προσαρμοσμένους βρόχους εκπαίδευσης σε ανοιχτά μοντέλα. Το Training API συνδέει τον δικό του βρόχο εκπαίδευσης Python του πελάτη με την κατανεμημένη υπολογιστική υποδομή που διαχειρίζεται η Fireworks, καλύπτοντας τόσο τον εκπαιδευτή που υπολογίζει τις κλίσεις και ενημερώνει το μοντέλο όσο και την ανάπτυξη rollout που παράγει δείγματα από αυτό.

Στο πλαίσιο της συμφωνίας που περιγράφεται στην ανακοίνωση, ο πελάτης οργανώνει τον βρόχο από όποιο σημείο επιλέξει, διατηρώντας τον έλεγχο της συνάρτησης απώλειας ή ανταμοιβής, των δεδομένων και του περιβάλλοντος. Η Fireworks διαχειρίζεται την αλληλεπίδραση μεταξύ εκπαιδευτή και rollout, συμπεριλαμβανομένου του συγχρονισμού βαρών, της ανάκτησης αποτυχίας ανταλλαγής και της ευθυγράμμισης εκπαίδευσης‑rollout. Η εταιρεία τοποθετεί το API ως απάντηση στους περιορισμούς που, σύμφωνα με αυτήν, έχουν αναφέρει οι ομάδες ΜΜ, στα υπάρχοντα ροές εργασίας εκπαίδευσης: περιορισμένη επιλογή μοντέλων και μεθόδων, περιορισμένος έλεγχος παραμέτρων και βρόχων εκπαίδευσης, άκαμπτος υπολογισμός και κατακερματισμένη υποδομή εκπαίδευσης και rollout.

Ασυμπτωματική και Αποκλειστική Υπολογιστική

Το Training API προσφέρει δύο επιλογές υπολογιστικής. Η ασυμπτωματική εκπαίδευση επιτρέπει στους πελάτες να εκπαιδεύουν προσαρμογείς LoRA σε κοινή υποδομή με χρέωση ανά token, με τη δειγματοληψία να εκτελείται στην ίδια συνεδρία· η Fireworks την περιγράφει ως κατάλληλη για επανάληψη πειραμάτων, μείωση κινδύνου μεγάλων εκτελέσεων ή εκτέλεση βρόχων ενισχυτικής μάθησης που εναλλάσσονται μεταξύ rollout και εκπαίδευσης. Η αποκλειστική εκπαίδευση στοχεύει σε εκπαίδευση πλήρους παραμέτρου, μοντέλα πέρα από την ασυμπτωματική ομάδα, μεγαλύτερα μήκη συμφραζομένων ή βαθμίδες LoRA, και σταθερή απόδοση, με χρέωση ανά ώρα GPU σε ελαστική χωρητικότητα προσαρμοσμένη σε κάθε εκτέλεση.

Το επίπεδο ασυμπτωματικής λειτουργίας συνδέεται με μια πάντα ενεργή κοινή ομάδα με μια επιλεγμένη λίστα δημοφιλών μοντέλων, κοινή χωρητικότητα και περιορισμούς ταχύτητας ανά λογαριασμό. Το αποκλειστικό επίπεδο παρέχει έναν εκπαιδευτή και μια ανάπτυξη ανά εκτέλεση, υποστηρίζει λειτουργίες LoRA και πλήρους παραμέτρου έως τα μεγαλύτερα μοντέλα μίξης ειδικών (mixture‑of‑experts), και δεν έχει ανταγωνισμό ή περιορισμούς ταχύτητας. Υποσχόμενα σημεία ελέγχου μπορούν να αναπτυχθούν σε παραγωγική πρόβλεψη μέσω του UI ή του API, και η πολλαπλή ανάπτυξη LoRA παρέχει σε κάθε πελάτη ή περίπτωση χρήσης το δικό του προσαρμοσμένο μοντέλο χωρίς ξεχωριστή υποδομή, όπως δήλωσε η εταιρεία.

Τρία Επίπεδα Εκπαίδευσης

Το Training API βρίσκεται παράλληλα με δύο άλλα επίπεδα στην πλατφόρμα εκπαίδευσης Fireworks. Η Διαχειριζόμενη Εκπαίδευση, προορισμένη για μηχανικούς ΜΜ, εκτελεί ενσωματωμένες εργασίες στις οποίες ο πελάτης επιλέγει μια μέθοδο — SFT, DPO ή RL — και ένα βασικό μοντέλο, ξεκινώντας από το UI ή το API. Το Fireworks Lab, επίσης γενικά διαθέσιμο από την ανακοίνωση, ενσωματώνει ερευνητές και μηχανικούς που έχουν προωθηθεί μπροστά με τις ομάδες πελατών· οι συνεργασίες ανοίγουν με διάγνωση που ορίζει τη δυνατότητα, τη βάση, τα κριτήρια επιτυχίας και το πεδίο, μετά μεταβαίνουν σε υλοποίηση με χρονικό περιορισμό, και ο πελάτης διατηρεί το μοντέλο έτοιμο για παραγωγή, το περιβάλλον αξιολόγησης, τις αγωγές δεδομένων, τον βρόχο εκπαίδευσης και τις συνταγές.

Το ίδιο το Training API απευθύνεται σε ερευνητές ΜΜ και υποστηρίζει SFT, DPO, ORPO, RL και αποσταθμίσεις, από LoRA σε ασυμπτωματική υπολογιστική έως εκπαίδευση πλήρους παραμέτρου σε αποκλειστικά σύνολα.

Ενισχυτική Μάθηση σε Κλίμακα

Η Fireworks δηλώνει ότι είναι μία από τις λίγες οργανώσεις εκτός των εργαστηρίων αιχμής που έχουν εφαρμόσει ενισχυτική μάθηση σε περισσότερα από 10.000 GPU, και περιγράφει την εκπαίδευση RL γύρω από τρεις απαιτήσεις: ορθότητα, αποδοτικότητα απόδοσης και ταχύτητα ανάπτυξης.

Σχετικά με την ορθότητα, η εταιρεία ανέφερε ότι η μηχανή rollout και ο εκπαιδευτής πρέπει να μοιράζονται τον ίδιο αριθμητικό ορισμό, καθώς μικρή αριθμητική απόκλιση μπορεί να διαφθεί το σήμα μάθησης μέσω αποκοπής token ή κατάρρευσης ανταμοιβής ενώ όλα φαίνονται λειτουργικά. Η Fireworks εναρμονίζει τα αριθμητικά φορμά από άκρο σε άκρο, συμπεριλαμβανομένων των BF16, FP8 ανά μπλοκ και NVFP4, εναρμονίζει τους πυρήνες και τη συμπεριφορά μείωσης και στις δύο διαδρομές, και χρησιμοποιεί το Router Replay για να διατηρήσει τις αποφάσεις δρομολόγησης mixture‑of‑experts μεταξύ rollout και αντίστροφης διέλευσης, μαζί με πυρήνες ανεξάρτητους από παρτίδες και ντετερμινιστικές μειώσεις. Η εταιρεία δήλωσε ότι επικυρώνει την εναρμόνιση εκτελώντας ταυτόσες ακολουθίες μέσω της μηχανής rollout και του εκπαιδευτή και μετρώντας τη διαφορά KL μεταξύ εκπαίδευσης‑πρόβλεψης, με συνεχόμενη επικύρωση για όλα τα μοντέλα που κυκλοφορούν στην εκπαίδευση Fireworks.

Σχετικά με την απόδοση, η Fireworks ανέφερε ότι εκτελεί ασύγχρονη RL, επικαλύπτοντας τη συλλογή rollout με την εκπαίδευση ώστε οι GPU rollout να αρχίζουν να παράγουν την επόμενη παρτίδα ενώ ο εκπαιδευτής ενημερώνεται για την προηγούμενη, με περιορισμένη παλαιότητα βαρών όπου το αλγόριθμο επιτρέπει. Μετά από κάθε βήμα εκπαίδευσης, τα ενημερωμένα βάρη φορτώνονται ζεστά στην τρέχουσα ανάπτυξη rollout αντί να την τερματίζουν και να φορτώνουν ολόκληρο το μοντέλο. Για σημεία ελέγχου πλήρους παραμέτρου, η εταιρεία δήλωσε ότι υπολογίζει μια διαφορά XOR μεταξύ τρεχόντων και προηγούμενων βαρών και εφαρμόζει συμπίεση zstd, παράγοντας μείωση έως 10× του εύρους ζώνης μετάδοσης.

Σχετικά με την ταχύτητα ανάπτυξης, η εταιρεία περιέγραψε έναν συνεχόμενο βρόχο εκπαίδευσης, ανάπτυξης, αξιολόγησης και επανεκπαίδευσης σε μία πλατφόρμα, με τα σημεία ελέγχου να μεταβαίνουν άμεσα στην εξυπηρέτηση και τα παραγωγικά ίχνη, τις αξιολογήσεις και τα σχόλια που τροφοδοτούν την επόμενη εκτέλεση. Δήλωσε ότι οι ομάδες αναφέρουν δύο έως τέσσερις φορές περισσότερες επαναλήψεις με τον ίδιο προϋπολογισμό εκπαίδευσης.

Αποτελέσματα Πελατών που Αναφέρονται

Η ανακοίνωση ανέφερε αρκετούς πελάτες. Η Harvey εκπαίδευσε μεταγενέστερα το Kimi K3 για μακροπρόθεσμη νομική εργασία χρησιμοποιώντας ασύγχρονη RL· το μοντέλο Harvey Tenet πέτυχε 19,7 % επιτυχία σε όλα τα τεστ στο LAB έναντι 11,5 % για το Claude Fable 5, με περίπου το ένα τρίτο του κόστους ανά εργασία, όπως ανέφερε η Fireworks. Η Vercel χρησιμοποίησε ενισχυτική λεπτομερή ρύθμιση και υποθετική αποκωδικοποίηση για το auto‑fixer της έκδοσης v0, φθάνοντας σε ποσοστό δημιουργίας 93 % χωρίς σφάλματα και βελτίωση καθυστέρησης 40× από άκρο σε άκρο, σύμφωνα με την εταιρεία. Η Heidi Health μετέφερε τον κλινικό της γραπτογράφο σε λεπτομερώς ρυθμισμένα ανοιχτά μοντέλα, περνώντας από απόδειξη έννοιας σε παραγωγή σε τέσσερις εβδομάδες με καθυστέρηση 3,5 × χαμηλότερη. Η Factory λεπτομερώς ρύθμισε δύο μικρούς προσαρμογείς LoRA σε μια ανοιχτή βάση Qwen για φιλτράρισμα εκτεθειμένων μυστικών· με προϋπολογισμό ψευδούς συναγερμού 5 %, το εκπαιδευμένο μοντέλο εντόπισε περίπου 70 % των πραγματικών μυστικών έναντι περίπου 59 % για το GPT‑5.5, όπως ανέφερε η Fireworks.

Το Training API είναι διαθέσιμο τώρα μέσω της αυτοεξυπηρέτησης εγγραφής της Fireworks, με την ασυμπτωματική πρόσβαση να μην απαιτεί προετοιμασία, και η εταιρεία κατευθύνει τις ομάδες που επιθυμούν πρακτική υποστήριξη σε συμβουλευτικές συνεδρίες του Fireworks Lab.