Fireworks AI Torna a API de Treinamento Geralmente Disponível

A Fireworks AI, em 31 de agosto de 2026, anunciou a disponibilidade geral de sua API de Treinamento e do Fireworks Lab, abrindo sua infraestrutura gerenciada de treinamento e implantação para equipes de ML que desejam executar loops de treinamento personalizados em modelos abertos. A API de Treinamento conecta o loop de treinamento Python próprio do cliente ao compute distribuído gerenciado pela Fireworks, abrangendo tanto o treinador que calcula gradientes e atualiza o modelo quanto a implantação de rollout que gera amostras a partir dele.

De acordo com o arranjo descrito no anúncio, o cliente orquestra o loop a partir de onde desejar, mantendo controle sobre a função de perda ou recompensa, os dados e o ambiente. A Fireworks gerencia a interação entre o treinador e o rollout, incluindo sincronização de pesos, recuperação de falhas de troca e alinhamento entre treinamento e rollout. A empresa posiciona a API como resposta às restrições que, segundo ela, equipes de ML relataram em fluxos de trabalho de treinamento existentes: escolha limitada de modelo e método, controle restrito sobre parâmetros e loops de treinamento, compute rígido e infraestrutura fragmentada de treinamento e rollout.

Computação Serverless e Dedicada

A API de Treinamento oferece duas opções de compute. O treinamento serverless permite que clientes treinem adaptadores LoRA em infraestrutura compartilhada com cobrança por token, com a amostragem ocorrendo na mesma sessão; a Fireworks descreve isso como adequado para iterar experimentos, reduzir riscos de execuções maiores ou executar loops de aprendizado por reforço que alternam entre rollout e treinamento. O treinamento dedicado visa treinamento de parâmetros completos, modelos além do pool serverless, comprimentos de contexto maiores ou ranks LoRA, e taxa de transferência sustentada, cobrados por hora de GPU em capacidade elástica dimensionada para cada execução.

O nível serverless conecta-se a um pool compartilhado sempre ativo com uma lista selecionada de modelos populares, capacidade compartilhada e limites de taxa por conta. O nível dedicado provisiona um treinador e uma implantação por execução, suporta modos LoRA e de parâmetros completos até os maiores modelos de mistura de especialistas, e não possui contenção nem limites de taxa. Pontos de verificação promissores podem ser implantados para inferência em produção via UI ou API, e a implantação multi-LoRA oferece a cada cliente ou caso de uso seu próprio modelo ajustado sem infraestrutura separada, afirmou a empresa.

Três Superfícies de Treinamento

A API de Treinamento está ao lado de duas outras superfícies na plataforma de treinamento Fireworks. O Treinamento Gerenciado, voltado para engenheiros de ML, executa jobs incorporados nos quais o cliente escolhe um método — SFT, DPO ou RL — e um modelo base, iniciando pela UI ou API. O Fireworks Lab, também disponível geralmente a partir do anúncio, incorpora pesquisadores e engenheiros implantados à frente nas equipes dos clientes; os engajamentos começam com um diagnóstico que define a capacidade, linha de base, critérios de sucesso e escopo, avançam para uma implementação com prazo definido, e o cliente mantém o modelo pronto para produção, o harness de avaliação, pipelines de dados, loop de treinamento e receitas.

A própria API de Treinamento é voltada para pesquisadores de ML e suporta SFT, DPO, ORPO, RL e destilação, desde LoRA em compute serverless até treinamento de parâmetros completos em clusters dedicados.

Aprendizado por Reforço em Escala

A Fireworks afirma estar entre as poucas organizações fora dos laboratórios de ponta que operaram aprendizado por reforço em mais de 10.000 GPUs, e enquadra o treinamento de RL em torno de três requisitos: correção, eficiência de desempenho e velocidade de desenvolvimento.

Quanto à correção, a empresa disse que o motor de rollout e o treinador devem compartilhar a mesma definição numérica, pois pequenas derivações numéricas podem corromper o sinal de aprendizado por meio de recorte de tokens ou colapso de recompensa, mesmo que tudo pareça estar funcionando. A Fireworks alinha formatos numéricos de ponta a ponta, incluindo BF16, FP8 por blocos e NVFP4, alinha kernels e comportamento de redução em ambos os caminhos, e usa Router Replay para preservar decisões de roteamento de mistura de especialistas entre rollout e passagem backward, juntamente com kernels invariantes a lote e reduções determinísticas. A empresa afirmou que valida o alinhamento executando sequências idênticas através do motor de rollout e do treinador e medindo a divergência KL entre treinamento e inferência, com validação contínua para todos os modelos lançados no treinamento Fireworks.

Em termos de desempenho, a Fireworks disse que executa RL assíncrono, sobrepondo a coleta de rollout ao treinamento, de modo que as GPUs de rollout começam a gerar o próximo lote enquanto o treinador atualiza o lote anterior, com obsolescência de peso limitada onde o algoritmo permite. Após cada passo de treinamento, os pesos atualizados são carregados em quente na implantação de rollout em execução, em vez de desmontá‑la e recarregar um modelo completo. Para pontos de verificação de parâmetros completos, a empresa afirmou que calcula uma diferença XOR entre os pesos atuais e os anteriores e aplica compressão zstd, produzindo até uma redução de 10 vezes na largura de banda de transmissão.

Quanto à velocidade de desenvolvimento, a empresa descreveu um loop contínuo de treinar, implantar, avaliar e retreinar em uma única plataforma, com pontos de verificação passando diretamente para o serviço e rastros de produção, avaliações e feedback alimentando a próxima execução. Ela disse que as equipes relatam de duas a quatro vezes mais iterações com o mesmo orçamento de treinamento.

Resultados de Clientes Citados

O anúncio citou vários clientes. A Harvey pós-treinou o Kimi K3 para trabalhos jurídicos de longo horizonte usando RL assíncrono; seu modelo Harvey Tenet obteve 19,7% de aprovação total no LAB contra 11,5% para o Claude Fable 5, a aproximadamente um terço do custo por tarefa, segundo a Fireworks. A Vercel utilizou ajuste fino por reforço e decodificação especulativa para o auto-corretor da v0, alcançando uma taxa de geração sem erros de 93% e uma melhoria de latência de 40 vezes de ponta a ponta, de acordo com a empresa. A Heidi Health migrou seu clínico‑escritor para modelos abertos ajustados, passando de prova de conceito para produção em quatro semanas com latência 3,5 vezes menor. A Factory ajustou finamente dois pequenos adaptadores LoRA sobre uma base aberta Qwen para detectar segredos expostos; com um orçamento de falsos alarmes de 5%, o modelo treinado capturou cerca de 70% dos segredos reais versus aproximadamente 59% para o GPT‑5.5, relatou a Fireworks.

A API de Treinamento está disponível agora através da inscrição auto‑serviço da Fireworks, com acesso serverless que não requer provisionamento, e a empresa está direcionando equipes que desejam suporte prático para consultas do Fireworks Lab.