Fireworks представляет более быстрый вывод для агентных систем и суверенное развертывание

Fireworks объявила о запуске целого ряда корпоративных продуктов на первой ежегодной конференции Forge, которая состоялась 3 ноября 2026 года. Главной новинкой стала предварительная версия сверхбыстрого вывода: по заявлению компании, его скорость достигла 1 500 токенов в секунду на DeepSeek V4.1 Flash. Также были представлены инструменты для маршрутизации моделей, оценки, специализированного обслуживания моделей и закрытая предварительная версия Fireworks Sovereign для инфраструктуры, принадлежащей заказчику.

Скорость и стоимость вывода в соответствии с задачами

Сверхбыстрый вывод доступен в предварительной публичной версии на графических процессорах NVIDIA Blackwell и предназначен для многоэтапных агентных систем, в которых каждый вызов модели увеличивает время ожидания результата. По данным Fireworks, с использованием сверхбыстрого вывода время выполнения теста для агентных систем из 30 ходов сократилось с одной минуты до восьми секунд. Эта возможность рассчитана на задачи, чувствительные ко времени; для задач, которые могут подождать, предусмотрены более дешёвые варианты.

Для задач, допускающих задержки, фоновый режим выполняет подходящие задачи — например, формирование данных для оценки и ночные исследования — за половину обычной цены. Многодневное кэширование промптов позволяет сократить расходы на повторно используемый контекст. Для более высокой нагрузки теперь в общем доступе предусмотрены повышенные лимиты запросов к бессерверным сервисам и эластичное увеличение мощности. При наличии свободных ресурсов эластичное увеличение мощности позволяет превысить обычный лимит использования заказчика без изменений в коде или тарифах.

Тест Fireworks от 14 сентября 2026 года для DeepSeek V4.1 Flash показывает, почему важен повторно используемый контекст. В ходе тестирования DeepSWE 99,6% входных токенов пришлись на попадания в кэш, а плата за попадания в кэш составила 60% счёта. Такое распределение расходов показывает, что повторно используемый контекст — существенный источник затрат для долго работающих агентных систем, поэтому сводить расходы только к генерируемому выводу неверно.

Та же тема сокращения затрат связана со специализацией моделей. Ember-1, представленная 23 сентября 2026 года в качестве предварительной исследовательской версии бессерверного сервиса, в оценках Fireworks использовала примерно на 40% меньше токенов, чем Kimi K3, при сопоставимом качестве. Она доступна в бессерверном варианте и в виде выделенных развертываний.

Nexus Desktop и тарифы по подписке

Fireworks Nexus маршрутизирует запросы между открытыми и закрытыми моделями в существующих инструментах для программирования и совместной работы, выбирая модели с учётом персональных предпочтений и состояния кэша. Кроме того, сервис централизует данные о расходах и инструменты управления ими для организаций. Nexus Desktop был запущен одновременно с уже существовавшим Nexus CLI; Nexus работает в приложении Codex, Claude Desktop и OpenCode.

Новые тарифы Nexus Pro стоят от 8 долларов в месяц, а тарифы Teams — от 10 долларов за пользователя в месяц. Корпоративные тарифы дополнительно включают единый вход, инструменты управления, общие бюджеты и средства контроля доступа.

В документации Nexus Desktop указана универсальная версия для macOS, совместимая с компьютерами Mac на базе Apple silicon и процессоров Intel; поддержка Linux и Windows появится в ближайшее время. CLI работает в macOS и Linux, а поддержка Windows ограничена использованием Git Bash. Настольная версия поддерживает подключение к ChatGPT, Claude Code, Cursor IDE, VS Code и OpenCode; поддержка Claude Desktop обозначена как ограниченная.

Оценка моделей и специализированное обслуживание

No Eval, который сейчас доступен в закрытой предварительной версии, использует трассировки из производственных систем и сигналы от продуктов для создания оценок по конкретным задачам. Эти оценки призваны выявлять слабые стороны моделей и показывать, устраняет ли их последующее обучение. Это помогает автоматизировать работу, на которую в противном случае могут уйти недели разметки и проверки данных.

Специализированный вывод моделей стал доступен в предварительной публичной версии: он позволяет обслуживать адаптеры LoRA в общем бессерверном пуле Fireworks. Первоначально поддерживается GLM 5.3 Flash. Заказчики платят за токены по бессерверному тарифу базовой модели, не создавая отдельного развертывания. Загрузка адаптера, поддержание его в памяти и простой не тарифицируются; обучение оплачивается отдельно.

Для GLM 5.3 Flash указаны следующие тарифы: 0,15 доллара за миллион входных токенов, 0,03 доллара за миллион входных токенов, попавших в кэш, и 0,50 доллара за миллион выходных токенов.

Предварительная версия поддерживает максимальный ранг LoRA 64 и позволяет загрузить до трёх адаптеров на одну учётную запись для базовой модели. По данным Fireworks, загрузка занимает менее пяти минут, первый запрос может выполняться до одной минуты, а последующие — примерно с той же задержкой, что и у базовой модели. На время предварительной версии гарантии задержки не предоставляются.

Адаптеры работают на графических процессорах, которые совместно используют адаптеры других заказчиков. Для задач, требующих стабильной задержки, изолированных графических процессоров, определённого региона или обслуживания с более высокой точностью, рекомендуется использовать выделенные развертывания; бессерверный вариант рассчитан на эксперименты и резкие скачки трафика.

Корпоративные средства контроля и суверенное развертывание

Управление моделями, контроль расходов и экспортируемые журналы аудита теперь доступны всем пользователям. Централизованное управление учётными записями, региональный контроль данных и шифрование под управлением заказчика пока остаются в предварительной версии.

Fireworks Sovereign, доступный в закрытой предварительной версии, запускает механизм вывода компании в облаке заказчика, неооблаке или центре обработки данных. Вывод и обучение моделей остаются внутри среды заказчика и регулируются его политиками безопасности и управления изменениями. По данным Fireworks, компания управляет более чем 25 000 графических процессоров в средах заказчиков.

Операционная модель распределяет ответственность между двумя сторонами. Fireworks проверяет кластер, развёртывает модели и отвечает за обновления, мониторинг, оптимизацию производительности и реагирование на инциденты, а заказчик сохраняет контроль над архитектурой и политиками. Заказчики управляют входящим трафиком, балансировкой нагрузки, DNS, TLS-сертификатами и разрешёнными маршрутами исходящего трафика. Плоскость управления Fireworks использует отдельные учётные данные, поддающиеся аудиту; исходящий трафик ограничен загрузкой весов моделей и образов, а также операционной телеметрией.

По данным Fireworks, Sovereign обеспечивает на 20–50% большую пропускную способность на идентичном оборудовании и примерно в 2,3 раза больше токенов на доллар стоимости оборудования. При необходимости гибридный механизм переноса избыточной нагрузки перемещает подходящие для этого рабочие нагрузки в Fireworks Cloud в регионах, одобренных заказчиком, когда кластер достигает предела своих возможностей, а затем возвращает их на графические процессоры заказчика по мере снижения спроса, используя тот же API.

Линейка Forge объединяет выбор модели, экономику инференса и контроль над инфраструктурой в рамках одного решения для предприятия. Важно учитывать, что у каждого варианта свои условия эксплуатации: бессерверные адаптеры не требуют выделенных ресурсов, но работают на общих графических процессорах и не дают гарантий по задержке на этапе предварительного доступа, тогда как Sovereign сочетает принадлежащую заказчику инфраструктуру со стеком обслуживания моделей под управлением Fireworks.