Fortytwo lanserar Engine API och rapporterar 24,7% färre token vid kodningsuppgifter

Fortytwo har lanserat Fortytwo Engine, ett inferens-API som använder samverkande AI-modeller för att förbättra resonemanget och samtidigt minska mängden text som behöver genereras för att slutföra en uppgift. Företaget uppger att den första modellen som stöds, Qwen 3.8 27B, använde 24,7 % färre token under 450 körningar av DeepSWE-uppgifter inom programvaruutveckling än samma modell som kördes ensam, samtidigt som den löste en större andel av uppgifterna.

Lanseringen riktar sig mot ett växande kostnadsproblem för AI-agenter: ett lågt pris per token innebär inte nödvändigtvis en låg kostnad per slutfört jobb. Långa kodnings- och forskningskörningar kan leda till upprepad kontext, onödiga verktygsanrop och nya försök. Fortytwos metod syftar till att minska sådant slöseri i själva inferensprocessen, samtidigt som priset per token hålls på basmodellens nivå, enligt företaget.

Styrning av resonemanget innan misstagen växer sig större

Fortytwo kallar tekniken bakom den nya Engine för Swarm Decoder. Flera modelldeltagare formar en gemensam resonemangsbana medan den genereras och bedömer vilken riktning som är starkast innan svaret är färdigt. Målet är att upptäcka svaga antaganden tidigt och därmed undvika det extra genererings- och återhämtningsarbete som följer av en felaktig väg.

Detta skiljer sig från Fortytwos tidigare arkitektur. I sin forskning om svärminferens från 2025 producerade separata noder självständiga svar, jämförde dem direkt och sammanförde de starkaste bidragen. Företaget beskriver en statistisk rangordningsmekanism som ger beprövade noder större vikt, där kollegial utvärdering bidrar till att bygga upp deras anseende. Den tidigare metoden utvärderade färdiga svar; den nya Engine flyttar in rangordningen mellan noder i själva resonemangsprocessen.

Skillnaden spelar roll för agenter som arbetar sig igenom många steg. Att välja det starkaste färdiga svaret kan förbättra resultatet, men återställer inte de token som redan gått åt till att generera svagare alternativ. Den kontinuerliga styrningen är avsedd att hindra en improduktiv resonemangsbana från att växa fram från början. Fortytwo uppger att deras tokenberäkning omfattar alla deltagande modeller, i stället för att bara räkna det slutliga svaret.

Den verkställande direktören och medgrundaren Ivan Nikitin beskrev nyttan som dubbel: ”Kollektivt resonemang lönar sig på två sätt: svaren blir bättre och uppgifterna kräver färre token.”

Vad Fortytwos tester visar

I företagets DeepSWE-utvärdering fick Engine 47,8 poäng, jämfört med 42,2 för basmodellen, en ökning med 5,6 procentenheter. Den genomsnittliga tokenanvändningen sjönk från 16,3 miljoner till 12,3 miljoner per körning. För samtliga 450 körningar rapporterar Fortytwo totalsummor på 7,4 miljarder token för basmodellen och 5,6 miljarder för Engine.

Lanseringsmaterialet redovisar också högre poäng på fem andra jämförelsetester inom naturvetenskap, kodning och allmänt resonemang:

Källa: Fortytwos lanseringsmeddelande. Poängen jämför Qwen 3.8 27B med och utan Engine enligt företagets utvärderingsprotokoll.

Det här är resultat som rapporterats av företaget. Minskningen av tokenanvändningen med 24,7 % gäller specifikt DeepSWE-körningarna och ska inte tolkas som en uppmätt besparing för samtliga jämförelsetester eller alla produktionsarbetsflöden. För utvecklare är det praktiska testet om en modell kan slutföra deras egna uppgifter korrekt med färre token totalt, färre nya försök och färre verktygsanrop.

Bekant API med tydliga kompatibilitetsbegränsningar

Tjänsten finns tillgänglig via Fortytwos utvecklarplattform. I dess API-dokumentation beskrivs kompatibilitet med OpenAI Chat Completions API, vilket gör det möjligt att använda en befintlig SDK eller klient med en Fortytwo API-nyckel och bas-URL samt ett modell-ID som stöds.

Dokumenterade funktioner omfattar strömning, funktionsverktyg, parallella verktygsanrop och strukturerad utdata. Utvecklare kan också välja en nivå för modellens resonemangsinsats. Dessa funktioner gör tjänsten relevant för agenter som behöver anropa programvaruverktyg och returnera maskinläsbara resultat, i stället för att bara generera text i samtalsform.

Kompatibiliteten har begränsningar. Dokumentationen anger att Chat Completions och modellförteckningen stöds som slutpunkter, medan API:er som Responses, Embeddings, Audio, Files och Assistants inte stöds. Vissa fält i förfrågningar stöds bara delvis eller är beroende av vilken modell som valts, och fält som inte stöds leder till ett fel i stället för att ignoreras utan meddelande. Team som flyttar en befintlig applikation bör därför kontrollera dess faktiska förfrågningar mot kompatibilitetsguiden.

En bredare satsning på kollektiv AI

Engine kompletterar Fortytwo Harbor, företagets erbjudande för organisationer som vill driftsätta svärminferens i sin egen infrastruktur. Fortytwo beskriver Harbor som en lösning där data stannar inom organisationens perimeter och kostnaden för hårdvaran är fast i stället för att API-användningen faktureras per token.

Företagets bredare forskningsprogram omfattar också generering av träningsdata via dess modellnätverk. På företagets webbplats lyfts Strand-Rust-Coder-14B fram, en öppen modell som tränats på en datamängd genererad av Fortytwo. Det arbetet handlar om modellträning, medan den nya Engine fokuserar på att förbättra hur befintliga modeller med öppna vikter resonerar vid inferens.

Fortytwo grundades 2024 och uppger att företaget har ett team på 15 ingenjörer, bland annat i Mountain View och Abu Dhabi, tog in 2,3 miljoner dollar i såddfinansiering 2025 och gick med i Abu Dhabis Hub71-ekosystem 2026. Fler öppna modeller planeras för Engine efter Qwen 3.8 27B.

Lanseringen sätter kostnaden per slutförd uppgift i fokus. Om kontinuerlig utvärdering mellan modeller på ett tillförlitligt sätt kan förhindra tillräckligt mycket onödigt resonemang för att väga upp sin egen omkostnad, kan utvecklare få ytterligare ett sätt att förbättra agentekonomin, vid sidan av bättre modeller och snabbare hårdvara.