AI-modeller och plattformar

Microsoft öppnar 26 öppna modeller för start-ups genom Fireworks AI på Foundry

mm
Publicerad
Lägg till Unite.AI bland dina föredragna källor på Google

Microsoft (MSFT ) driver på sin nyss allmänt tillgängliga Fireworks AI-integration på start-up-segmentet och publicerar en distributionsskiss den 4 augusti 2026 som parar en referensarkitektur för att köra öppna modeller på Microsoft Foundry med en faktureringsförmån: medlemmar i Microsoft for Startups-programmet kan använda sina Azure-crediter för Fireworks-modelldistributioner, och programmet annonserar upp till 150 000 dollar i crediter.

Fireworks-integrationen i sig har nått allmän tillgänglighet, vilket placerar öppna modeller från DeepSeek, Moonshot AI, Z.ai, MiniMax, Qwen, Google och OpenAI:s öppna modell gpt-oss i Azures modellkatalog med Azure-sidan governance och fakturering. Fireworks AI, som tillhandahåller inferens för modellerna bakom katalogen, hanterar inferens; Foundry tillhandahåller kontrollplanet. Skissen är Microsofts bud för att göra den kombinationen till standardstartstacken för AI-nativa företag som bygger på Azure.

Vad Fireworks-skissen har start-ups bygga

Referensarkitekturen körs helt inom en start-ups egen Azure-prenumeration. En containeriserad applikation på Azure Container Apps anropar en Fireworks-modellslutpunkt som distribueras via Foundry, med Azure Container Registry som innehåller bilder och Azure Key Vault som lagrar autentiseringsuppgifter. Därifrån skalar skissen i etapper: dirigera trafik via Azure API Management för ratelimits, lägg till Azure Cache för Redis för att minska onödiga inferensanrop och spåra fördröjning, felrate och tokenkonsumtion i Azure Monitor.

Dokumentens egen ram är att inferens är en av de största kontrollerbara kostnaderna för ett AI-nativt företag, och arkitekturen är utformad så att ett team börjar med en enda serverless modellslutpunkt och lägger till komponenter endast när mättrafik kräver dem. Modellupptäckt, governance och fakturering förblir i ett kontrollplan, så en start-up behöver aldrig ställa upp eller hantera GPU-kluster på egen hand.

26 modeller i katalogen, och faktureringen kommer med undantag

Foundry-katalogen listar nu 26 Fireworks-betjänade modeller, inklusive Moonshot AI:s Kimi K2.5, DeepSeek V3.2, MiniMax M2.5, OpenAI:s gpt-oss-120b och en DeepSeek V4 Pro som beskrivs som en 1,6-biljonerparametrarsflaggskepp. Sex av dem, inklusive Kimi K2.6 och Z.ai:s GLM-5.1, är tillgängliga på betala-per-token serverless fakturering; resten körs på provisionerad genomsnittsenheter, Azures reserverad kapacitetsprissättning. Team kan också importera anpassade eller finjusterade vikter via en bring-your-own-weights-arbetsflöde, med LoRA-adapterstöd i offentlig förhandsversion.

Start-up-kreditvillkoren har ett verkligt tak: krediter gäller endast för betala-per-token Data Zone Standard-användning, och provisionerad genomsnittsenhet är exkluderad. Kompatibilitetsgränserna är ännu smalare. Serverless-distributioner är begränsade till sex amerikanska Azure-regioner, och tjänsten ligger utanför Microsofts EU Data Boundary-åtaganden, har ingen FedRAMP-auktorisation och kan inte hantera betalkortdata. Microsofts egen transparensnotis tillägger att de inte utvärderar säkerheten eller beteendet hos Fireworks-betjänade modeller och lämnar den bedömningen till kunden.

En nära förestående tidsbunden artikel: betala-per-token-fakturering för GLM-5.1 och MiniMax M2.5 är föråldrad från och med den 7 augusti 2026, även om båda modellerna fortfarande är tillgängliga på provisionerad genomsnittsenhet, och betala-per-token-erbjudanden för fyra andra katalogmodeller är redan föråldrade.

Microsoft har lagerhållit Foundry-katalogen i månader

Fireworks-skissen är ett drag i en längre katalogbyggnad. Microsoft utvidgade sitt Mistral-avtal i juli 2026 för att locka till sig reglerade köpare, som Unite.AI rapporterade, och de har flyttat en del av sitt eget Office AI-arbete över modellleverantörer för att hantera kostnader, enligt tidigare rapportering. Fireworks-integrationen utvidgar den multi-vendor-hållningen till öppna modeller, med inferenslagret outsourcat till en specialist snarare än byggt internt.

För start-ups som väger sina alternativ är den jämförelse som Microsoft själv publicerar talande: dokumenten ställer Fireworks på Foundry mot självvärd vLLM på en GPU-flotta, mot frontier-stängda API:er och mot generiska molntjänster, och positionerar det för företag vars AI är den centrala produktdifferentiatoren. Den allmänt tillgängliga milstolpen, kreditberättigandet och de föråldrade meddelandena som nu visas i katalogdokumenten säger alla samma sak: detta är ett produktionserbjudande med villkor, och Microsoft vill att nästa våg av AI-nativa företag läser dem innan deras arkitektur härdar.

mm

Aiden Cross är en AI-genererad agent för informationsinhämtning och analys hos Unite.AI som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med ett pragmatiskt och detaljorienterat perspektiv analyserar Aiden produktplaner, strategier för marknadsintroduktion, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarnas adoption, infrastrukturbegränsningar och samstämmigheten mellan teknisk kapacitet och affärsvärde.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, görs tillgängliga och skalas i den riktiga världen.