Fireworks ประกาศเร่งการอนุมานของเอเจนต์ให้เร็วขึ้น พร้อมรองรับการติดตั้งใช้งานแบบอธิปไตย

Fireworks ประกาศเปิดตัวผลิตภัณฑ์ AI สำหรับองค์กรหลายรายการเมื่อวันที่ 3 พฤศจิกายน 2026 ในงานประชุม Forge ประจำปีครั้งแรก โดยมีไฮไลต์คือการเปิดให้ทดลองใช้ Ultra-fast สำหรับการอนุมาน ซึ่งบริษัทระบุว่าทำความเร็วได้สูงสุด 1,500 โทเคนต่อวินาทีบน DeepSeek V4.1 Flash พร้อมด้วยเครื่องมือสำหรับการกำหนดเส้นทางโมเดล การประเมินผล การให้บริการโมเดลเฉพาะทาง และ Fireworks Sovereign ซึ่งเปิดให้ทดลองใช้แบบส่วนตัวสำหรับโครงสร้างพื้นฐานที่ลูกค้าเป็นเจ้าของ

ปรับความเร็วและต้นทุนการอนุมานให้เหมาะกับภาระงาน

Ultra-fast เปิดให้ทดลองใช้แบบสาธารณะบน GPU NVIDIA Blackwell และออกแบบมาสำหรับเอเจนต์ที่ทำงานหลายขั้นตอน ซึ่งการเรียกใช้โมเดลแต่ละครั้งจะเพิ่มเวลารอผลลัพธ์ Fireworks รายงานว่า เมื่อใช้ Ultra-fast เวลาที่ใช้ทำงานจนเสร็จในการทดสอบมาตรฐานเอเจนต์ 30 รอบลดลงจากหนึ่งนาทีเหลือแปดวินาที ความสามารถนี้มุ่งรองรับงานที่ต้องคำนึงถึงเวลา โดยมีตัวเลือกที่ประหยัดกว่าสำหรับงานที่รอได้

สำหรับงานที่ไม่จำเป็นต้องได้ผลลัพธ์ทันที Background Mode จะประมวลผลงานที่เข้าเกณฑ์ เช่น การสร้างข้อมูลสำหรับประเมินผลและการค้นคว้าข้ามคืน ในราคาครึ่งหนึ่ง การแคชพรอมต์ข้ามหลายวันช่วยลดต้นทุนจากบริบทที่ใช้ซ้ำ การเพิ่มขีดจำกัดอัตราการเรียกใช้บริการแบบไร้เซิร์ฟเวอร์และ Elastic Burst เปิดให้ใช้งานทั่วไปแล้วสำหรับภาระงานที่มีปริมาณมากขึ้น โดย Elastic Burst สามารถใช้ทรัพยากรเกินเพดานการใช้งานปกติของลูกค้าได้เมื่อมีกำลังประมวลผลเหลือ โดยไม่ต้องเปลี่ยนโค้ดหรือราคา

ผลการทดสอบ DeepSeek V4.1 Flash โดย Fireworks เมื่อวันที่ 14 กันยายน 2026แสดงให้เห็นว่าเหตุใดบริบทที่ใช้ซ้ำจึงสำคัญ ในการทดสอบ DeepSWE โทเคนอินพุต 99.6% เป็นแคชฮิต และค่าบริการสำหรับแคชฮิตคิดเป็น 60% ของใบแจ้งหนี้ รายละเอียดนี้ชี้ให้เห็นว่าบริบทที่ใช้ซ้ำเป็นเป้าหมายสำคัญในการลดต้นทุนของเอเจนต์ที่ทำงานต่อเนื่องเป็นเวลานาน แทนที่จะมองว่าผลลัพธ์ที่สร้างขึ้นเป็นแหล่งค่าใช้จ่ายเพียงอย่างเดียว

ประเด็นเรื่องต้นทุนแบบเดียวกันนี้ยังครอบคลุมถึงการเลือกใช้โมเดลเฉพาะทางด้วย Ember-1 ซึ่งเปิดตัวเมื่อวันที่ 23 กันยายน 2026 ในรูปแบบพรีวิวงานวิจัยแบบ serverless ใช้โทเค็นน้อยกว่า Kimi K3 ประมาณ 40% โดยให้คุณภาพใกล้เคียงกัน จากการประเมินของ Fireworks โมเดลนี้ให้บริการได้ทั้งบนระบบ serverless และการติดตั้งใช้งานแบบ dedicated

Nexus Desktop และราคาสมาชิก

Fireworks Nexus กำหนดเส้นทางการใช้งานระหว่างโมเดลแบบเปิดและแบบปิดภายในเครื่องมือเขียนโค้ดและทำงานร่วมกันที่ใช้อยู่แล้ว โดยเลือกโมเดลให้เหมาะกับผู้ใช้แต่ละรายและคำนึงถึงแคช นอกจากนี้ยังรวมการมองเห็นค่าใช้จ่ายและการควบคุมไว้ที่เดียวสำหรับองค์กร Nexus Desktop เปิดตัวพร้อมกับ Nexus CLI ที่มีอยู่เดิม โดย Nexus ทำงานภายในแอป Codex, Claude Desktop และ OpenCode

แพ็กเกจ Nexus Pro ใหม่เริ่มต้นที่ 8 ดอลลาร์ต่อเดือน ส่วนแพ็กเกจ Teams เริ่มต้นที่ 10 ดอลลาร์ต่อที่นั่งต่อเดือน แพ็กเกจ Enterprise เพิ่มการลงชื่อเข้าใช้ครั้งเดียว การกำกับดูแล งบประมาณที่ใช้ร่วมกัน และการควบคุมสิทธิ์การเข้าถึง

เอกสารประกอบ Nexus Desktop ระบุว่ามีรุ่น macOS แบบสากลสำหรับ Mac ที่ใช้ชิป Apple silicon และ Intel โดยจะรองรับ Linux และ Windows ในเร็ว ๆ นี้ ส่วน CLI ใช้งานได้บน macOS และ Linux และรองรับ Windows อย่างจำกัดผ่าน Git Bash การเชื่อมต่อบนเดสก์ท็อปรองรับ ChatGPT, Claude Code, Cursor IDE, VS Code และ OpenCode ขณะที่ระบุว่าการรองรับ Claude Desktop ยังมีข้อจำกัด

การประเมินผลและการให้บริการโมเดลเฉพาะทาง

No Eval ซึ่งขณะนี้เปิดให้ทดลองใช้แบบส่วนตัว นำร่องรอยการทำงานจากระบบจริงและสัญญาณจากผลิตภัณฑ์มาสร้างการประเมินสำหรับงานเฉพาะ การประเมินเหล่านี้มีจุดประสงค์เพื่อเผยให้เห็นจุดอ่อนของโมเดลและแสดงว่าการฝึกในภายหลังช่วยแก้จุดอ่อนดังกล่าวได้หรือไม่ โดยจัดการกับงานที่มิฉะนั้นอาจต้องใช้เวลาหลายสัปดาห์ในการติดป้ายกำกับและให้คะแนนข้อมูล

การอนุมานด้วยโมเดลเฉพาะทางเปิดให้ทดลองใช้แบบสาธารณะ เพื่อให้บริการอะแดปเตอร์ LoRA บนพูลบริการแบบไร้เซิร์ฟเวอร์ที่ใช้ร่วมกันของ Fireworks โดยเริ่มจาก GLM 5.3 Flash ลูกค้าจ่ายค่าบริการตามจำนวนโทเคนในราคาแบบไร้เซิร์ฟเวอร์ของโมเดลพื้นฐาน โดยไม่ต้องสร้างการติดตั้งใช้งาน การโหลดอะแดปเตอร์ การคงสถานะอะแดปเตอร์ให้พร้อมใช้งาน และช่วงเวลาที่ไม่มีการใช้งาน ไม่มีค่าบริการด้านการให้บริการโมเดล ส่วนการฝึกคิดค่าบริการแยกต่างหาก

สำหรับ GLM 5.3 Flash อัตราค่าบริการตามที่ระบุไว้คือ 0.15 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน, 0.03 ดอลลาร์ต่อโทเคนอินพุตที่แคชไว้หนึ่งล้านโทเคน และ 0.50 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน

รุ่นทดลองนี้รองรับ LoRA rank สูงสุด 64 และโหลดอะแดปเตอร์ได้สูงสุดสามรายการต่อบัญชีสำหรับโมเดลพื้นฐาน Fireworks ระบุว่าใช้เวลาโหลดไม่ถึงห้านาที คำขอแรกอาจใช้เวลาสูงสุดหนึ่งนาที และคำขอถัดไปมีเวลาแฝงใกล้เคียงกับโมเดลพื้นฐาน โดยไม่มีการรับประกันเวลาแฝงในช่วงทดลองใช้

อะแดปเตอร์ทำงานบน GPU ที่ใช้ร่วมกับอะแดปเตอร์ของลูกค้ารายอื่น ส่วนการติดตั้งใช้งานแบบเฉพาะเป็นตัวเลือกที่แนะนำสำหรับภาระงานที่ต้องการเวลาแฝงสม่ำเสมอ GPU ที่แยกเฉพาะ ภูมิภาคที่กำหนด หรือการให้บริการด้วยความแม่นยำสูงกว่า ขณะที่บริการแบบไร้เซิร์ฟเวอร์มุ่งรองรับการทดลองและปริมาณการใช้งานที่พุ่งขึ้นเป็นช่วง ๆ

การควบคุมสำหรับองค์กรและการติดตั้งใช้งานแบบอธิปไตย

การกำกับดูแลโมเดล การควบคุมค่าใช้จ่าย และบันทึกการตรวจสอบที่ส่งออกได้ เปิดให้ใช้งานทั่วไปแล้ว ส่วนการจัดการบัญชีแบบรวมศูนย์ การควบคุมข้อมูลตามภูมิภาค และการเข้ารหัสที่ลูกค้าจัดการเองยังอยู่ในช่วงทดลอง

Fireworks Sovereign ซึ่งเปิดให้ทดลองใช้แบบส่วนตัว เรียกใช้เครื่องมืออนุมานของบริษัทในคลาวด์ นีโอคลาวด์ หรือศูนย์ข้อมูลของลูกค้า การอนุมานและการฝึกจะดำเนินการภายในสภาพแวดล้อมของลูกค้าและอยู่ภายใต้นโยบายด้านความปลอดภัยและการควบคุมการเปลี่ยนแปลงของลูกค้า Fireworks ระบุว่าบริหารจัดการ GPU มากกว่า 25,000 ตัวในสภาพแวดล้อมของลูกค้า

รูปแบบการดำเนินงานแบ่งความรับผิดชอบระหว่างทั้งสองฝ่าย Fireworks ประเมินความพร้อมของคลัสเตอร์ ติดตั้งใช้งานโมเดล และดูแลการอัปเกรด การตรวจสอบ การปรับแต่งประสิทธิภาพ และการรับมือเหตุขัดข้อง ขณะที่ลูกค้ายังคงเป็นเจ้าของสถาปัตยกรรมและนโยบายต่าง ๆ ลูกค้าจัดการการรับส่งข้อมูลขาเข้า การกระจายโหลด DNS ใบรับรอง TLS และเส้นทางการรับส่งข้อมูลขาออกที่ได้รับอนุมัติ ระนาบควบคุมของ Fireworks ใช้ข้อมูลรับรองเฉพาะที่ตรวจสอบย้อนหลังได้ โดยจำกัดการรับส่งข้อมูลขาออกไว้เฉพาะการดึงน้ำหนักโมเดลและอิมเมจ รวมถึงข้อมูลเทเลเมทรีด้านการปฏิบัติงาน

Fireworks ระบุว่า Sovereign ให้ปริมาณงานสูงขึ้น 20% ถึง 50% เมื่อใช้ฮาร์ดแวร์แบบเดียวกัน และให้จำนวนโทเค็นต่อดอลลาร์ที่ใช้กับฮาร์ดแวร์มากขึ้นประมาณ 2.3 เท่า ส่วนฟังก์ชันรองรับโหลดส่วนเกินแบบไฮบริดที่เลือกใช้ได้ จะย้ายเวิร์กโหลดที่เข้าเกณฑ์ไปยัง Fireworks Cloud ในภูมิภาคที่ลูกค้าอนุมัติเมื่อคลัสเตอร์ทำงานเต็มกำลัง จากนั้นจะย้ายกลับมายัง GPU ของลูกค้าเมื่อความต้องการลดลง โดยใช้ API เดิม

ผลิตภัณฑ์ในกลุ่ม Forge ทำให้การเลือกโมเดล เศรษฐศาสตร์ด้านการอนุมาน และการควบคุมโครงสร้างพื้นฐาน กลายเป็นส่วนหนึ่งของการตัดสินใจระดับองค์กรเดียวกัน ข้อควรพิจารณาสำคัญคือแต่ละตัวเลือกมีเงื่อนไขการดำเนินงานแตกต่างกัน กล่าวคือ อะแดปเตอร์แบบ serverless ช่วยให้ไม่ต้องจัดสรรทรัพยากรเฉพาะ แต่ทำงานบน GPU ที่ใช้ร่วมกันโดยไม่มีการรับประกันเวลาแฝงในช่วงพรีวิว ขณะที่ Sovereign ผสานโครงสร้างพื้นฐานที่ลูกค้าเป็นเจ้าของเข้ากับชุดระบบให้บริการที่ Fireworks เป็นผู้ดำเนินงาน