Fireworks, Daha Hızlı Ajan Çıkarımını ve Egemen Dağıtımı Duyurdu

3 Kasım 2026’da düzenlenen ilk yıllık Forge konferansında Fireworks, DeepSeek V4.1 Flash’ta saniyede 1.500 belirtece kadar ulaştığını belirttiği Ultra-fast çıkarım özelliğinin önizlemesini öne çıkararak kurumsal yapay zekâ ürünlerinden oluşan bir paket duyurdu. Pakette ayrıca model yönlendirme, değerlendirme, uzmanlaşmış sunum araçları ve müşteriye ait altyapı için Fireworks Sovereign‘ın özel önizlemesi de yer alıyor.

Çıkarım Hızını ve Maliyetini İş Yüküne Göre Ayarlamak

Ultra-fast, NVIDIA Blackwell GPU’larda herkese açık önizlemede ve her model çağrısının sonuç için bekleme süresini uzattığı çok adımlı ajanlar için tasarlandı. Fireworks, 30 turluk ajan kıyaslamasında tamamlanma süresinin Ultra-fast ile bir dakikadan sekiz saniyeye indiğini bildirdi. Bu özellik, zamana duyarlı işler için tasarlandı; bekleyebilecek işler içinse daha ucuz seçenekler bulunuyor.

Gecikmenin sorun olmadığı işlerde Background Mode, değerlendirme verisi oluşturma ve gece boyunca araştırma yapma gibi uygun görevleri yarı fiyatına yürütüyor. Çok gün süreli Prompt Caching, tekrarlanan bağlamın maliyetini düşürmeyi hedefliyor. Daha yüksek sunucusuz hız sınırları ve Elastic Burst, daha yoğun iş yükleri için genel kullanıma sunuldu. Elastic Burst, atıl kapasite bulunduğunda kodda veya fiyatlandırmada değişiklik yapmadan müşterinin normal kullanım sınırını aşabiliyor.

14 Eylül 2026 tarihli Fireworks DeepSeek V4.1 Flash kıyaslaması, tekrarlanan bağlamın neden önemli olduğunu gösteriyor. DeepSWE çalıştırmasında giriş belirteçlerinin %99,6’sı önbellek isabetiydi ve önbellek isabetleri için alınan ücretler faturanın %60’ını oluşturdu. Bu döküm, uzun süre çalışan ajanlarda tekrarlanan bağlamın kayda değer bir maliyet kalemi olduğunu ve harcamaların tek kaynağının üretilen çıktılar olarak görülmemesi gerektiğini ortaya koyuyor.

Aynı maliyet yaklaşımı model uzmanlaşması için de geçerli. 23 Eylül 2026’da sunucusuz Araştırma Önizlemesi olarak tanıtılan Ember-1, Fireworks’ün değerlendirmelerinde benzer kaliteyi sunarken Kimi K3’e kıyasla yaklaşık %40 daha az belirteç kullandı. Sunucusuz ve özel dağıtımlarda kullanılabiliyor.

Nexus Desktop ve Abonelik Fiyatlandırması

Fireworks Nexus, kişiselleştirilmiş model seçimi ve önbellek farkındalığından yararlanarak mevcut kodlama ve ortak çalışma araçlarında açık ve kapalı modeller arasında yönlendirme yapıyor. Ayrıca kuruluşların harcamaları görmesini ve denetlemesini sağlayan kontrolleri tek merkezde topluyor. Nexus Desktop, mevcut Nexus CLI ile birlikte kullanıma sunuldu; Nexus, Codex uygulamasında, Claude Desktop’ta ve OpenCode’da çalışıyor.

Yeni Nexus Pro planlarının fiyatı ayda 8 dolardan, Teams planlarının fiyatı ise kullanıcı başına ayda 10 dolardan başlıyor. Enterprise planlarına tek oturum açma, yönetişim, ortak bütçeler ve erişim denetimleri ekleniyor.

Nexus Desktop belgelerinde, Apple silicon ve Intel Mac’ler için evrensel bir macOS derlemesinin bulunduğu; Linux ve Windows desteğinin ise yakında geleceği belirtiliyor. CLI, macOS ve Linux’ta çalışıyor; Windows desteği Git Bash üzerinden sınırlı olarak sunuluyor. Masaüstü bağlantıları arasında ChatGPT, Claude Code, Cursor IDE, VS Code ve OpenCode yer alırken Claude Desktop desteğinin sınırlı olduğu belirtiliyor.

Değerlendirme ve Uzmanlaşmış Model Sunumu

Şu anda özel önizlemede olan No Eval, belirli görevlere yönelik değerlendirmeler oluşturmak için üretim sistemlerindeki izleri ve ürünlerden gelen sinyalleri kullanıyor. Bu değerlendirmeler, model zayıflıklarını ortaya çıkarmayı ve sonraki eğitimlerin bu zayıflıkları giderip gidermediğini göstermeyi amaçlıyor. Böylece, aksi hâlde haftalarca veri etiketleme ve puanlama gerektirebilecek bir iş ele alınıyor.

Uzmanlaşmış Model Çıkarımı, Fireworks’ün paylaşılan sunucusuz havuzunda LoRA adaptörleri sunmak üzere herkese açık önizlemeye girdi; başlangıçta GLM 5.3 Flash destekleniyor. Müşteriler dağıtım oluşturmadan temel modelin sunucusuz fiyatı üzerinden belirteç başına ödeme yapıyor. Adaptörün yüklenmesi, yüklü tutulması ve boşta kalma süresi için sunum ücreti alınmıyor; eğitim ise ayrıca ücretlendiriliyor.

GLM 5.3 Flash için belgelenen ücretler, milyon giriş belirteci başına 0,15 dolar, milyon önbelleğe alınmış giriş belirteci başına 0,03 dolar ve milyon çıkış belirteci başına 0,50 dolardır.

Önizleme, en fazla 64 LoRA sıralama derecesini ve temel model için hesap başına en fazla üç yüklü adaptörü destekliyor. Fireworks, yüklemenin beş dakikadan kısa sürdüğünü, ilk isteğin bir dakikaya kadar sürebildiğini ve sonraki isteklerin yaklaşık olarak temel modelin gecikme süresinde yanıtlandığını belirtiyor; önizleme sırasında gecikme garantisi verilmiyor.

Adaptörler, diğer müşterilerin adaptörleriyle paylaşılan GPU’larda çalışıyor. Tutarlı gecikme süresi, yalıtılmış GPU’lar, belirli bir bölge veya daha yüksek hassasiyetli sunum gerektiren iş yükleri için özel dağıtımlar öneriliyor; sunucusuz çözüm ise deneme ve ani trafik artışları için tasarlandı.

Kurumsal Denetimler ve Egemen Dağıtım

Model yönetişimi, harcama denetimleri ve dışa aktarılabilir denetim günlükleri artık genel kullanıma sunuldu. Merkezi hesap yönetimi, bölgesel veri denetimleri ve müşteri tarafından yönetilen şifreleme ise önizlemede kalmaya devam ediyor.

Özel önizlemede olan Fireworks Sovereign, şirketin çıkarım motorunu müşterinin bulutunda, neocloud ortamında veya veri merkezinde çalıştırıyor. Çıkarım ve eğitim, müşterinin ortamında ve müşterinin güvenlik ile değişiklik denetimi politikalarına tabi olarak yürütülüyor. Fireworks, müşteri ortamlarında 25.000’den fazla GPU’yu yönettiğini bildiriyor.

İşletim modeli, sorumluluğu iki taraf arasında paylaştırır. Fireworks kümeyi uygunluk açısından değerlendirir, modelleri dağıtır; yükseltmeleri, izlemeyi, performans ayarlarını ve olaylara müdahaleyi yürütür. Mimarinin ve politikaların sahibi ise müşteri olmaya devam eder. Giriş trafiğini, yük dengelemeyi, DNS’yi, TLS sertifikalarını ve onaylanmış giden trafik yönlendirmelerini müşteriler yönetir. Fireworks’ün kontrol düzlemi, denetlenebilir özel bir kimlik bilgisi kullanır; giden trafik, model ağırlıklarının ve imajların indirilmesi ile operasyonel telemetriyle sınırlıdır.

Fireworks, Sovereign’ın aynı donanımda %20 ila %50 daha yüksek aktarım hızı ve donanım doları başına yaklaşık 2,3 kat daha fazla token sağladığını belirtiyor. İsteğe bağlı hibrit taşma özelliği, küme kapasitesine ulaştığında uygun iş yüklerini müşterinin onayladığı bölgelerdeki Fireworks Cloud’a aktarır; talep azaldığında ise aynı API’yi kullanarak bunları müşterinin GPU’larına geri taşır.

Forge ürün ailesi, model seçimini, çıkarım ekonomisini ve altyapı denetimini aynı kurumsal kararın parçaları hâline getiriyor. Buradaki temel koşul, her seçeneğin farklı işletim koşulları sunmasıdır: Sunucusuz adaptörler özel kapasite gerektirmez, ancak önizleme aşamasında gecikme garantisi olmaksızın paylaşılan GPU’larda çalışır. Sovereign ise müşterinin sahip olduğu altyapıyı, Fireworks tarafından işletilen bir model sunma yığınıyla birleştirir.