AITOP

Fireworks AI

共 55 条相关 AI 资讯
6月13日
16:38
11:02
6月4日
23:01
23:01官方账号阶跃星辰 Stepfun@Stepfun_AI
阶跃星辰的 Step 3.7 Flash 模型已在 Fireworks AI 平台上线。该模型从设计之初就针对推理优化，采用硬件友好的架构和 MTP 辅助解码技术，推理速度可达每秒 400 tokens。Step 3.7 Flash 支持多模态输入，适合在真实工作流中驱动智能体。这一发布为开发者提供了高性能、低延迟的模型选择，尤其适合需要快速响应的应用场景。
AI模型推理模型多模态阶跃星辰
事件专题
推荐理由：Step 3.7 Flash 以 400 tokens/s 的速度刷新了推理效率，做实时 AI 应用或智能体开发的团队可以直接在 Fireworks AI 上试用，省去自建推理基础设施的麻烦。
原文
03:21
03:21官方账号Clement Delangue@ClementDelangue
Hugging Face CEO Clement Delangue 指出，通过路由（routing）和后训练（post-training）开源模型，不仅能提升系统准确性，还能显著降低成本和提高速度。法律 AI 公司 Harvey 与 Fireworks AI 合作，在 100 个法律任务上测试发现：混合智能体（GLM 5.1 为主，路由到 Opus 4.7 作为顾问）在质量和成本上均优于单一前沿模型，18% 全通过率 vs 14%，成本 $368 vs $954。后训练（SFT）将 Kimi 2.6 的全通过率从 11% 提升至 15%，超过 Opus 的 14%，成本仅 $84，是 Opus 的 1/11。这挑战了“前沿模型在所有场景都更好”的营销叙事，为开发者提供了更务实、经济的 AI 系统构建思路。
AI产品路由/混合智能体开源/仓库法律 AI
推荐理由：法律 AI 团队终于有了可落地的降本增效方案——路由+微调开源模型比纯用前沿模型便宜 11 倍还更准，做垂直领域 AI 应用的开发者可以直接参考 Harvey 的实践。
原文
01:46
6月3日
08:36
08:36Fireworks AI@FireworksAI_HQ
Fireworks AI 宣布其平台现已集成到 Microsoft Foundry，开发者与企业可在该平台上构建下一代智能应用。该公司将在 MSBuild 大会的 F111 展位进行现场演示。这一合作意味着 Fireworks AI 的模型部署和推理能力将通过微软的云基础设施触达更广泛的用户群体。
AI产品Fireworks AIMicrosoft FoundryMSBuild
推荐理由：AI 应用开发者终于可以在 Microsoft Foundry 上直接使用 Fireworks AI 的推理服务，部署效率会大幅提升，做企业级 AI 应用的建议去 MSBuild 展位看看。
原文
08:08
08:08Fireworks AI@FireworksAI_HQ
Fireworks AI 在 #MSBuild 大会上展示了如何通过 Foundry 平台直接运行高性能推理，实现从测试到生产的无缝迁移。演示中展示了统一基础设施如何降低延迟、减少成本并简化企业 AI 部署流程。该端到端工作流针对真实企业用例优化，视频即将上线。这标志着 AI 推理部署向更高效、更集成方向迈出一步。
AI产品Fireworks AIFoundry高性能推理
推荐理由：企业 AI 团队终于有了从测试到生产的统一路径——Foundry 上的高性能推理直接降低了延迟和成本，做模型部署的开发者值得关注即将上线的演示视频。
原文
6月2日
12:55
12:55官方账号阶跃星辰 Stepfun@Stepfun_AI
精选
StepFun 的 Step 3.7 Flash 模型通过 MFA 和 AFD 技术，从设计之初就注重效率，而非事后优化。这些技术显著降低了 KV-cache 成本，使模型运行更经济高效。Fireworks AI 提供了便捷的一键部署支持，开发者可以快速上手。该模型特别适合构建智能体应用，体现了“效率优先”的设计哲学。
AI模型Step 3.7 FlashKV-cache效率优化
推荐理由：Step 3.7 Flash 通过原生效率设计解决了 KV-cache 成本痛点，做智能体应用的开发者可以直接用 Fireworks AI 一键部署，值得试试。
原文
10:53
5月29日
08:01
5月28日
10:21
5月21日
08:00
08:00Fireworks AI@FireworksAI_HQ
Fireworks AI 与 ExaAILabs 联合举办了第 7 届 Nerd Meet Up，邀请了 MonacoGTM、ComposioDevs 等团队分享。讨论主题包括：大规模构建内部上下文层、为知识工作智能体闭环、以及通过在线投机训练加速推理和强化学习部署。活动在 Exa 的办公室举行，现场氛围热烈。
行业智能体推理加速上下文层
推荐理由：对于正在搭建内部知识系统或优化推理管线的 AI 工程师，这场 Meet Up 的议题直接命中痛点——大规模上下文层和智能体闭环是当前企业落地的关键，值得关注后续分享。
原文
5月16日
23:20
23:04
23:04Fireworks AI@FireworksAI_HQ
Fireworks AI 宣布与 Azure AI Foundry 集成，为团队提供生产级推理层，解决前沿模型在延迟、吞吐量和治理方面的约束。该服务帮助团队在规模化运行模型时避免常见瓶颈。Fireworks AI 的推理优化与 Azure 的云基础设施结合，适合需要高性能和合规性的企业场景。
AI产品推理模型Fireworks AIAzure AI Foundry
推荐理由：做 AI 推理部署的团队终于有了兼顾性能和治理的选项——Fireworks AI 在 Azure 上直接可用，建议有生产环境需求的点开看看。
原文
23:00
23:00Fireworks AI@FireworksAI_HQ
Fireworks AI 宣布其训练平台支持对 Gemma 4 Dense 模型进行全参数和 LoRA 强化学习微调，包括 SFT、DPO 或 RL 训练，支持 256K 上下文。这意味开发者可以不再依赖外部发布周期，自主微调模型以持续提升 Vibe Coding 体验。该平台旨在让周末编码的开发者能随时优化自己的模型，实现“持续改进的 vibe”。
AI产品微调Gemma 4 Dense强化学习
推荐理由：做 Vibe Coding 的开发者终于可以自己掌控模型迭代节奏——Fireworks 让 Gemma 4 Dense 的微调变得触手可及，想摆脱“等别人发新版本”的团队可以直接上手试试。
原文