开源模型推理平台 Fireworks 11 月 3 日在首届 Forge 大会上发布一批新产品：基于 NVIDIA Blackwell 的 Ultra-fast 进入公测，在 DeepSeek V4.1 Flash 上最高 1500 tokens/秒，30 轮 Agent 任务从 1 分钟降到 8 秒；可等待任务的 Background Mode 半价；新增多日 Prompt 缓存和更高限流。Nexus Desktop 把开源模型路由带进 Codex app、Claude Desktop 和 OpenCode，Pro 每月 8 美元起；还有 No Eval、LoRA 无服务器推理、Fireworks Sovereign 私有部署等，并宣布 60+ 伙伴的 Frontier Ecosystem。
核心要点速览
- ✓Ultra-fast 公测：基于 NVIDIA Blackwell，在 DeepSeek V4.1 Flash 上最高 1500 tokens/秒；官方基准中 30 轮 Agent 任务耗时从 1 分钟降到 8 秒（Fireworks 官方博客）
- ✓省钱选项：Background Mode 对可等待任务半价；多日 Prompt 缓存降低反复恢复上下文的成本；更高的 serverless 限流和 Elastic Burst 已正式可用
- ✓Nexus Desktop 上线：开源与闭源模型按个人路由，可在 Codex app、Claude Desktop、OpenCode 中使用；Pro 每月 8 美元起，Teams 每席每月 10 美元起
- ✓训练侧：No Eval 私测，把生产 trace 转成任务评测；LoRA 无服务器推理公测，先支持 GLM 5.3 Flash，按 token 计费、空闲不收费；Muse Glimmer 30B 免费训练至 11 月 30 日
- ✓企业侧：Fireworks Sovereign 私测，把推理引擎部署进客户自己的云或机房；官方称已在客户环境管理超过 2.5 万块 GPU；同时宣布 60+ 伙伴的 Frontier Ecosystem
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
Agent 一个任务往往要连续调用模型几十次，每次延迟叠加起来让用户等很久，并发 Agent 越多成本越高；企业又希望用开源模型按自家数据定制，同时满足数据驻留和审计要求。11 月 3 日 Fireworks 举办首届 Forge 大会，官方博客一次性发布了针对这些痛点的新品。
架构亮点与底层机制
推理侧，Ultra-fast 基于 NVIDIA Blackwell GPU，面向延迟敏感任务；Background Mode 给可以等的任务（如评测数据生成、夜间研究）提供半价运行时；多日 Prompt 缓存让暂停后恢复的长驻 Agent 不必重复付上下文费用。Nexus 把开源和闭源模型做个性化路由，现有 CLI 之外新增 Nexus Desktop。Fireworks Sovereign 把推理引擎部署到客户自己的云、neocloud 或机房，推理和训练都在客户环境内运行。
权威 Benchmark 与实测跑分对比
以下均为 Fireworks 官方数据：Ultra-fast 在 DeepSeek V4.1 Flash 上最高 1500 tokens/秒，30 轮 Agent 任务从 1 分钟降到 8 秒；自家模型 Ember-1 在其评测中比 Kimi K3 少用约 40% token、质量相当。第三方独立复现官方未公布。
开发者实战落地与开箱指南
想压延迟的 Agent 团队可在 Fireworks 申请 Ultra-fast 公测；批量任务改走 Background Mode 可省一半。用 Codex app、Claude Desktop 或 OpenCode 的个人和团队可试 Nexus Desktop，Pro 每月 8 美元起。做微调的团队可在 11 月 30 日前免费在 Muse Glimmer 30B 上做 SFT、DPO 和强化学习，训练好的 LoRA 可直接按 token 在 serverless 上调用。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察