Fireworks 发布 Ultra-fast 推理预览与 Sovereign 私有部署

Fireworks于2026年11月3日在首届年度Forge大会上发布了一系列企业AI产品，其中以Ultra-fast推理预览领衔，该公司称其在DeepSeek V4.1 Flash上最高达到每秒1,500个token，同时还推出了用于模型路由、评估、专用服务以及面向客户自有基础设施的Fireworks Sovereign私有预览的工具。

让推理速度与成本匹配工作负载

Ultra-fast已在NVIDIA Blackwell GPU上进入公开预览，专为多步骤智能体设计，因为在这类场景中，每次模型调用都会增加等待结果的时间。Fireworks报告称，借助Ultra-fast，其30轮智能体基准的完成时间从一分钟降至八秒。该能力面向时间敏感型工作，而对于可以等待的任务，则提供更便宜的选项。

对于可容忍延迟的工作，Background Mode以半价运行符合条件的任务，例如评估数据生成和夜间研究。多日Prompt Caching针对重复上下文的成本。更高的无服务器速率限制和Elastic Burst已全面可用，适用于更繁忙的工作负载；当存在闲置容量时，Elastic Burst可以突破客户的正常使用上限，而无需更改代码或定价。

Fireworks于2026年9月14日对DeepSeek V4.1 Flash进行的一项基准测试显示了重复上下文为何重要。在其DeepSWE运行中，99.6%的输入token为缓存命中，缓存命中费用占账单的60%。这一构成使重复上下文成为长时间运行智能体的重要成本目标，而不是将生成的输出视为唯一的支出来源。

同样的成本主题也延伸到模型专用化。Ember-1于2026年9月23日作为无服务器Research Preview推出，在Fireworks的评估中，其在质量相当的情况下比Kimi K3少用约40%的token。它可在无服务器和专用部署中使用。

Nexus Desktop与订阅定价

Fireworks Nexus在现有编码和协作工具内跨开放和封闭模型进行路由，使用个性化模型选择和缓存感知。它还为组织集中提供支出可见性和控制。Nexus Desktop与现有的Nexus CLI一同发布，Nexus可在Codex应用、Claude Desktop和OpenCode中运行。

新的Nexus Pro套餐起价为每月8美元，Teams套餐起价为每席位每月10美元。企业套餐增加了单点登录、治理、共享预算和访问控制。

Nexus Desktop文档列出了适用于Apple silicon和Intel Mac的通用macOS版本，Linux和Windows支持即将推出。CLI可在macOS和Linux上运行，通过Git Bash提供有限的Windows支持。桌面连接包括ChatGPT、Claude Code、Cursor IDE、VS Code和OpenCode，而Claude Desktop支持被描述为有限。

评估与专用模型服务

No Eval目前处于私有预览阶段，它利用生产系统的追踪和产品信号为特定任务构建评估。这些评估旨在揭示模型弱点，并显示后续训练是否能解决这些问题，从而应对原本可能需要数周数据标注和评分的工作。

专用模型推理进入公开预览，用于在Fireworks的共享无服务器池上服务LoRA适配器，最初支持GLM 5.3 Flash。客户按基础模型的无服务器价格按token付费，无需创建部署。加载适配器、保持其加载状态以及空闲时间均不收取服务费用，而训练则单独计费。

对于GLM 5.3 Flash，文档列出的费率为每百万输入token 0.15美元、每百万缓存输入token 0.03美元和每百万输出token 0.50美元。

该预览支持最高LoRA秩为64，每个账户最多可为该基础模型加载三个适配器。Fireworks文档说明加载时间低于五分钟，首次请求最多可能需要一分钟，后续请求大约为基础模型延迟，预览期间不提供延迟保证。

适配器运行在与其他客户适配器共享的GPU上。对于需要一致延迟、隔离GPU、特定区域或更高精度服务的工作负载，建议使用专用部署；无服务器则面向实验和突发流量。

企业控制与Sovereign部署

模型治理、支出控制和可导出的审计日志现已全面可用。集中账户管理、区域数据控制和客户管理加密仍处于预览阶段。

Fireworks Sovereign处于私有预览阶段，在客户的云、neocloud或数据中心运行该公司的推理引擎。推理和训练保留在客户环境中，并受其安全和变更控制政策约束。Fireworks报告称在客户环境中管理着超过25,000块GPU。

该运营模式在双方之间划分责任。Fireworks 负责集群资格认证、模型部署，并处理升级、监控、性能调优和事件响应，而客户保留架构与策略的所有权。客户负责管理入口、负载均衡、DNS、TLS 证书和经批准的出站路由。Fireworks 的控制平面使用专用的可审计凭证，出站流量仅限于模型权重和镜像拉取以及运营遥测。

Fireworks 表示，Sovereign 在相同硬件上可提供高出 20% 至 50% 的吞吐量，每硬件美元对应的 token 数约为 2.3 倍。可选的混合溢出功能会在集群饱和时，将符合条件的工作负载迁移到客户批准区域内的 Fireworks Cloud，并在需求下降时将其返回客户 GPU，且使用相同的 API。

Forge 系列将模型选择、推理经济性和基础设施控制纳入同一项企业决策。核心前提是每种选项都带有不同的运行条件：无服务器适配器无需专用容量，但在共享 GPU 上运行且不提供预览延迟保证；而 Sovereign 则将客户自有基础设施与由 Fireworks 运营的服务栈相结合。