‏Fireworks تو کنفرانس Forge چه محصولاتی معرفی کرد

Fireworks تو اولین کنفرانس سالانه‌ش به اسم Forge چند محصول جدید رو معرفی کرده. حرف اصلی شرکت اینه که هر سازمانی باید هوش مصنوعی مخصوص خودش رو داشته باشه، نه اینکه همه‌چی دست چند آزمایشگاه بسته باشه. این محصولات روی مدل‌های باز (open-weight) از NVIDIA، Meta، Reflection AI و بقیه ساخته شدن.

اولین بخش سرعته. اجنت‌ها برای یه کار چندین بار مدل رو صدا می‌زنن، پس تأخیر هر بار روی هم جمع می‌شه. Fireworks Ultra-fast که روی GPUهای NVIDIA Blackwell اجرا می‌شه، الان تو public preview هست و تا ۱۵۰۰ توکن در ثانیه روی DeepSeek V4.1 Flash سرعت داره. به گفتهٔ Fireworks، یه تسک اجنتی ۳۰ مرحله‌ای از ۱ دقیقه به ۸ ثانیه رسیده. برای کارهایی که عجله ندارن هم Background Mode با نصف قیمت اضافه شده، مثلاً برای ساخت داده برای eval یا تحقیق‌های شبانه. Prompt Caching چند روزه و rate limit بالاتر هم اومده.

Fireworks Nexus مدل‌های باز رو به ابزارهایی میاره که کارمندها الان استفاده می‌کنن. حالا Nexus Desktop هم کنار Nexus CLI منتشر شده و تو Codex، Claude Desktop و OpenCode کار می‌کنه. پلن Pro از ۸ دلار در ماه و پلن Teams از ۱۰ دلار برای هر نفر در ماه شروع می‌شه. پلن Enterprise هم SSO، بودجهٔ مشترک و کنترل دسترسی داره. قابلیت Elastic Burst هم اجازه می‌ده وقتی ظرفیت آزاد هست، از سقف معمول مصرف رد بشی بدون اینکه کد یا قیمت عوض بشه.

تو بخش آموزش، ابزار No Eval (تو private preview) از trace‌های production خودکار eval مخصوص هر تسک می‌سازه. Fireworks می‌گه این یکی از بزرگ‌ترین موانع آموزش مدل اختصاصیه، چون نوشتن eval دستی می‌تونه هفته‌ها برچسب‌زنی بخواد. Specialized Model Inference هم اجازه می‌ده LoRA adapter‌ها (یعنی لایه‌های کوچیکی که روی یه مدل پایه آموزش می‌دی) رو به‌صورت serverless و با قیمت توکنی اجرا کنی، با شروع از GLM 5.3 Flash. وقتی مدل بیکاره هم هزینه‌ای نداره. آموزش رایگان روی Muse Glimmer 30B هم تا ۳۰ نوامبر فعاله.

برای شرکت‌های بزرگ، model governance، کنترل هزینه و audit log قابل export حالا عمومی شدن. Fireworks Sovereign هم (تو private preview) موتور inference شرکت رو روی کلاد یا دیتاسنتر خود مشتری اجرا می‌کنه. Fireworks می‌گه این کار می‌تونه توکن به ازای هر دلار GPU رو دو برابر یا بیشتر کنه. یعنی شرکت‌های تحت قوانین سخت می‌تونن داده رو تو کشور خودشون نگه دارن و دیگه تغییر قیمت یا بازنشستگی یه مدل توسط ارائه‌دهنده، برنامه‌شون رو به هم نمی‌ریزه. Fireworks می‌گه الان بیشتر از ۲۵ هزار GPU تو محیط مشتری‌ها مدیریت می‌کنه.

نکات کلیدی:

• Ultra-fast تا ۱۵۰۰ توکن در ثانیه روی DeepSeek V4.1 Flash و تو public preview هست.
• Background Mode برای کارهای غیرفوری با نصف قیمت ارائه می‌شه.
• Nexus Desktop تو Codex، Claude Desktop و OpenCode کار می‌کنه و پلن Pro از ۸ دلار در ماهه.
• Specialized Model Inference سرو کردن LoRA رو serverless و بدون هزینه در حالت بیکار می‌کنه.
• Fireworks Sovereign موتور inference رو روی زیرساخت خود مشتری اجرا می‌کنه.