@FireworksAI_HQ: 前沿实验室押注 AGI 模型会足够强大,以至于你永远不会想对其进行定制。我们持不同观点。正在构建……

X AI KOLs Following 产品

摘要

Fireworks AI 宣布其训练平台进入预览阶段,允许开发者训练、微调并部署自定义 AI 模型,同时完全拥有数据和模型权重。

前沿实验室押注 AGI 模型会足够强大,以至于你永远不会想对其进行定制。我们持不同观点。在封闭平台上构建意味着你只是在租赁智能。房东制定规则,他们可以随时通知你不再续租微调服务。作为 AI 原生团队,我们认为你应该拥有自己的 AI。你的数据、你的领域专业知识、你的护城河。立即在 Fireworks AI 训练平台上开始训练。 https://fireworks.ai/train
查看原文
查看缓存全文

缓存时间: 2026/05/10 08:23

前沿实验室正押注 AGI 模型将强大到让你不再需要任何定制。我们对此持不同看法。基于封闭平台构建意味着你只是在“租赁”智能。房东(平台方)制定规则,并可能随时通知你不再续约你的微调“租约”。作为 AI 原生团队,我们认为你应该拥有自己的 AI。你的数据、你的领域专业知识、你的护城河,都应由你掌控。今天就在 Fireworks AI 训练平台开始训练。https://fireworks.ai/train


训练你自己的 AI | Fireworks AI

来源: https://fireworks.ai/train Fireworks Logo (https://fireworks.ai/) FIREWORKS 训练 —— 现已开启预览

在前沿水平训练和部署你的模型

全参数训练、自定义损失函数以及前沿强化学习。所有这些都运行在相同的底层基础设施上,该基础设施已为 Cursor、Vercel 和 Genspark 提供生产级服务。

拥有你的模型,掌控你的未来。让你的数据成为你的护城河。

___________________________________________

三种入口,一个平台

从你的现状出发,按需拓展至任意深度。

训练与推理在同一平台上协同工作。选择你所需的控制级别。

大规模部署定制模型

在单张 GPU 上服务数百个微调模型

训练出优秀的模型只是成功的一半。Fireworks 的多 LoRA(Multi-LoRA)部署可在单张 GPU 上服务数百个个性化 LoRA 模型,一键部署,且无需额外的基础设施成本。你的训练飞轮产生更优质的模型,而多 LoRA 技术让部署这些模型在经济上变得可行。

经过生产环境验证

构建未来的 AI 团队都在 Fireworks 上训练

来自博客

大规模训练开源模型时来之不易的经验教训

与其他方案的对比

Fireworks AI 是唯一结合全频谱训练与内置推理的平台

替代方案示例局限性Fireworks 优势封闭模型OpenAI, Anthropic无权重所有权。成本高。零可移植性。无重新训练循环。✅ 完全由你拥有的开源模型。持续重新训练和重新部署。仅训练分散的供应商在此训练,在别处部署。每次迭代都需支付迁移成本。✅ 统一平台。训练完成 → 模型上线 → 收集数据 → 重新训练。云原生AWS, GCP训练和推理是孤立的。缺乏开源模型专业知识。✅ 模型无关。从训练到推理一键热加载。自建管理PyTorch 分布式在首个模型训练前需花费 3-6 个月的基础设施工作。持续运维负担重。✅ 第一天即可部署。工程师构建应用,而非处理 DevOps。

“预览”是什么意思?这具备生产环境可用性吗?“预览”意味着该平台目前已上线并正在处理真实的生产工作负载。Cursor、Vercel 和 Genspark 目前都在生产环境中使用 Fireworks Training。这也意味着在正式发布(GA)之前,定价和部分功能仍在稳定中。如需企业级 SLA 和 GA 时间表,可向我们申请。 如有特定需求,请联系我们的团队 (https://peppy-lollipop-c33af6.netlify.app/#)。

我的训练数据会被用于训练 Fireworks 的模型吗?不会。你的数据仅用于微调你的模型。我们不会使用或分享你的训练数据用于任何目的,并坚定执行我们的零数据保留政策 (https://docs.fireworks.ai/guides/security_compliance/data_handling)。

Training Agent(训练代理)、Managed Training(托管训练)和 Training API(训练 API)之间有什么区别?

  1. Training Agent 完全自动化:描述你的目标,上传数据,即可获得已部署的模型。无需机器学习知识。目前仅支持 LoRA。
  2. Managed Training 让你控制训练方法(SFT、DPO 或 RFT),而我们处理所有基础设施。支持全参数训练。
  3. Training API 提供完全的算法控制权:自带训练循环,编写自定义损失函数,运行前沿强化学习。适用于高级 ML 团队和研究人员。查看上述对比表了解完整详情。

一次训练运行需要多长时间? 这取决于模型大小、数据集大小和训练方法。在 Qwen3 8B 上使用数千个示例的小型 LoRA 任务通常在一小时内完成。在前沿模型上进行大型全参数训练则需要更长时间。查看我们文档中的成本估算器 (https://docs.fireworks.ai/fine-tuning/rft-cost-estimator) 以获取不同场景的估算。

今天就开始构建

今天构建你持续学习的飞轮

无论你是寻求完全自助式(代理式)工具、托管服务,还是需要我们 Training API 提供的全面控制和粒度,Fireworks AI 训练平台都能帮助你训练任何开源模型,以提供前沿水平的性能。

相似文章

OpenAI Frontier 介绍

OpenAI Blog

# OpenAI Frontier 介绍 来源:[https://openai.com/index/introducing-openai-frontier/](https://openai.com/index/introducing-openai-frontier/) AI 让团队能够承担他们过去只谈论但从未执行的事情。事实上,75% 的企业员工表示 AI 帮助他们完成了以前无法完成的任务。我们听到来自各个部门的反馈,而不仅仅是技术团队。工作的方式已经改变,企业开始感受到巨大变化。我们已经看到这在行动中 w

微调 API 功能改进和自定义模型项目扩展

OpenAI Blog

OpenAI 推出微调 API 的功能改进,包括基于轮次的检查点、用于模型评估的对比体验区、第三方集成和增强的仪表板功能。该公司还扩展了其自定义模型项目,为开发者提供更多对构建领域特定 AI 解决方案的控制和灵活性。

@lqiao: https://x.com/lqiao/status/2070026145895256314

X AI KOLs Following

Fireworks 正在提供一种针对 GLM 5.2 的强化学习训练的托管服务,该服务通过批次不变性和零 KLD 对齐确保训练和推理之间的数值一致性,以前只有顶尖前沿实验室才能使用。这使得任何人都可以定制并超越前沿质量。