Fireworks AIは2026年8月31日、Training APIとFireworks Labを正式提供に移行したと発表した。独自モデルの訓練と展開に使うマネージド基盤をチーム向けに提供するもので、コーディング、チップ設計、サイバーセキュリティ、法務、医療における製品・業務向けの専門知能を打ち出した。訓練の選択肢は、ユーザーがAPIを直接扱う方式から、Fireworks Labの支援を組み込む方式まである。

Harveyは非同期の強化学習でKimi K3を長期的な法務作業向けに事後訓練し、Harvey TenetはLABで全問通過19.7%を記録した。ベースのKimi K3は10.8%で、タスク当たりコストは実質的に横ばいだった。VercelはRFTと投機的デコーディングを使い、v0の自動修正機能向けにオープンモデルをファインチューニングし、エラーなし生成率93%とエンドツーエンドのレイテンシ40x改善に達した。Heidiは臨床記録支援をクローズドなフロンティアモデルからファインチューニング済みのオープンモデルへ移し、4週間で概念実証から本番へ進め、レイテンシを3.5x低下させた。FactoryはオープンなQwenベース上で2つの小型LoRAアダプターをファインチューニングし、誤警報予算5%で、訓練済みモデルが実際のシークレットの約70%を検出した。GPT-5.5は~59%で、同モデルはより高速かつ費用効率よく動作した。

Training APIでは、MLチームが自社のPython訓練ループを、Fireworks管理の分散訓練・展開基盤へ接続できる。ユーザーは損失または報酬、データ、環境を制御し、Fireworksは勾配を計算してモデルを更新するトレーナー、サンプルを生成するロールアウト配備、その両者の接続を管理する。対象には重み同期、失敗したスワップの復旧、訓練とロールアウトの整合が含まれる。Serverless trainingは共有基盤上のLoRAアダプター向けで、トークン単位課金と同一セッション内サンプリングに対応し、高速な実験や、ロールアウトと訓練を交互に行う強化学習ループを想定する。Dedicated trainingはFireworks Labとの相談とプロビジョニングが必要で、LoRAと全パラメータ訓練、サーバーレスプール外のモデル、より長いコンテキスト長またはLoRAランク、継続的なスループット、伸縮的な容量、GPU種類とクラスタ規模、GPU時間単位課金に対応する。

Fireworksは、フロンティアラボの外で10,000基超のGPUをまたぐ強化学習を運用した数少ない組織の一つだとしている。同社は、ロールアウト、重み更新、推論が一つの結合システムとして動くため、強化学習の訓練には正確性、性能効率、開発速度が必要だと説明した。正確性については、BF16、ブロック単位FP8、NVFP4などのトレーナーとロールアウトの数値形式をそろえ、両経路でカーネルを一致させ、対応するフロンティアMoEではRouter Replayを使ってロールアウトと逆伝播の間で専門家選択を保つ。整合性は、同じシーケンスをロールアウトエンジンとトレーナーに通し、訓練・推論間のKLダイバージェンス、すなわちKLDを測定して検証する。

Fireworksは、大規模な強化学習では、重み更新よりもロールアウト生成に多くの実時間が使われるため、主に生成の問題になると述べた。同社のプラットフォームは、許容できる範囲で重みの古さを制限できる場合、ロールアウト収集と訓練を重ね合わせる非同期強化学習を実行できる。ロールアウト用GPUが次のバッチを生成する間、トレーナーは前のバッチで更新する仕組みだ。各訓練ステップ後、Fireworksは稼働中のロールアウト配備へ新しい重みをホットロードし、配備を停止してモデル全体を再読み込みする方式を避ける。全パラメータのチェックポイントでは、現在と前回の重みのXOR Diffを計算し、zstd圧縮を使うことで、転送帯域を最大10x削減する。

Fireworksは、同社基盤が継続的な訓練、配備、評価、再訓練のループを支えるとしている。チェックポイントは直接サービングへ移り、本番トレース、評価、フィードバックが後続の訓練実行に取り込まれる。チームからは、同じ訓練予算で反復回数が2-4x増え、モデル開発が数週間から数時間へ短縮されたとの報告があるという。Fireworks Labは、顧客の現場に近い形で研究者とエンジニアを投入し、能力、ベースライン、成功基準、スコープの定義を支援する。そのうえで目標日に向けて構築を進め、顧客は本番対応モデル、評価ハーネス、データパイプライン、訓練ループ、レシピを保持する。

Fireworks AIは2026年8月31日、Training APIとFireworks Labを正式提供に移行したと発表した。独自モデルの訓練と展開に使うマネージド基盤をチーム向けに提供するもので、コーディング、チップ設計、サイバーセキュリティ、法務、医療における製品・業務向けの専門知能を打ち出した。訓練の選択肢は、ユーザーがAPIを直接扱う方式から、Fireworks Labの支援を組み込む方式まである。

Harveyは非同期の強化学習でKimi K3を長期的な法務作業向けに事後訓練し、Harvey TenetはLABで全問通過19.7%を記録した。ベースのKimi K3は10.8%で、タスク当たりコストは実質的に横ばいだった。VercelはRFTと投機的デコーディングを使い、v0の自動修正機能向けにオープンモデルをファインチューニングし、エラーなし生成率93%とエンドツーエンドのレイテンシ40x改善に達した。Heidiは臨床記録支援をクローズドなフロンティアモデルからファインチューニング済みのオープンモデルへ移し、4週間で概念実証から本番へ進め、レイテンシを3.5x低下させた。FactoryはオープンなQwenベース上で2つの小型LoRAアダプターをファインチューニングし、誤警報予算5%で、訓練済みモデルが実際のシークレットの約70%を検出した。GPT-5.5は~59%で、同モデルはより高速かつ費用効率よく動作した。

Training APIでは、MLチームが自社のPython訓練ループを、Fireworks管理の分散訓練・展開基盤へ接続できる。ユーザーは損失または報酬、データ、環境を制御し、Fireworksは勾配を計算してモデルを更新するトレーナー、サンプルを生成するロールアウト配備、その両者の接続を管理する。対象には重み同期、失敗したスワップの復旧、訓練とロールアウトの整合が含まれる。Serverless trainingは共有基盤上のLoRAアダプター向けで、トークン単位課金と同一セッション内サンプリングに対応し、高速な実験や、ロールアウトと訓練を交互に行う強化学習ループを想定する。Dedicated trainingはFireworks Labとの相談とプロビジョニングが必要で、LoRAと全パラメータ訓練、サーバーレスプール外のモデル、より長いコンテキスト長またはLoRAランク、継続的なスループット、伸縮的な容量、GPU種類とクラスタ規模、GPU時間単位課金に対応する。

Fireworksは、フロンティアラボの外で10,000基超のGPUをまたぐ強化学習を運用した数少ない組織の一つだとしている。同社は、ロールアウト、重み更新、推論が一つの結合システムとして動くため、強化学習の訓練には正確性、性能効率、開発速度が必要だと説明した。正確性については、BF16、ブロック単位FP8、NVFP4などのトレーナーとロールアウトの数値形式をそろえ、両経路でカーネルを一致させ、対応するフロンティアMoEではRouter Replayを使ってロールアウトと逆伝播の間で専門家選択を保つ。整合性は、同じシーケンスをロールアウトエンジンとトレーナーに通し、訓練・推論間のKLダイバージェンス、すなわちKLDを測定して検証する。

Fireworksは、大規模な強化学習では、重み更新よりもロールアウト生成に多くの実時間が使われるため、主に生成の問題になると述べた。同社のプラットフォームは、許容できる範囲で重みの古さを制限できる場合、ロールアウト収集と訓練を重ね合わせる非同期強化学習を実行できる。ロールアウト用GPUが次のバッチを生成する間、トレーナーは前のバッチで更新する仕組みだ。各訓練ステップ後、Fireworksは稼働中のロールアウト配備へ新しい重みをホットロードし、配備を停止してモデル全体を再読み込みする方式を避ける。全パラメータのチェックポイントでは、現在と前回の重みのXOR Diffを計算し、zstd圧縮を使うことで、転送帯域を最大10x削減する。

Fireworksは、同社基盤が継続的な訓練、配備、評価、再訓練のループを支えるとしている。チェックポイントは直接サービングへ移り、本番トレース、評価、フィードバックが後続の訓練実行に取り込まれる。チームからは、同じ訓練予算で反復回数が2-4x増え、モデル開発が数週間から数時間へ短縮されたとの報告があるという。Fireworks Labは、顧客の現場に近い形で研究者とエンジニアを投入し、能力、ベースライン、成功基準、スコープの定義を支援する。そのうえで目標日に向けて構築を進め、顧客は本番対応モデル、評価ハーネス、データパイプライン、訓練ループ、レシピを保持する。