Fireworks, Forge서 기업용 AI 제품군 공개

Fireworks는 2026년 11월 3일 첫 연례 Forge 행사에서 기업의 전문 지식과 데이터, 업무에 맞춘 AI 구축을 돕는 제품군을 발표했습니다. 제품은 추론 속도 향상, 모델 선택, 평가와 훈련, 기업용 제어 기능을 포함합니다. Fireworks는 NVIDIA, Meta, Reflection AI의 오픈 웨이트 모델 발전으로 기업의 선택지가 늘었지만, 에이전트 응답 지연과 기업별 업무에 맞는 모델 개선, 비용·제어·보안을 위한 인프라 요구가 여전히 과제로 남아 있다고 밝혔습니다.

NVIDIA Blackwell GPU를 사용하는 Fireworks Ultra-fast는 공개 프리뷰에 들어갔으며, DeepSeek V4.1 Flash에서 초당 최대 1,500토큰을 시연했습니다. 벤치마크로 측정한 30회 에이전트 작업은 완료 시간이 1분에서 8초로 줄었습니다. 대기해도 되는 작업에는 Background Mode가 절반 가격의 실행 환경을 제공하며, 대상 작업에는 평가 데이터 생성과 야간 연구가 포함됩니다. Multi-day Prompt Caching은 반복되는 문맥 처리 비용을 줄이고, 더 높은 요청 한도는 동시에 실행할 수 있는 에이전트 수를 늘립니다. Fireworks는 자사 Ember-1 모델이 평가에서 Kimi K3와 비슷한 품질을 유지하면서 토큰을 약 40% 적게 사용했다고 밝혔습니다.

Fireworks Nexus는 직원들이 이미 쓰는 코딩 및 협업 도구에서 오픈 모델과 폐쇄형 모델을 이용하도록 하며, 개인화된 모델 선택과 캐시 인식, 중앙화된 지출 현황을 제공합니다. Nexus Desktop은 Nexus CLI와 함께 출시됐으며 Codex 앱, Claude Desktop, OpenCode에서 작동해 일상적인 지식 업무로 모델 선택 범위를 넓힙니다. 새 Pro 요금제는 월 8달러부터, Teams 요금제는 좌석당 월 10달러부터 시작하며, Enterprise 요금제에는 SSO, 거버넌스, 공유 예산, 접근 제어가 포함됩니다. 서버리스 요청 한도 상향과 Elastic Burst는 일반 제공 단계에 들어갔습니다. Elastic Burst는 여유 용량이 있을 때 고객이 코드나 가격을 변경하지 않고 일반 사용 한도를 넘어서 쓸 수 있게 합니다.

No Eval은 비공개 프리뷰에 들어가 운영 추적 데이터와 제품 신호를 업무별 평가로 전환해 모델의 부족한 점을 찾고 훈련 결과를 측정하도록 지원합니다. Fireworks는 평가를 작성하려면 데이터 라벨링과 채점에 몇 주가 걸릴 수 있다고 설명했습니다. LoRA 어댑터를 서버리스 방식으로 제공하는 Specialized Model Inference도 공개 프리뷰에 들어갔으며, GLM 5.3 Flash부터 지원합니다. 팀은 전용 배포 규모를 정할 필요 없이 Fireworks Serverless API를 통해 훈련된 모델을 제공하고 토큰별로 요금을 내며, 모델이 유휴 상태일 때는 비용을 부담하지 않습니다. Muse Glimmer 30B 무료 훈련은 11월 30일까지 제공되며 지도 미세 조정, 직접 선호 최적화, 강화학습을 포함합니다.

Fireworks는 모델 거버넌스, 지출 제어, 내보낼 수 있는 감사 로그를 일반 제공으로 전환했습니다. 중앙 계정 관리, 지역별 데이터 제어, 고객 관리 암호화는 프리뷰 단계입니다. Fireworks Sovereign은 비공개 프리뷰에 들어갔으며, Fireworks의 추론 엔진을 고객의 클라우드 환경, 네오클라우드 또는 데이터센터에 제공합니다. 회사는 이 기술이 GPU 1달러당 토큰 처리량을 2배 이상으로 높일 수 있고, 고객 환경에서 이미 25,000개가 넘는 GPU를 관리한다고 밝혔습니다. 추론과 훈련은 고객 환경 안에서 고객의 보안 및 변경 관리 정책에 따라 실행되며, 데이터 상주 위치와 모델 접근 권한도 고객이 관리합니다.

Fireworks는 2026년 11월 3일 첫 연례 Forge 행사에서 기업의 전문 지식과 데이터, 업무에 맞춘 AI 구축을 돕는 제품군을 발표했습니다. 제품은 추론 속도 향상, 모델 선택, 평가와 훈련, 기업용 제어 기능을 포함합니다. Fireworks는 NVIDIA, Meta, Reflection AI의 오픈 웨이트 모델 발전으로 기업의 선택지가 늘었지만, 에이전트 응답 지연과 기업별 업무에 맞는 모델 개선, 비용·제어·보안을 위한 인프라 요구가 여전히 과제로 남아 있다고 밝혔습니다.

NVIDIA Blackwell GPU를 사용하는 Fireworks Ultra-fast는 공개 프리뷰에 들어갔으며, DeepSeek V4.1 Flash에서 초당 최대 1,500토큰을 시연했습니다. 벤치마크로 측정한 30회 에이전트 작업은 완료 시간이 1분에서 8초로 줄었습니다. 대기해도 되는 작업에는 Background Mode가 절반 가격의 실행 환경을 제공하며, 대상 작업에는 평가 데이터 생성과 야간 연구가 포함됩니다. Multi-day Prompt Caching은 반복되는 문맥 처리 비용을 줄이고, 더 높은 요청 한도는 동시에 실행할 수 있는 에이전트 수를 늘립니다. Fireworks는 자사 Ember-1 모델이 평가에서 Kimi K3와 비슷한 품질을 유지하면서 토큰을 약 40% 적게 사용했다고 밝혔습니다.

Fireworks Nexus는 직원들이 이미 쓰는 코딩 및 협업 도구에서 오픈 모델과 폐쇄형 모델을 이용하도록 하며, 개인화된 모델 선택과 캐시 인식, 중앙화된 지출 현황을 제공합니다. Nexus Desktop은 Nexus CLI와 함께 출시됐으며 Codex 앱, Claude Desktop, OpenCode에서 작동해 일상적인 지식 업무로 모델 선택 범위를 넓힙니다. 새 Pro 요금제는 월 8달러부터, Teams 요금제는 좌석당 월 10달러부터 시작하며, Enterprise 요금제에는 SSO, 거버넌스, 공유 예산, 접근 제어가 포함됩니다. 서버리스 요청 한도 상향과 Elastic Burst는 일반 제공 단계에 들어갔습니다. Elastic Burst는 여유 용량이 있을 때 고객이 코드나 가격을 변경하지 않고 일반 사용 한도를 넘어서 쓸 수 있게 합니다.

No Eval은 비공개 프리뷰에 들어가 운영 추적 데이터와 제품 신호를 업무별 평가로 전환해 모델의 부족한 점을 찾고 훈련 결과를 측정하도록 지원합니다. Fireworks는 평가를 작성하려면 데이터 라벨링과 채점에 몇 주가 걸릴 수 있다고 설명했습니다. LoRA 어댑터를 서버리스 방식으로 제공하는 Specialized Model Inference도 공개 프리뷰에 들어갔으며, GLM 5.3 Flash부터 지원합니다. 팀은 전용 배포 규모를 정할 필요 없이 Fireworks Serverless API를 통해 훈련된 모델을 제공하고 토큰별로 요금을 내며, 모델이 유휴 상태일 때는 비용을 부담하지 않습니다. Muse Glimmer 30B 무료 훈련은 11월 30일까지 제공되며 지도 미세 조정, 직접 선호 최적화, 강화학습을 포함합니다.

Fireworks는 모델 거버넌스, 지출 제어, 내보낼 수 있는 감사 로그를 일반 제공으로 전환했습니다. 중앙 계정 관리, 지역별 데이터 제어, 고객 관리 암호화는 프리뷰 단계입니다. Fireworks Sovereign은 비공개 프리뷰에 들어갔으며, Fireworks의 추론 엔진을 고객의 클라우드 환경, 네오클라우드 또는 데이터센터에 제공합니다. 회사는 이 기술이 GPU 1달러당 토큰 처리량을 2배 이상으로 높일 수 있고, 고객 환경에서 이미 25,000개가 넘는 GPU를 관리한다고 밝혔습니다. 추론과 훈련은 고객 환경 안에서 고객의 보안 및 변경 관리 정책에 따라 실행되며, 데이터 상주 위치와 모델 접근 권한도 고객이 관리합니다.