Fireworks AI startet Konferenz Forge mit Ultra-fast auf Nvidia-Blackwell-GPUs

Fireworks startet Forge mit Ultra-fast auf Blackwell-GPUs

Fireworks AI hat seine erste Jahreskonferenz Forge eröffnet und nach eigener Aussage neue Produkte vorgestellt. Sie sollen Unternehmen helfen, aus offenen Modellen eigene Systeme zu bauen, die auf ihr Wissen, ihre Daten und ihre Aufgaben zugeschnitten sind. Belegt ist im vorliegenden Material namentlich nur „Fireworks Ultra-fast“. Das Produkt läuft auf NVIDIA-Blackwell-GPUs und soll zeitkritische Agenten-Workloads beschleunigen. Für Aufgaben, die warten können, nennt Fireworks günstigere Optionen.

Den Bedarf begründet das Unternehmen mit der Arbeitsweise von Agenten. Für eine einzelne Aufgabe rufen sie oft mehrere Modelle auf, und jeder Aufruf verlängert die Wartezeit. Laufen mehr Agenten parallel, wachsen Kapazitätsdruck und Kosten.

Fireworks nennt drei Hürden, die die Produkte angehen sollen. Agenten seien zu langsam. Modelle müssten bei firmenspezifischen Aufgaben besser werden. Und die Infrastruktur müsse Anforderungen an Kosten, Kontrolle und Sicherheit erfüllen.

Offen bleibt, in welchem Status Ultra-fast verfügbar ist: allgemein, als Beta oder als Preview. Ebenso offen sind die Regionen. Der Satz zur Verfügbarkeit ist im Material abgeschnitten. Die übrigen Forge-Produkte sind weder namentlich noch im Funktionsumfang belegt.

Eigene Modelle statt geschlossener Frontier-Labs: Fireworks' Versprechen und offene Prüfpunkte

Fireworks beschreibt den Markt als Entscheidung zwischen zwei Zukünften. Entweder gehört Intelligenz wenigen geschlossenen Frontier-Labs, oder jedes Unternehmen besitzt die Intelligenz, die es auszeichnet. Forge sei für diejenigen gedacht, die die zweite Zukunft bauen. Das ist Selbstdarstellung des Herstellers. Dasselbe gilt für Formulierungen wie „ein Modell, das nur ihr bauen könnt“ oder für die Unabhängigkeit von „closed frontier pricing“.

Die Produktseite nennt drei Wege zu Modellen: „Trained by us“, „From the labs“ und „Trained by you“. Dazu gehören Post-Training offener Modelle auf eigenen Daten sowie das Serving offener und eigener Modelle. Der Betrieb erfolgt auf einer globalen GPU-Flotte oder über „Fireworks on your cloud“. Zugang gibt es per API, SDK, CLI und Konsole. Außerdem nennt Fireworks „Fireworks Nexus“, einen Begleiter für Code und Co-Work. Welche dieser Bausteine auf Forge neu sind, geht aus dem Material nicht hervor.

Als Kundenergebnisse nennt Fireworks selbst zwei Zahlen. Juicebox habe die jährlichen Inferenzkosten um 3,2 Millionen US-Dollar gesenkt. Harvey habe mit „Harvey Tenet“ eine 2- bis 5-fache Kosteneffizienz gegenüber den evaluierten Closed-Modellen erreicht. Beide Angaben sind ungeprüft. Eine unabhängige Überprüfung liegt nicht vor.

Prüfbar wären Vertragsbedingungen, ein möglicher Export der Gewichte und das Eigentum an trainierten Modellen. Hinzu kommen Preislisten im Vergleich zu Closed-Modellen und unabhängige Benchmarks auf Kundenaufgaben.

Fireworks: 2022 gegründet, 17,5 Mrd. Dollar Bewertung, offene Fragen zu Sicherheitsvorfall

Fireworks wurde 2022 von ehemaligen PyTorch-Mitarbeitern bei Meta gegründet. CEO ist Lin Qiao. Im Juli 2026 meldete das Unternehmen eine Series D über 1,5 Milliarden US-Dollar bei 17,5 Milliarden Bewertung. Angeführt wurde sie von Atreides Management, Index Ventures und TCV. Unter anderem war Nvidia beteiligt. Ende 2025 hatte eine Series C über 250 Millionen bei 4 Milliarden stattgefunden.

Laut aimagazine.com verarbeitet Fireworks mehr als 40 Billionen Tokens täglich, 95 Prozent davon aus kundenspezialisierten Modellen. Genannt werden außerdem über 1 Milliarde US-Dollar annualisierter Umsatz und über 200 gehostete Modelle. Es handelt sich um Sekundärangaben.

Business Insider berichtet, Fireworks arbeite die Folgen eines jüngsten Sicherheitsvorfalls auf. Art, Umfang und Zeitpunkt nennt das Material nicht.

Zwei Angaben sind unstimmig. Der Firmensitz wird einmal mit Redwood City, einmal mit San Mateo angegeben. Außerdem meldet AI Wiki die Einstellung von Bildgenerierung und Audio im Juni 2026, während aimagazine.com von Text-, Bild- und multimodalen Modellen spricht. Das Material klärt beides nicht.