Fireworks AI 2026 评测：开源模型推理定价与 Serverless

Fireworks AI（fireworks.ai）是一家 YC 背景的 serverless 推理平台，自称「基于开源 AI 模型构建的最快平台」。它不是自研前沿闭源模型，而是运行 API 社区实际在用的开源权重——DeepSeek V4、Kimi K3、Qwen 3.x、MiniMax M3、GLM 5.x，以及现在的 OpenAI GPT-OSS——跑在专有 FireAttention 推理引擎上，并通过 OpenAI 兼容 API 对外服务。凭借 100+ 模型、按 token 的 serverless 定价、提示缓存和 $1 免费额度，它是自建 vLLM 或经聚合器路由之外的强有力替代方案。完整 4 段对比见 Fireworks AI 厂商页面，或对比 Groq、Together AI、DeepSeek。

Fireworks AI 是什么？2026 年开源模型推理为何重要？

Fireworks AI 的创立是为了解决一个具体痛点：前沿开源模型授权便宜，但跑好很贵。Hugging Face 权重好下载，却常常因为在朴素 vLLM 配置上冷启动慢、批处理差、基础设施昂贵而表现不佳。Fireworks 用一套专为推理打造的栈来攻坚——FireAttention 引擎、内核级优化、模型量化、投机解码——把开源模型延迟推到前沿闭源水平，却无需闭源提供商的 API 加价。结果是你可以把它当作一个开箱即用的 OpenAI 端点：同样的请求格式、同样的 SDK、同样的 SFT 数据格式用于微调，只是指向开源权重、成本更低。

这也是该平台在 2026 年重要的原因。随着 DeepSeek、Qwen（阿里）、Kimi（月之暗面）等厂商不断推出更强的开源权重，团队越来越常问一个问题：能否在不付出 OpenAI 每百万输出 token $3-15 的情况下获得接近前沿的质量？Fireworks 正是少数几家给出肯定回答的提供商之一——与 Groq、Together AI、SambaNova 一样，以企业级速度和可靠性服务这些开源权重。公开的 定价页 和 serverless 定价文档 是本文所有数字的主要来源。

Fireworks AI serverless 定价：热门模型按 token 价格

Fireworks 按 token 计费 serverless 推理，分三个维度——输入、缓存输入、输出——并按工作负载可选 Standard、Priority、Fast 三档服务路径。下表展示 Standard 档价格（美元 / 每百万 token，2026 年 8 月自官方文档核对）：

几点定价要点值得牢记。首先，提示缓存是大杠杆：Fireworks 把缓存输入定得远低于全新输入——DeepSeek V4 Pro 从 $1.74 降到缓存 $0.145（每 1M），约 92% 折扣。长系统提示、few-shot 示例、长多轮上下文会触发缓存，所以重复上下文的负载能大幅砍成本。其次，Priority 档（约 Standard 的 1.25-1.5 倍）和 Fast 档让你只在需要处购买更高吞吐或更低延迟。第三，嵌入从 $0.008 / 1M 输入 token 起（<150M 参数模型），检索负载上也很划算。

按需 GPU 定价与微调：容量和训练侧

除按 token 的 serverless 外，Fireworks 还提供按需 GPU 部署（按 GPU 秒计费）和托管微调。其按需 GPU 列表——2026 年 8 月自公开定价页核对——从 H100 80GB 每小时 $7.00 起，最高到 GB300 288GB 每小时 $18.00。值得注意的是，这些价格 2026 年 9 月 1 日起上涨：H100/H200 从 $7.00 涨到 $8.00，B200 从 $10.00 涨到 $13.00，B300 从 $12.00 涨到 $15.00，GB300 从 $18.00 涨到 $20.00。规划专用容量的团队应在变价前锁定当前价格。区域限定单区域部署另有 1.5 倍加价。

自定义模型方面，Fireworks 支持对最高 1T+ 参数开源模型进行 SFT、偏好（DPO）和强化微调，微调后的模型与基础模型同价服务。监督微调按模型大小每 1M 训练 token 计费：≤16B 参数 $0.50，16.1-80B $3.00（SFT）/ $6.00（DPO），80-300B $6.00 / $12.00，>300B（DeepSeek V3、Kimi K2 级别）$10.00 / $20.00。较新的 Serverless Training API 接入共享、常驻的训练池——只按你 prefill、采样和训练 的 token 计费，无预置、无闲置成本。粗略估算：Qwen 3.5 9B 每 1M prefill $0.66、采样 $1.995、训练 $1.463；Kimi K3 192k 为 $10.87 / $27.11 / $32.55。

开发者体验：为生产而生的 OpenAI 兼容 API

开发者体验是 Fireworks 的隐形强项。API 对推理和微调都 OpenAI 兼容——把 base URL 换成 https://api.fireworks.ai/inference/v1，现有 OpenAI 客户端即可工作，包括函数调用和结构化（JSON）输出。这让迁移对已在 OpenAI 上的团队几乎零改码，也正是 Fireworks 成为开源模型生产流量热门去处的原因。平台核心开发者功能包括：

• 三档服务路径——Standard、Priority、Fast——按工作负载选择价格 vs 延迟，无需换模型。
• 自动提示缓存——缓存输入 token 只按全新输入的一小部分计费，无需开关或配置。
• 自适应速率限制——吞吐配额随你的用量增减，而不是一开始就固定。
• 结构化输出与函数调用——为 agent 和工具工作流提供可靠的 JSON 响应。
• 嵌入与重排序——开源嵌入模型用于检索，重排序模型用于搜索管道。
• 量化与自定义模型——从 Hugging Face 等处上传权重，用量化精度部署以降低成本。

因为 Fireworks 在自己的引擎上运行开源权重，你还能在新开源版本落地当天就用上——包括DeepSeek V4 Pro（0813 构建），直接关联到 2026 年 8 月 DeepSeek V4 模型家族浪潮，详见 DeepSeek V4 Pro 定价 和 DeepSeek V4 Flash API。

Fireworks AI vs. Groq、Together AI、SambaNova

这些竞品从不同角度界定开源模型推理的光谱。Groq 是极端速度选项：其定制 LPU 硬件对支持的模型给出最低延迟，但目录更小、更不灵活。Together AI 以最广的开源模型目录外加托管微调和大社区与之抗衡，按 token 价格相近。SambaNova 聚焦企业级开源模型推理与高吞吐服务。Fireworks 在组合上差异化：通过 FireAttention 在热门开源模型上实现亚秒级 TTFT、激进的提示缓存定价、三档服务路径，以及企业级可靠性的 OpenAI 兼容 API。如果延迟是唯一指标且 Groq 支持你的模型，Groq 胜出；如果需要最宽的模型货架加调参，Together AI 很强；至于跨 DeepSeek、Kimi、Qwen、MiniMax 的成本优化 OpenAI 即插即用，Fireworks 是领先选择。

谁该选 Fireworks AI——谁不该

选 Fireworks 如果：(a) 需要 OpenAI 兼容 API 的生产级开源模型推理且不想自建 vLLM；(b) 重视 DeepSeek V4、Kimi K3、Qwen 3.x 上的亚秒级首 token 延迟和深度提示缓存折扣；(c) 需要微调开源模型并低价服务（无按 token 微调加价）；或 (d) 想以最少改动把代码库从 OpenAI 迁到更便宜的开源模型。跳过它如果：(a) 需要绝对最低延迟且 Groq 支持你的模型；(b) 依赖只有 OpenAI/Anthropic/Google 提供的前沿专有模型（Fireworks 只托管开源权重）；(c) 直接面向中国大陆提供延迟敏感流量——没有中国端点，跨太平洋延迟 150-250ms；(d) 需要永久免费层而非一次性 $1 额度。

区域可用性与延迟

Fireworks 运行全球基础设施。Serverless 推理默认跨四个高层级分组进行多区域部署——GLOBAL、US、EUROPE、APAC——流量就近服务用户并抵御局部故障。按需 GPU 的单区域覆盖 12 个美国站点（亚利桑那、加州、佐治亚、伊利诺伊、爱荷华、俄亥俄、德州、犹他、弗吉尼亚、华盛顿三个区）加上法兰克福和两个冰岛站点（EU）、两个东京区（APAC），配 H100、A100、B200、H200。没有中国大陆直连端点。作为美国平台（Bellevue, WA），大陆直连需代理或中转，跨太平洋首字节延迟通常 150-250ms，而区域提供商约 50-80ms。对延迟敏感的中国市场流量，建议配合海外中转或选择区域端点——东京多区域是最接近的 APAC 选项。与其他推理提供商的对比见 最便宜 LLM API 定价盘点。