फायरवर्क्स एआई डेवलपर्स और एंटरप्राइज टीमों के लिए एक इंफ्रास्ट्रक्चर प्लेटफॉर्म है, जो सर्वर रहित मॉडल एपीआई, ऑन-डिमांड/रिजर्व्ड जीपीयू परिनियोजन, मॉडल फाइन-ट्यूनिंग ओपनएआई संगत कॉल और एंटरप्राइज-स्तरीय क्षमता प्रबंधन को कवर करता है।

फायरवर्क्स एआई का जेनरेटिव एआई अनुमान, होस्टिंग और फाइन-ट्यूनिंग प्लेटफॉर्म का गहन विश्लेषण

मुख्य पैरामीटर और आँकड़े

प्रोजेक्ट	वर्तमान सार्वजनिक सूचना
उत्पाद स्थिति	जेनरेटिव एआई अनुमान, मॉडल होस्टिंग जीपीयू परिनियोजन और मॉडल प्रशिक्षण अवसंरचना मंच
आधिकारिक वेबसाइट	https://fireworks.ai/
मुख्य परिनियोजन प्रपत्र	सर्वर रहित (टोकन द्वारा बिल), ऑन-डिमांड (जीपीयू घंटे द्वारा बिल), आरक्षित (क्षमता आरक्षण), प्रशिक्षण (प्रशिक्षण और फाइन-ट्यूनिंग)
एपीआई अनुकूलता	OpenAI संगत इंटरफेस (/v1/chat/completions, /v1/embeddings, आदि) और एंथ्रोपिक संगत कॉलिंग विधियों का समर्थन करता है
मॉडल कवरेज	ओपन सोर्स एलएलएम (लामा, डीपसीक, जीएलएम, किमी, मिस्ट्रल, क्वेन, आदि), कोड मॉडल (कोडलामा, डीपसीक कोडर), मल्टीमॉडल मॉडल फायरवर्क्स होस्टेड मॉडल
प्रशिक्षण के तरीके	लोरा एसएफटी, लोरा डीपीओ, फुल परम एसएफटी, फुल परम डीपीओ, आरएफटी (रीइन्फोर्समेंट फाइन-ट्यूनिंग)
सेवा स्तर	मानक (साझा कतार), प्राथमिकता (प्राथमिकता कतार, उत्पादन भार के लिए उपयुक्त)
बिलिंग आयाम	सर्वर रहित को इनपुट/आउटपुट टोकन द्वारा बिल किया जाता है, ऑन-डिमांड/रिजर्व को GPU संसाधनों और समय द्वारा बिल किया जाता है, और प्रशिक्षण को टोकन या GPU घंटे द्वारा बिल किया जाता है
उद्यम क्षमताएं	समर्पित तैनाती, बहु-क्षेत्रीय तैनाती की गारंटी क्षमता, उच्च दर सीमा, ट्रस्ट सेंटर अनुपालन समीक्षा
टोकन विलंब (TTFT) का पहला बैच	विशिष्ट मूल्य का खुलासा नहीं किया गया है; आधिकारिक प्रचार "सबसे तेज़ अनुमान" स्थिति है, वास्तविक टीटीएफटी मॉडल और परिनियोजन फॉर्म के आधार पर भिन्न होता है, आधिकारिक वास्तविक समय पृष्ठ और वास्तविक माप को देखने की अनुशंसा की जाती है
थ्रूपुट सीमा (टीपीएम/आरपीएम)	अज्ञात एकीकृत मूल्य; मानक और प्राथमिकता स्तरों की अलग-अलग दर सीमाएँ होती हैं, और उद्यम आरक्षित क्षमता उच्च कोटा पर बातचीत कर सकती है

फायरवर्क्स एआई का मुख्य मूल्य एकल चैट इंटरफ़ेस प्रदान करना नहीं है, बल्कि मॉडल अनुमान, होस्टिंग, फाइन-ट्यूनिंग और क्षमता खरीद को एक बुनियादी ढांचे की परत में केंद्रीकृत करना है जिसे डेवलपर्स कॉल कर सकते हैं। इंजीनियरिंग टीम के लिए, यह एक "मॉडल रनिंग प्लेटफ़ॉर्म" की तरह है: आप मॉडलों का त्वरित परीक्षण करने के लिए सर्वर रहित एपीआई का उपयोग कर सकते हैं, और ट्रैफ़िक स्थिर होने के बाद, आप अधिक नियंत्रणीय थ्रूपुट, विलंबता और क्षमता प्राप्त करने के लिए ऑन-डिमांड या आरक्षित संसाधनों पर स्विच कर सकते हैं। सीधे अपने स्वयं के अनुमान क्लस्टर के निर्माण की तुलना में, फायरवर्क्स का लक्ष्य मॉडल लॉन्च गति, संचालन और रखरखाव जटिलता और लागत लचीलेपन के बीच एक परिचालन विकल्प प्रणाली प्रदान करना है।

पोजीशनिंग सीमाएं: फायरवर्क्स एआई एक आरएजी फ्रेमवर्क एजेंट ऑर्केस्ट्रेशन टूल या टर्मिनल राइटिंग टूल नहीं है। यह उन टीमों के लिए उपयुक्त है जिनके पास मॉडल के ऑनलाइन होने के बाद अनुमान की गति, क्षमता, लागत, फाइन-ट्यूनिंग और मॉडल चयन की समस्याओं को हल करने के लिए पहले से ही एआई उत्पाद, कोड सहायक, डेटा विश्लेषण सहायक या एंटरप्राइज़ मॉडल एप्लिकेशन हैं। एपीआई एकीकरण क्षमताओं के बिना शुद्ध प्रॉम्प्ट वर्ड उपयोगकर्ताओं या टीमों के लिए इसे सीधे उपयोग करने की अनुशंसा नहीं की जाती है।

उपयोगकर्ता और बाज़ार की पहचान

डेवलपर एडॉप्शन सिग्नल: फायरवर्क्स मॉडल कैटलॉग एपीआई दस्तावेज़, मूल्य पृष्ठ और ब्लॉग अपडेट प्रदान करता है, और डेवलपर्स सीधे मॉडल आईडी, परिनियोजन फॉर्म और एपीआई संगत इंटरफेस तक पहुंच सकते हैं। इसके मॉडल पेज और ब्लॉग से पता चलता है कि GLM 5.2, किमी K2.7 कोड और डीपसीक सीरीज़ जैसे मॉडल लॉन्च के एक ही सप्ताह या दिन के भीतर प्लेटफ़ॉर्म पर लॉन्च किए गए थे, जो दर्शाता है कि फायरवर्क्स के पास नए मॉडल लॉन्च या तेजी से लॉन्च के मामले में एक स्पष्ट उत्पाद लय है। यह "दिन-0 समर्थन" रणनीति एआई टीमों के लिए आकर्षक है जिन्हें मॉडल पुनरावृत्तियों के साथ बने रहने की आवश्यकता है।

उद्यम अपनाने के संकेत: आधिकारिक पृष्ठ समर्पित तैनाती, आरक्षित क्षमता, बहु-क्षेत्र और ट्रस्ट सेंटर जैसी उद्यम-स्तरीय क्षमताओं को प्रदर्शित करता है। ये क्षमताएं आमतौर पर स्थिर क्षमता, उपलब्धता, डेटा सीमाओं और अनुपालन समीक्षाओं के लिए उत्पादन वातावरण की आवश्यकताओं के अनुरूप होती हैं। उनका यह भी मतलब है कि फायरवर्क्स एआई का व्यावसायीकरण फोकस केवल कम कीमत वाले एपीआई नहीं है, बल्कि "मॉडल ऑनलाइन होने के बाद ऑपरेशन की गारंटी" है। एंटरप्राइज़-स्तरीय फ़ंक्शंस के अस्तित्व का अर्थ यह भी है कि इसके ग्राहक आधार के एक बड़े हिस्से को प्रोटोटाइप सत्यापन चरण में रहने के बजाय पहले से ही उत्पादन-स्तर की तैनाती की आवश्यकता है।

पारिस्थितिकी तुलनात्मक स्थिति: तेज़ अनुमान एपीआई ट्रैक पर, फायरवर्क्स के प्रत्यक्ष प्रतिस्पर्धियों में ग्रोक (अपने एलपीयू हार्डवेयर त्वरण के लिए जाना जाता है), टुगेदर एआई (ओपन सोर्स मॉडल होस्टिंग और प्रशिक्षण पर जोर) और रेप्लिकेट (अपने समुदाय और उपयोग में आसानी के लिए जाना जाता है) शामिल हैं। फायरवर्क्स की विशिष्टता सर्वर रहित से आरक्षित तक चार स्तरीय तैनाती फॉर्म प्रदान करने और मॉडल लॉन्च की गति में संसाधनों का निवेश करने में निहित है। हालाँकि, एपीआई कॉल की विशिष्ट बाज़ार हिस्सेदारी और भुगतान करने वाले ग्राहकों की संख्या जैसे ठोस डेटा को सार्वजनिक नहीं किया गया है। GitHub चर्चाओं की लोकप्रियता, तीसरे पक्ष की सूची में शामिल होने की आवृत्ति और सामुदायिक प्रतिष्ठा के आधार पर बाजार की स्थिति को व्यापक रूप से आंका जाना चाहिए।

आयामों की तुलना करें	आतिशबाजी एआई	ग्रोक	एक साथ एआई	दोहराएँ
कोर भेदभाव	चार-परत परिनियोजन फॉर्म + डे-0 मॉडल समर्थन	एलपीयू अनुकूलित हार्डवेयर, बेहद कम टीटीएफटी	ओपन सोर्स मॉडल प्रशिक्षण + अनुमान मंच	सामुदायिक पारिस्थितिकी + एक-क्लिक परिनियोजन
सर्वर रहित एपीआई	✅ मानक/प्राथमिकता दो स्तर	✅ एकल कतार	✅ मानक / प्रीमियम	✅ दूसरे द्वारा बिल किया गया
मॉडल फाइन-ट्यूनिंग	✅ लोरा / पूर्ण परम / आरएफटी	❌ अप्रकाशित	✅ लोरा / पूर्ण परम	✅ लोरा (सीमित)
आरक्षित क्षमता	✅ समर्पित/आरक्षित	❌	✅ आरक्षित	❌
प्रति सेकंड क्वेरी सीमा	अघोषित, स्तर के अनुसार परिवर्तन	सार्वजनिक रूप से उच्च थ्रूपुट (हार्डवेयर लाभ) घोषित	अज्ञात	अज्ञात
नए मॉडल लॉन्च की गति	दिन-0/चालू सप्ताह	चयनात्मक समर्थन	चालू सप्ताह से चालू माह तक	सामुदायिक अपलोड, लेकिन आधिकारिक स्क्रीनिंग
कॉर्पोरेट अनुपालन (ट्रस्ट सेंटर)	✅	❌अघोषित	✅SOC2	❌अघोषित

लागत लाभ

मल्टी-लेयर लागत संरचना का आवश्यक अर्थ: फायरवर्क्स एआई का लागत नियंत्रण तर्क "सब कुछ सस्ता है" नहीं है, बल्कि "विभिन्न चरणों में विभिन्न लागत रूपों का उपयोग करना" है। प्रतिस्पर्धी उत्पादों के साथ तुलना करते समय, आपको न केवल सर्वर रहित टोकन की इकाई कीमत को देखना चाहिए, बल्कि यह भी देखना चाहिए कि टीम किस स्तर पर है और किस स्तर की सेवा गारंटी की आवश्यकता है।

उपयोग स्तर	सार्वजनिक बिलिंग	लागत निहितार्थ	विशिष्ट मासिक लागत (व्युत्पत्ति)
व्यक्तिगत/प्रोटोटाइप सत्यापन	सर्वर रहित मानक, टोकन द्वारा बिल किया गया	GPU को आरक्षित करने की कोई आवश्यकता नहीं है, प्रति दिन औसतन एक हजार से कम कॉल वाले प्रयोगात्मक परिदृश्यों के लिए उपयुक्त	$10-$200/माह (मॉडल आकार और कॉल वॉल्यूम के आधार पर)
डेवलपर/एपीआई एकीकरण	सर्वर रहित प्राथमिकता, टोकन द्वारा बिल किया गया	प्राथमिकता कतार पूंछ विलंबता को कम करती है, बी-साइड ऑनलाइन अनुप्रयोगों के लिए उपयुक्त	$200-$2,000/माह
मॉडल फ़ाइन-ट्यूनिंग (हल्का)	लोरा एसएफटी/डीपीओ, प्रशिक्षण टोकन द्वारा बिल किया गया	व्यवसाय डेटा अनुकूलन, लागत डेटा सेट आकार और प्रशिक्षण दौर पर निर्भर करती है	$500-$5,000/समय (कटौती)
मॉडल फाइन-ट्यूनिंग (गहराई)	पूर्ण परम एसएफटी/डीपीओ/आरएफटी, जीपीयू घंटे द्वारा बिल किया गया	बड़े पैरामीटर अपडेट, अधिक GPU संसाधनों की आवश्यकता	$2,000-$20,000/समय (कटौती)
उत्पादन परिनियोजन (स्थिर भार)	ऑन-डिमांड जीपीयू, जीपीयू घंटे द्वारा बिल किया गया	समर्पित उदाहरण, प्रति दिन लाखों टोकन कॉल के साथ ऑनलाइन सेवाओं के लिए उपयुक्त	$2,000-$20,000/माह (कटौती)
उद्यम स्तर (उच्च थ्रूपुट + एसएलए)	आरक्षित क्षमता + समर्पित तैनाती	क्षमता लॉक, बहु-क्षेत्र, समर्पित समर्थन, अनुबंध उद्धरण आवश्यक	अनुबंध के अधीन

फायरवर्क्स एआई का लागत लाभ "चरणों के अनुसार विभिन्न संसाधन रूपों का चयन" से आता है: प्रोटोटाइप अवधि के दौरान जीपीयू प्रबंधन लागत को कम करने के लिए सर्वरलेस का उपयोग किया जाता है; ऑन-डिमांड का उपयोग विकास अवधि के दौरान स्थिर ट्रैफ़िक को संभालने के लिए किया जाता है; क्षमता निश्चितता प्राप्त करने के लिए महत्वपूर्ण उत्पादन लिंक के लिए आरक्षित या समर्पित तैनाती का उपयोग किया जाता है। सीधे अपने स्वयं के अनुमान क्लस्टर के निर्माण की तुलना में, यह मॉडल ऑनलाइन, विस्तार, बिलिंग और रखरखाव के इंजीनियरिंग बोझ को कम कर सकता है।

ध्यान दें: सर्वर रहित टोकन की कम इकाई कीमत का मतलब यह नहीं है कि कुल लागत कम होनी चाहिए। लंबे संदर्भ (32K-128K+ टोकन), कोड जनरेशन (बहुत सारे आउटपुट टोकन), बातचीत के कई दौर (संदर्भों को जमा करना), पुनः प्रयास रणनीतियाँ, और लॉग प्रतिधारण सभी अंतिम बिल पर महत्वपूर्ण प्रभाव डाल सकते हैं। वास्तविक खरीद से पहले, वास्तविक अनुरोध मात्रा, इनपुट-आउटपुट टोकन अनुपात, चरम संगामिति और लक्ष्य विलंबता के आधार पर तनाव परीक्षण किया जाना चाहिए, और विभिन्न तैनाती रूपों के तहत टीसीओ (स्वामित्व की कुल लागत) की तुलना की जानी चाहिए।

मुख्य कार्य

• सर्वर रहित मॉडल एपीआई: ओपनएआई संगत इंटरफेस जैसे /v1/chat/completions के माध्यम से दर्जनों ओपन सोर्स एलएलएम और मल्टी-मोडल मॉडल को कॉल करें, जो दो सेवा स्तरों का समर्थन करता है: मानक (साझा कतार) और प्राथमिकता (प्राथमिकता कतार)। प्राथमिकता मोड उन उत्पादन परिदृश्यों के लिए उपयुक्त है जो पूंछ विलंब के प्रति संवेदनशील हैं, लेकिन टोकन की इकाई कीमत मानक से अधिक है।

• ओपनएआई / एंथ्रोपिक संगत इंटरफ़ेस: फायरवर्क्स सर्वरलेस एपीआई को एंथ्रोपिक-संगत कॉलिंग पथ प्रदान करते हुए ओपनएआई के संदेश प्रारूपों (संदेश, भूमिका, सामग्री, टूल्स/फ़ंक्शंस) के साथ संरेखित करने के लिए डिज़ाइन किया गया है। इसका मतलब यह है कि जिन अनुप्रयोगों में ओपनएआई एसडीके एकीकृत है, वे अधिकांश कॉलिंग कोड को बनाए रखते हुए मॉडल बैकएंड को फायरवर्क्स पर इंगित कर सकते हैं। माइग्रेशन लागत एपीआई कुंजी प्रतिस्थापन और पैरामीटर अनुकूलन की एक छोटी संख्या पर केंद्रित है।

• ऑन-डिमांड जीपीयू परिनियोजन: उन मॉडल सेवाओं के लिए समर्पित जीपीयू इंस्टेंस तैनात करें जिनके लिए स्थिर अनुमान संसाधनों की आवश्यकता होती है, और जीपीयू घंटे या जीपीयू सेकंड द्वारा बिलिंग का समर्थन करते हैं। यह सर्वर रहित मोड में होने वाले संसाधन विवाद और कोल्ड स्टार्ट देरी से बचने के लिए ऑनलाइन एप्लिकेशन, बैच प्रोसेसिंग कार्यों और निश्चित व्यावसायिक लिंक के लिए उपयुक्त है।

• आरक्षित क्षमता प्रबंधन: निरंतर उच्च थ्रूपुट परिदृश्यों (औसत दैनिक लाखों + टोकन कॉल) के लिए, यह उद्यमों को विशिष्ट जीपीयू क्षमता को लॉक करने और अधिक नियतात्मक विलंबता प्रदर्शन और थ्रूपुट ऊपरी सीमा प्राप्त करने में मदद करता है। आरक्षित खरीद के लिए आमतौर पर बिक्री टीम के साथ क्षमता विनिर्देशों और अनुबंध अवधि के अग्रिम संचार की आवश्यकता होती है।

• मॉडल फाइन-ट्यूनिंग और प्रशिक्षण: लोरा एसएफटी, लोरा डीपीओ, फुल परम एसएफटी, फुल परम डीपीओ और आरएफटी (रीइन्फोर्समेंट फाइन-ट्यूनिंग) मार्गों को कवर करता है। लोआरए मार्ग हल्के अनुकूलन के लिए उपयुक्त है (डेटा वॉल्यूम हजारों से 10,000 स्तरों तक है), पूर्ण परम मार्ग अधिक गहन मॉडल परिवर्तन के लिए उपयुक्त है (डेटा वॉल्यूम 10,000 से 100,000 स्तरों तक है), और आरएफटी सुदृढीकरण सीखने के माध्यम से विशिष्ट कार्यों पर मॉडल के प्रदर्शन को अनुकूलित करने के लिए उपयुक्त है।

• प्रशिक्षण पूर्वावलोकन प्रशिक्षण क्षमताएं: आधिकारिक प्रशिक्षण पूर्वावलोकन पृष्ठ फायरवर्क्स प्लेटफॉर्म पर अत्याधुनिक मॉडलों को प्रशिक्षित और अनुकूलित करने की क्षमता प्रदर्शित करता है। इसका मूल्य प्रशिक्षण, फाइन-ट्यूनिंग और अनुमान को एक ही प्रबंधन प्रवेश द्वार पर रखने, मल्टी-प्लेटफॉर्म डेटा प्रवाह और इंजीनियरिंग अनुकूलन लागत को कम करने में निहित है।

• उद्यम-स्तरीय प्रशासन और अनुपालन: ट्रस्ट सेंटर समर्पित तैनाती के माध्यम से सुरक्षा समीक्षा और अनुपालन दस्तावेज प्रदान करें, बड़ी क्षमता की जरूरतों को पूरा करने के लिए संसाधन अलगाव बहु-क्षेत्र समर्थन क्षेत्रीय डेटा रेजिडेंसी उच्च कोटा सुनिश्चित करें। ये क्षमताएं कॉर्पोरेट क्रय निर्णयों में प्रमुख मूल्यांकन आइटम हैं।

कार्यात्मक तालमेल: उपरोक्त विशेषताएं अलग-अलग मौजूद नहीं हैं। एक विशिष्ट वर्कफ़्लो है: कई मॉडलों की तुलना करने के लिए सर्वर रहित एपीआई का उपयोग करें → मूल मॉडल का चयन करें और व्यवसाय अनुकूलन के लिए प्रशिक्षण या फाइन-ट्यूनिंग क्षमताओं का उपयोग करें → फाइन-ट्यून किए गए मॉडल को तैनात करने के लिए ऑन-डिमांड का उपयोग करें → ट्रैफ़िक बढ़ने के बाद आरक्षित क्षमता गारंटी एसएलए में अपग्रेड करें। फायरवर्क्स इन तीन संरचित प्रवेश द्वारों को एक ही प्लेटफ़ॉर्म और एक ही बिलिंग सिस्टम पर केंद्रित करता है, जिससे क्रॉस-प्लेटफ़ॉर्म स्विचिंग, डेटा माइग्रेशन और अनुमति प्रबंधन के कारण छिपी हुई इंजीनियरिंग लागत कम हो जाती है।

मॉडल और संस्करण विकास

नोड	दिनांक	प्रमुख परिवर्तन	प्रभाव का दायरा
प्रशिक्षण पूर्वावलोकन	~2026	आधिकारिक परिचय आतिशबाजी प्रशिक्षण पूर्वावलोकन, मंच पर अत्याधुनिक मॉडलों को प्रशिक्षित और अनुकूलित करने के लिए उपयोग किया जाता है	प्लेटफ़ॉर्म क्षमताएं अनुमान से लेकर प्रशिक्षण तक विस्तारित होती हैं
किमी K2.7 कोड	2026-06-12	आधिकारिक ब्लॉग ने आतिशबाजी पर किमी K2.7 कोड पेश किया है, जिसमें अनुमान टोकन और कोड मॉडल के सर्वर रहित कॉलिंग तरीकों के उपयोग पर जोर दिया गया है। मॉडल निर्देशिका में कोड-विशिष्ट मॉडल जोड़ें
जीएलएम 5.2	2026-06	फायरवर्क्स मॉडल पेज डिस्प्ले जीएलएम 5.2 सर्वर रहित कॉल प्रवेश द्वार में प्रवेश करता है, जो लंबे संदर्भ और कोडिंग परिदृश्य क्षमताओं को प्रदान करता है	मॉडल निर्देशिका को चीनी पारिस्थितिक मॉडल तक विस्तारित किया गया है
प्रीपेड बिलिंग	2026-07-01	आधिकारिक बिलिंग माइग्रेशन घोषणा बताती है कि प्लेटफ़ॉर्म ने प्रीपेड बिलिंग और बैलेंस प्रबंधन मोड में प्रवेश कर लिया है बिलिंग प्रणाली प्रीपेड में स्थानांतरित हो जाती है, जिससे शेष प्रबंधन और उपयोग नियंत्रण प्रभावित होता है
डीपसीक श्रृंखला लॉन्च की गई	~2025–2026	फायरवर्क्स डीपसीक मॉडल के विभिन्न संस्करणों के लॉन्च को ट्रैक करना जारी रखता है	मॉडल निर्देशिका में कोड और अनुमान ओपन सोर्स मॉडल शामिल हैं

फायरवर्क्स एआई के विकास की मुख्य पंक्ति "अनुमान एपीआई" से "मॉडल रनिंग प्लेटफॉर्म" तक है। प्रारंभिक मूल्य सर्वर रहित अनुमान और मॉडल कैटलॉग पर केंद्रित है; बाद में, ऑन-डिमांड, आरक्षित और समर्पित तैनाती के माध्यम से उत्पादन क्षमता का विस्तार किया जाता है; और मॉडल अनुकूलन को प्रशिक्षण पूर्वावलोकन और फाइन-ट्यूनिंग मूल्य निर्धारण पृष्ठों के माध्यम से एक ही मंच में शामिल किया गया है। संस्करण लय के परिप्रेक्ष्य से, फायरवर्क्स "मॉडल लॉन्च फॉलो-अप + बुनियादी ढांचे में सुधार" की एक स्पष्ट दो-पंक्ति समानांतर रणनीति प्रस्तुत करता है।

संस्करण कैलिबर: फायरवर्क्स एआई एक निरंतर चलने वाली क्लाउड सेवा है और इसमें डेस्कटॉप सॉफ़्टवेयर की तरह कोई निश्चित संस्करण संख्या नहीं है। यह आलेख आधिकारिक ब्लॉग, मॉडल पेज और बिलिंग माइग्रेशन घोषणा को ऐतिहासिक नोड रिकॉर्ड के रूप में उपयोग करता है। विशिष्ट फ़ंक्शन ऑनलाइन स्थिति आधिकारिक वास्तविक समय पृष्ठ के अधीन है।

तकनीकी लाभ

अनुमान अवसंरचना और विलंबता अनुकूलन: आतिशबाजी के तकनीकी लाभ सबसे पहले मॉडल सेवा परत के स्तरित डिजाइन में परिलक्षित होते हैं। सर्वर रहित पोर्टल एक स्वचालित विस्तार और संकुचन आर्किटेक्चर को अपनाता है, जो स्पष्ट ट्रैफ़िक उतार-चढ़ाव वाले परिदृश्यों के लिए उपयुक्त है; ऑन-डिमांड/आरक्षित फॉर्म एक निश्चित संसाधन पूल का उपयोग करता है, जो उत्पादन भार और क्षमता निश्चितता के लिए उपयुक्त है। इस स्तरित डिज़ाइन का लाभ यह है कि टीमें आपूर्तिकर्ताओं को बदलने या अपनी स्वयं की शेड्यूलिंग मध्य परत बनाने की आवश्यकता के बिना एक ही प्लेटफ़ॉर्म पर विभिन्न ट्रैफ़िक विशेषताओं वाले अनुप्रयोगों के लिए विभिन्न परिनियोजन रणनीतियों का उपयोग कर सकती हैं।

ओपनएआई अनुकूलता का इंजीनियरिंग मूल्य: अधिकारी इस बात पर जोर देते हैं कि ओपनएआई और एंथ्रोपिक कॉलिंग पद्धति के साथ संगत हैं। यह न केवल कार्यों की एक सूची है, बल्कि इससे भी महत्वपूर्ण बात यह है कि यह विक्रेता लॉक-इन के जोखिम को कम करता है। जिन एप्लिकेशन में पहले से ही OpenAI SDK एकीकरण है, वे base_url को फायरवर्क्स एंडपॉइंट पर स्विच कर सकते हैं, और बाकी कोड लगभग अपरिवर्तित रहता है। यह अनुकूलता मल्टी-मॉडल मूल्यांकन और विक्रेता स्विचिंग के लिए "शून्य माइग्रेशन लागत" के लिए एक महत्वपूर्ण शर्त है।

प्रशिक्षण और अनुमान के बीच बंद लिंक: फायरवर्क्स न केवल मॉडल कॉलिंग प्रदान करता है, बल्कि फाइन-ट्यूनिंग और प्रशिक्षण बिलिंग प्रवेश द्वार भी प्रदान करता है। टीम पहले बुनियादी मॉडल की तुलना करने के लिए सर्वरलेस का उपयोग कर सकती है, फिर व्यवसाय अनुकूलन के लिए प्रशिक्षण क्षमताओं का उपयोग कर सकती है, और अंत में इसे ऑन-डिमांड या रिजर्व्ड के माध्यम से एक स्थिर उत्पादन फॉर्म में तैनात कर सकती है। यह कनेक्शन प्रशिक्षण परिणामों और अनुमान परिनियोजन के बीच इंजीनियरिंग घर्षण को कम करता है - प्रशिक्षित मॉडल वजन को डाउनलोड करने और फिर अपलोड करने की आवश्यकता नहीं होती है, लेकिन प्लेटफ़ॉर्म के भीतर परिवर्तित और ऑनलाइन होते हैं।

अनुकूलन सीमा (नियम बी अनिवार्य):

• सर्वश्रेष्ठ: संरचित आउटपुट (JSON मोड), कोड जनरेशन, मल्टी-राउंड संवाद, बैच वर्गीकरण और एनोटेशन, उत्पादन-स्तरीय अनुमान सेवाएं जिनके लिए OpenAI संगत इंटरफेस की आवश्यकता होती है।
• उच्च/उच्च लागत पर अच्छा नहीं: बहुत लंबे संदर्भों के साथ भूमिका-निभाने वाली बातचीत (128K+) (टोकन की खपत अनियंत्रित है), उच्च समवर्ती वास्तविक समय भाषण तर्क (गैर-समर्पित भाषण मॉडल), ऐसे परिदृश्य जिनके लिए पूरी तरह से ऑफ़लाइन या निजी वीपीसी परिनियोजन की आवश्यकता होती है (फायरवर्क्स एक बहु-किरायेदार SaaS वास्तुकला है, और हालांकि यह समर्पित परिनियोजन का समर्थन करता है, फिर भी यह पूरी तरह से अलग निजीकृत परिनियोजन से अलग है)।

प्रदर्शन और थ्रूपुट (नियम बी अनिवार्य): फायरवर्क्स एकीकृत टीटीएफटी और टीपीएम/आरपीएम बेंचमार्क नंबर प्रकाशित नहीं करता है। उत्पाद स्थिति के दृष्टिकोण से, प्राथमिकता कतार की अंतिम विलंबता मानक कतार की तुलना में काफी कम होनी चाहिए, लेकिन विशिष्ट संख्या को आधिकारिक वास्तविक समय पृष्ठ या स्व-तनाव परीक्षण से निर्धारित करने की आवश्यकता है। एंटरप्राइज़ आरक्षित ग्राहक उच्च दर सीमा और क्षमता गारंटी पर बातचीत कर सकते हैं।

कैसे उपयोग करें

प्रवेश	उपयुक्त वस्तुएँ	प्रमुख कार्य
आधिकारिक वेबसाइट और मॉडल सूची	उत्पाद प्रबंधक, तकनीकी मूल्यांकनकर्ता	उपलब्ध मॉडल, मूल्य निर्धारण पृष्ठ, क्षमता विवरण ब्राउज़ करें और मूल्यांकन का दायरा निर्धारित करें
सर्वर रहित एपीआई	बैकएंड इंजीनियर एआई एप्लीकेशन डेवलपर	खाता पंजीकृत करें → एपीआई कुंजी प्राप्त करें → ओपनएआई संगत एसडीके के माध्यम से कॉल मॉडल
ऑन-डिमांड परिनियोजन	प्लेटफार्म इंजीनियरिंग एमएलओपीएस टीम	कंसोल में परिनियोजन बनाएँ → मॉडल और GPU विनिर्देश निर्दिष्ट करें → समर्पित समापन बिंदु प्राप्त करें
प्रशिक्षण/फाइन-ट्यूनिंग	एमएल इंजीनियर	प्रशिक्षण डेटा सेट तैयार करें → प्रशिक्षण मार्ग चुनें (लोआरए/पूर्ण परम/आरएफटी) → प्रशिक्षण कार्य प्रारंभ करें
उद्यम / आरक्षित	एंटरप्राइज प्रोक्योरमेंट और प्लेटफ़ॉर्म टीम	बिक्री से संपर्क करें → क्षमता, क्षेत्रीय एसएलए, अनुपालन और समर्थन स्तर की पुष्टि करें

विशिष्ट पहुंच पथ: एक फायरवर्क खाता पंजीकृत करें → मॉडल निर्देशिका में लक्ष्य मॉडल का चयन करें → प्रभाव को सत्यापित करने के लिए कर्ल या ओपनएआई पायथन एसडीके के माध्यम से सर्वर रहित एपीआई को कॉल करें → वास्तविक ट्रैफ़िक के साथ देरी, गुणवत्ता और लागत का परीक्षण करें → सेवा स्थिर होने के बाद ऑन-डिमांड या आरक्षित तैनाती का मूल्यांकन करें → यदि मूल मॉडल जरूरतों को पूरा नहीं करता है, तो फाइन-ट्यूनिंग और प्रशिक्षण प्रक्रिया दर्ज करें।

एपीआई कॉल उदाहरण (नियम बी अनिवार्य - ओपनएआई संगत विधि):

कर्ल https://api.fireworks.ai/inference/v1/chat/completions \
  -एच "प्राधिकरण: वाहक <YOUR_FIREWORKS_API_KEY>" \
  -एच "सामग्री-प्रकार: एप्लिकेशन/जेसन" \
  -डी '{
    "मॉडल": "खाते/आतिशबाज़ी/मॉडल/llama-v3p3-70b-निर्देश",
    "संदेश": [{"भूमिका": "उपयोगकर्ता", "सामग्री": "मॉडल अनुमान अनुकूलन क्या है?"}],
    "तापमान": 0.7,
    "max_tokens": 1024,
    "धारा": सत्य,
    "प्रतिक्रिया_प्रारूप": {"प्रकार": "पाठ"}
  }'

आयात openai
क्लाइंट = openai.OpenAI(
    बेस_यूआरएल = "https://api.fireworks.ai/inference/v1",
    api_key='<YOUR_FIREWORKS_API_KEY>'
)
प्रतिक्रिया = client.chat.completions.create(
    मॉडल = "खाते/आतिशबाजी/मॉडल/llama-v3p3-70b-निर्देश",
    messages=[{"भूमिका": "उपयोगकर्ता", "सामग्री": "मॉडल अनुमान अनुकूलन क्या है?"}],
    तापमान=0.7,
    max_tokens=1024,
    धारा=सत्य
)
प्रतिक्रिया में खंड के लिए:
    यदि खंड.विकल्प[0].डेल्टा.सामग्री:
        प्रिंट(चंक.चॉइस[0].डेल्टा.कंटेंट, एंड='')

मॉडल आईडी आधिकारिक मॉडल निर्देशिका के अधीन है। उपरोक्त खाते/आतिशबाज़ी/मॉडल/llama-v3p3-70b-instruct एक उदाहरण आईडी है। एपीआई कुंजियाँ फायरवर्क्स कंसोल में उत्पन्न होती हैं।

कार्यान्वयन सुझाव: उत्पादन लिंक में फायरवर्क्स एआई को शामिल करने से पहले, विलंबता (टीटीएफटी और टीपीओटी), आउटपुट गुणवत्ता, विफलता पुनः प्रयास रणनीति, लागत निगरानी और सुरक्षा रणनीति को कवर करते हुए एक निश्चित मूल्यांकन सेट स्थापित करने की सिफारिश की जाती है। केवल इस तरह से हम यह निर्धारित कर सकते हैं कि सर्वर रहित का उपयोग जारी रखना है या ऑन-डिमांड या आरक्षित मोड पर स्विच करना है।

उत्पाद का मूल्य निर्धारण

बिलिंग आइटम	बिलिंग कैलिबर	सेवा स्तर	लागू पैमाना
सर्वर रहित अनुमान मानक	इनपुट/आउटपुट टोकन द्वारा बिल किया गया	साझा कतार, क्षमता की कोई गारंटी नहीं	प्रोटोटाइप सत्यापन, कम-ट्रैफ़िक अनुप्रयोग
सर्वर रहित अनुमान प्राथमिकता	इनपुट/आउटपुट टोकन द्वारा बिल किया गया (यूनिट मूल्य मानक से अधिक है)	प्राथमिकता कतार, पूंछ विलंब को कम करना	बी-साइड ऑनलाइन आवेदन
फाइन-ट्यून्ड मॉडल सर्विंग	परिष्कृत मॉडल के अनुमान टोकन या परिनियोजन संसाधनों के आधार पर बिलिंग	सुव्यवस्थित मॉडल की आवश्यकता है	बिजनेस कस्टम मॉडल ऑनलाइन
लोरा एसएफटी / लोरा डीपीओ	प्रशिक्षण टोकन द्वारा बिलिंग	जीपीयू साझाकरण	हल्के अनुकूलन, वरीयता अनुकूलन
पूर्ण परम एसएफटी / पूर्ण परम डीपीओ	प्रशिक्षण टोकन द्वारा बिलिंग	GPU साझा या अनन्य	गहन मॉडल परिवर्तन
आरएफटी (सुदृढीकरण फाइन-ट्यूनिंग)	GPU घंटे द्वारा बिल किया गया	जीपीयू एक्सक्लूसिव	सुदृढीकरण शिक्षण कार्य अनुकूलन
ऑन-डिमांड जीपीयू परिनियोजन	GPU घंटे या GPU सेकंड द्वारा बिलिंग	समर्पित उदाहरण	स्थिर ऑनलाइन सेवा, बैच प्रोसेसिंग
आरक्षित क्षमता	अनुबंध पर आधारित उद्धरण	क्षमता लॉक + एसएलए	उच्च थ्रूपुट, उद्यम उत्पादन सीमित है

फायरवर्क्स एआई की कीमत का मूल्यांकन "मॉडल + अनुरोध मात्रा + तैनाती फॉर्म + प्रशिक्षण मार्ग" के चार आयामों के आधार पर किया जाना चाहिए। सर्वर रहित अनिश्चित ट्रैफ़िक और शीघ्र सत्यापन के लिए उपयुक्त है; ऑन-डिमांड स्थिर लोड के लिए उपयुक्त है; रिज़र्व उच्च थ्रूपुट और सख्त एसएलए परिदृश्यों के लिए उपयुक्त है; प्रशिक्षण लागत डेटा आकार, प्रशिक्षण मार्ग और GPU उपयोग समय पर निर्भर करती है। प्रीपेड बिलिंग माइग्रेशन (2026-07) के बाद, शेष प्रबंधन और उपयोग की निगरानी अधिक एकीकृत हो जाएगी।

खरीद अनुस्मारक: यदि टीम के पास निश्चित शिखर, स्पष्ट एसएलए या क्षेत्रीय अनुपालन आवश्यकताएं हैं, तो उसे न केवल टोकन इकाई मूल्य को देखना चाहिए, बल्कि टीसीओ में क्षमता गारंटी, त्रुटि दर, पुनः प्रयास लागत, लॉग ऑडिट और आपूर्तिकर्ता समर्थन भी शामिल करना चाहिए। विलंब वितरण, त्रुटि दर, बिलिंग रुझान और विकास और प्रवासन लागत को देखते हुए, वास्तविक व्यावसायिक ट्रैफ़िक का उपयोग करके कम से कम 2 सप्ताह तक तनाव परीक्षण करने की अनुशंसा की जाती है।

अनुप्रयोग परिदृश्य

• एआई एप्लिकेशन बैक-एंड रीजनिंग: चैट सहायकों, ज्ञान प्रश्नोत्तर, कोड सहायकों और डेटा विश्लेषण सहायकों के लिए मॉडल रीजनिंग एपीआई प्रदान करता है। प्राथमिकता सेवा स्तर के माध्यम से टेल विलंबता की गारंटी दें, और ऑन-डिमांड या आरक्षित तैनाती के माध्यम से स्थिर ट्रैफ़िक ले जाएं।

• मल्टी-मॉडल मूल्यांकन और प्रोजेक्ट स्विचिंग: एक ही ओपनएपीआई संगत इंटरफ़ेस सिस्टम के तहत लामा, डीपसीक, जीएलएम, किमी और अन्य मॉडलों की गुणवत्ता, विलंबता और लागत की तुलना करें। फायरवर्क्स की मॉडल निर्देशिका मॉडल आईडी के तेजी से स्विचिंग का समर्थन करती है, जिससे मल्टी-मॉडल मूल्यांकन के इंजीनियरिंग ओवरहेड को कम किया जा सकता है।

• एंटरप्राइज़ मॉडल परिनियोजन और क्षमता प्रबंधन: स्व-निर्मित जीपीयू क्लस्टर के कारण होने वाले हार्डवेयर खरीद, संचालन और रखरखाव और क्षमता विस्तार योजना के बोझ को कम करने के लिए ऑन-डिमांड या आरक्षित संसाधनों के माध्यम से स्थिर मॉडल सेवाओं को तैनात करें। समर्पित तैनाती डेटा अलगाव और अनुपालन समीक्षा आवश्यकताओं को पूरा करती है।

• बिजनेस मॉडल फाइन-ट्यूनिंग और अनुकूलन: ग्राहक सेवा कौशल को लोरा डीपीओ में अनुकूलित करने के लिए लोरा एसएफटी का उपयोग करें, शैली संरेखण पूर्ण परम एसएफटी करें, आरएफटी में पेशेवर डोमेन ज्ञान डालें, और विशिष्ट कार्यों (जैसे सारांश, वर्गीकरण, रूटिंग) का उन्नत अनुकूलन करें। प्रशिक्षित मॉडल को सीधे उसी प्लेटफॉर्म पर एक अनुमान समापन बिंदु के रूप में लॉन्च किया जा सकता है।

• ओपन सोर्स मॉडल फर्स्ट फॉलो-अप: उन टीमों के लिए जिन्हें नवीनतम ओपन सोर्स मॉडल क्षमताओं पर तुरंत फॉलो-अप करने की आवश्यकता है, फायरवर्क्स डे-0 या सप्ताह की नई लॉन्च रणनीति नए मॉडलों को संकलित करने, मात्रा निर्धारित करने और तैनात करने के समय और लागत को कम कर सकती है।

लागू नहीं होने वाले परिदृश्य: यदि टीम को केवल साधारण वेब चैट की आवश्यकता है, कोई एपीआई विकास क्षमता नहीं है, और कोई मॉडल मूल्यांकन प्रक्रिया नहीं है, तो फायरवर्क्स एआई की बुनियादी ढांचा क्षमताएं बहुत भारी हो सकती हैं। ऐसे परिदृश्यों के लिए जिनके लिए पूर्ण ऑफ़लाइन परिनियोजन, निजी वीपीसी, या स्थानीय परिनियोजन की आवश्यकता होती है, फायरवर्क्स का बहु-किरायेदार SaaS आर्किटेक्चर आवश्यकताओं को पूरा करने में सक्षम नहीं हो सकता है। ओलामा, वीएलएलएम, स्व-निर्मित या निजी अनुमान प्लेटफार्मों का मूल्यांकन करने की अनुशंसा की जाती है।

लागू लोग

• एआई एप्लिकेशन डेवलपर्स: को स्थिर मॉडल एपीआई, ओपनएआई कॉलिंग विधियों के साथ संगतता की आवश्यकता होती है, और वे नए मॉडलों तक शीघ्रता से पहुंचना चाहते हैं। फायरवर्क्स का सर्वर रहित प्राथमिकता स्तर और ओपनएआई-संगत इंटरफ़ेस मुख्य मूल्य बिंदु हैं।

• एमएल इंजीनियर: प्रशिक्षण, फाइन-ट्यूनिंग, तैनाती और मूल्यांकन के बीच संबंध स्थापित करने की आवश्यकता है। फायरवर्क्स का एकीकृत प्रशिक्षण-से-परिनियोजन लिंक मॉडल आउटपुट में इंजीनियरिंग घर्षण को कम करता है।

• प्लेटफ़ॉर्म इंजीनियरिंग/एमएलओपीएस टीम: मॉडल परिनियोजन, क्षमता, निगरानी, ​​​​बजट और बहु-क्षेत्र गो-जीवन का प्रबंधन करने की आवश्यकता है। पटाखों की ऑन-डिमांड, आरक्षित और समर्पित तैनाती प्रोटोटाइप से उत्पादन तक एक संपूर्ण संसाधन प्रबंधन पथ प्रदान करती है।

• एंटरप्राइज़ टेक्नोलॉजी लीड/प्रोक्योरमेंट निर्णय निर्माता: मॉडल सेवा एसएलए, आपूर्तिकर्ता विश्वसनीयता, अनुपालन समीक्षा और लागत नियंत्रण पर ध्यान दें। फायरवर्क्स ट्रस्ट सेंटर, बहु-क्षेत्र और क्षमता प्रशासन क्षमताएं मूल्यांकन का फोकस थीं।

• उद्यमी टीम: कम बुनियादी ढांचे के निवेश के साथ एआई कार्यों को शीघ्रता से लॉन्च करने की आशा है। सर्वर रहित से शुरू करके और ट्रैफ़िक वृद्धि के आधार पर धीरे-धीरे ऑन-डिमांड या रिज़र्व पर स्विच करने से प्रारंभिक GPU डूब लागत को कम किया जा सकता है।

आवश्यकताएँ: फायरवर्क्स एआई का उपयोग करने के लिए बुनियादी एपीआई एकीकरण क्षमताओं, मॉडल मूल्यांकन जागरूकता और लागत निगरानी आदतों की आवश्यकता होती है। एंटरप्राइज़ उपयोगकर्ताओं के लिए, डेटा प्रतिधारण नीतियों, क्षेत्रीय अनुपालन आवश्यकताओं, पहुंच नियंत्रण विवरण, समर्थन स्तर और खरीद अनुबंध सीमाओं को पहले से स्पष्ट करना भी आवश्यक है। बिना किसी तकनीकी पृष्ठभूमि वाले व्यक्तिगत उपयोगकर्ताओं के लिए इसे सीधे उपयोग करने की अनुशंसा नहीं की जाती है।

सारांश और आउटलुक

फायरवर्क्स एआई की मुख्य योग्यता मॉडल अनुमान, मॉडल होस्टिंग, मॉडल प्रशिक्षण और जीपीयू क्षमता प्रबंधन को एक ही मंच पर रखना है, और इस प्रकार प्रयोग से उत्पादन तक चार-स्तरीय तैनाती सीढ़ी का निर्माण करना है (सर्वर रहित → ऑन-डिमांड → आरक्षित → समर्पित)। यह उन टीमों के लिए उपयुक्त है जिन्हें वास्तव में एआई मॉडल को उत्पादन स्थितियों में डालने की आवश्यकता है, विशेष रूप से ऐसे परिदृश्यों में जहां नए मॉडल अनुवर्ती की गति, अनुमान लागत के अनुकूलन, स्थिर क्षमता की गारंटी और व्यवसाय फाइन-ट्यूनिंग और अनुकूलन को ध्यान में रखना आवश्यक है।

वर्तमान मुख्य सीमाएँ और अनिश्चितताएँ:

• अपर्याप्त प्रदर्शन पारदर्शिता - टीटीएफटी और टीपीएम/आरपीएम जैसे प्रमुख संकेतकों का खुलासा नहीं किया जाता है, और तैनाती प्रपत्रों का चयन करते समय टीम में पूर्व-गणना की गई विलंबता और थ्रूपुट संदर्भों का अभाव होता है।
• प्रशिक्षण क्षमताएं अभी भी प्रशिक्षण पूर्वावलोकन में हैं - पूर्ण परम प्रशिक्षण और आरएफटी के लिए उपलब्धता, स्थिरता और अंतिम मूल्य निर्धारण मॉडल को आधिकारिक रिलीज पर सत्यापित किया जाना बाकी है।
• विक्रेता लॉक-इन का जोखिम - हालांकि एपीआई इंटरफ़ेस ओपनएआई के साथ संगत है, मॉडल आईडी सिस्टम, तैनाती प्रबंधन और बिलिंग मॉडल सभी फायरवर्क्स प्लेटफ़ॉर्म से बंधे हैं, और माइग्रेशन लागत का अभी भी मूल्यांकन करने की आवश्यकता है।
• सीमित अनुपालन प्रमाणन जानकारी - ट्रस्ट सेंटर के अस्तित्व से पता चलता है कि यह कॉर्पोरेट अनुपालन को बहुत महत्व देता है, लेकिन विशिष्ट प्रमाणन दायरे (एसओसी 2 प्रकार II, एचआईपीएए, जीडीपीआर, आदि) और ऑडिट गहराई को खरीदने से पहले उद्यम द्वारा सत्यापित किया जाना चाहिए।

खरीद और प्रौद्योगिकी चयन जोखिम मूल्यांकन:

खरीद और प्रौद्योगिकी चयन के लिए, वास्तविक व्यावसायिक ट्रैफ़िक के साथ 2-4 सप्ताह का पायलट संचालन करने की अनुशंसा की जाती है। पायलट अवधि के दौरान, एक साथ निरीक्षण करें: प्रत्येक तैनाती फॉर्म के तहत विलंब वितरण (पी50/पी95/पी99), टोकन खपत और बिलिंग के बीच पत्राचार, प्रशिक्षण प्रभाव और डेटा गुणवत्ता के बीच संबंध, गलती पुनर्प्राप्ति समय और विकास टीम की स्टार्ट-अप लागत। केवल सर्वर रहित टोकन इकाई मूल्य के आधार पर खरीदारी का निर्णय न लें। स्वामित्व गणना की कुल लागत में प्रशिक्षण ओवरहेड, तैनाती निष्क्रिय लागत और प्रवासन लागत को शामिल करना सुनिश्चित करें। अपरिवर्तनीय संचालन के लिए (जैसे कि उत्पादन ट्रैफ़िक को आरक्षित परिनियोजन पर स्विच करना, बड़े पैमाने पर प्रशिक्षण कार्य शुरू करना), मैन्युअल पुष्टिकरण बिंदु और ड्राई-रन सत्यापन तंत्र स्थापित करने की अनुशंसा की जाती है।

भविष्य में ध्यान देने योग्य दिशा-निर्देशों में शामिल हैं: अधिक नए मॉडलों की लॉन्च गति और मॉडल चौड़ाई का विस्तार, प्रशिक्षण पूर्वावलोकन का आधिकारिक संस्करण, कार्यात्मक सीमाएं, उद्यम अपनाने के मामले और आरक्षित क्षमता की एसएलए उपलब्धि दर, बहु-क्षेत्रीय तैनाती और आतिशबाजी के अनुपालन प्रमाणीकरण में और सुधार, और प्रीपेड बिलिंग प्रणाली के तहत संतुलन प्रबंधन और उपयोग अलार्म का वास्तविक उपयोगकर्ता अनुभव।

संबंधित टूल: <एक्सलिंक टाइप='टूल' स्लग='हगिंग-फेस'>, <एक्सलिंक टाइप='टूल' स्लग='रेप्लिकेट'>

संस्करण जानकारी

• GLM 5.2 सर्वर रहित ऑनलाइन है ：फायरवर्क्स मॉडल पृष्ठ से पता चलता है कि जीएलएम 5.2 ने फायरवर्क्स सर्वरलेस कॉल प्रवेश द्वार में प्रवेश किया है और जीएलएम-5.2 की लंबी संदर्भ और कोडिंग परिदृश्य क्षमताएं प्रदान करता है; सटीक रिलीज़ तिथि आधिकारिक मॉडल पृष्ठ और घोषणा के अधीन है। （2026-06）
• किमी K2.7 कोड डे-0 ऑनलाइन है ：फायरवर्क्स का आधिकारिक ब्लॉग फायरवर्क्स पर किमी K2.7 कोड पेश करता है, जिसमें कोड कार्यों, तर्क टोकन उपयोग और सर्वर रहित मानक/प्राथमिकता कॉल प्रविष्टि पर जोर दिया गया है। （2026-06-12）
• प्रीपेड बिलिंग माइग्रेशन ：आधिकारिक फायरवर्क्स बिलिंग माइग्रेशन घोषणा बताती है कि प्लेटफ़ॉर्म एकीकृत शेष, सीमा और उपयोग नियंत्रण के लिए प्रीपेड बिलिंग में स्थानांतरित हो जाएगा। （2026-07-01）
• आतिशबाजी प्रशिक्षण पूर्वावलोकन ：आधिकारिक प्रशिक्षण पूर्वावलोकन पृष्ठ आतिशबाजी के साथ सीमांत मॉडलों को प्रशिक्षित और अनुकूलित करने की क्षमता का परिचय देता है। विशिष्ट उपलब्ध रेंज आधिकारिक वास्तविक समय पृष्ठ के अधीन है। （~2026）