Fireworks AI

速度是最大的亮点，这玩意跑起 Llama 或 DeepSeek 来是真快。他们自研的 FireAttention 推理引擎，官方号称每秒能跑到 747 个 token，延迟 0.17 秒，主要是用了推测解码这类技术，生成速度比普通 GPU 方案能快两三倍。同样是跑 DeepSeek V3.1 这些大模型，Fireworks 那边通常会快不少。 但他们主打“企业级可靠”，价格也就比 Groq、Together AI 略便宜，但不是最便宜的。同一套 Llama 70B，Fireworks 均价大概是 0.70 美元一 M，便宜的能以 0.24 美元拿走，说白了是为企业的 SLAs 和稳定性买单，比纯靠卷价格的平台贵大约三倍。除了模型推理，他们还支持微调与 GPU 实例租赁（比如 H100 每小时 6 美元），还能跑更长周期的自治 Agent 任务，符合企业站点的需求。 槽点嘛，首先它这个速度和稳定性容易受高峰期影响，听说过去 90 天发生过 174 起公开故障，掉链子的频率有点高。另外虽然 Fireworks 有近 200 个开源模型，但刚上手的时候配置和工具链都得花时间熟悉，不是点开就能用的那种。 总结：如果你是看重速度、想把开源模型产品化上生产的团队，Fireworks 算是性价比较高的一类方案；但要是对极高可靠性和极致价格都要求苛刻的话，建议搭配备用方案并紧盯其状态页通知，避免请求单点挂死。