Was ist Fireworks AI?
Fireworks AI betreibt Open-Weight-KI-Modelle für Entwickler. Du kannst gängige Modelle über eine geteilte API mit Abrechnung pro Token aufrufen, dedizierte GPUs für ein eigenes Deployment mieten oder ein Modell feinabstimmen und es zum selben Preis wie das Original bereitstellen.
Die Preise gelten pro Million Tokens. Beispiele aus der Dokumentation: GPT OSS 120B kostet 0,15 $ für Input und 0,60 $ für Output, DeepSeek V4.1 Flash 0,30 $ und 1,20 $, Kimi K3 3,00 $ und 15,00 $. Batch-Jobs kosten den halben Normalpreis, und gecachter Input ist je nach Modell um etwa 80 % bis 98 % günstiger. Dedizierte H100- und H200-GPUs kosten 8 $ pro Stunde, sekundengenau abgerechnet.
Was kostet Fireworks AI?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| GPT OSS 120B | $0.15 in / $0.60 out per 1M tokens | |
| Kimi K3 | $3 in / $15 out per 1M tokens | |
| Dedicated H100/H200 | $8/hour | |
| Dedicated B200 | $13/hour | |
| Fine-tuning | From $0.50 per 1M training tokens |
Vorausbezahlte Credits. Pro 1M Tokens, z. B. GPT OSS 120B 0,15 $ Input / 0,60 $ Output, Kimi K3 3 $ / 15 $. Batch 50 % günstiger. Dedizierte H100/H200 8 $/Stunde, B200 13 $/Stunde. Fine-Tuning ab 0,50 $ pro 1M Trainings-Tokens.
Lohnt sich Fireworks AI?
Wenn du dich für ein offenes Modell entschieden hast, ist der schwierige Teil, einen Ort zu finden, der es bereitstellt, mit neuen Releases Schritt hält und deine Daten nicht behält.
Fireworks erledigt genau das. Der Katalog vom Oktober 2026 folgt den wichtigen Releases dicht, mit Kimi K3, DeepSeek V4.1 Flash, GLM 5.3, Qwen 3.8 Max, MiniMax M3 und Modellen aus NVIDIAs Nemotron-Reihe. Die API folgt dem OpenAI-Format, der Umzug einer bestehenden App ist also meist eine Frage von Base-URL und Key.
Die Datenvoreinstellungen sind besser als bei den meisten Konkurrenten. Laut Dokumentation werden Prompts und Outputs offener Modelle nicht protokolliert oder gespeichert, es sei denn, du willigst ein; sie liegen nur für die Dauer des Requests im Speicher, plus ein paar Minuten Prompt-Cache. Fireworks nennt SOC 2 Type II, HIPAA sowie ISO 27001, 27701 und 42001, mit Berichten im Trust Center.
Die Preise sind detailliert, nicht versteckt. Jedes Modell hat einen Standard-Tarif, eine Priority-Stufe zu etwa 1.25x für gleichmäßigere Antwortzeiten, bei manchen Modellen eine Fast-Stufe zu 1.5x und einen Aufschlag von 50 % für Routing nur über die USA. Batch kostet die Hälfte, und gecachter Input sinkt bei DeepSeek V4.1 Flash auf nur 0,006 $ pro Million. Das verändert die Rechnung für Agenten, die lange Kontexte erneut senden.
Fine-Tuning, also ein Modell mit deinen eigenen Beispielen anzulernen, ist das stärkste Argument. LoRA-Training beginnt bei 0,50 $ pro Million Tokens für Modelle bis 16B Parameter, und das abgestimmte Modell wird dann zum Token-Preis des Basismodells bereitgestellt, nicht auf einer dedizierten GPU.
Der Haken: Zwei Dinge kosten mehr als erwartet. Die Responses API speichert Unterhaltungen 30 Tage lang, weil store=True die Voreinstellung ist, und das erwischt viele. Und bei dedizierter Hardware verliert Fireworks: 8 $ pro Stunde für eine H100 gegenüber dem Listenpreis von 4,50 $ bei fal, und die kontoweite Obergrenze liegt fest bei 6.000 Requests pro Minute, egal wie viel du ausgibst.
Unser Fazit: Fireworks ist wie ein gut geführtes Serviced Apartment. Die Gemeinschaftsräume sind ordentlich und fair bepreist, aber eine ganze Etage für dich allein kostet deutlich mehr als ein paar Straßen weiter.
Wo es sich lohnt
Ein Backend-Entwickler in einem SaaS-Unternehmen mit einem Support-Bot auf OpenAI-Basis
Die Inferenzkosten durch den Wechsel zu einem offenen Modell senken
Das OpenAI SDK auf Fireworks umstellen und zu GPT OSS 120B für 0,15 $ Input und 0,60 $ Output pro Million Tokens wechseln. Zehn Milliarden Input- und zwei Milliarden Output-Tokens im Monat kosten vor Cache-Rabatten etwa 2.700 $.
Ein ML-Team in einem Health-Tech-Start-up
Ein Modell mit anonymisierten klinischen Notizen feinabstimmen und unter HIPAA bereitstellen
Ein Modell mit höchstens 16B per LoRA für 0,50 $ pro Million Trainings-Tokens abstimmen und dann zum Basispreis bereitstellen. Keine Datenspeicherung ist bei der Inferenz die Voreinstellung; Enterprise-Admins können Trainings-Uploads zudem ganz sperren.
Ein Datenteam bei einem E-Commerce-Marktplatz
Millionen Produktangebote über Nacht klassifizieren und taggen
Batch-Jobs zu 50 % der Serverless-Preise laufen lassen; bei DeepSeek V4.1 Flash sind das 0,15 $ Input und 0,60 $ Output pro Million Tokens, und wiederholte System-Prompts werden für Bruchteile eines Cents gecacht.
Bevor du dich festlegst
- Einrichtung
- Vorausbezahlte Credits aufladen, einen API-Key erstellen und jedes Serverless-Modell mit dem OpenAI SDK aufrufen; ohne Zahlungsmethode bist du auf 10 Requests pro Minute begrenzt.
- Integrationen
- OpenAI-kompatible Chat-, Completions- und Responses-APIs, Embeddings, Batch, verwaltete und Serverless-Trainings-APIs sowie GPU-Deployments auf Abruf.
- Daten und Datenschutz
- Keine Protokollierung von Prompts oder Outputs offener Modelle ohne Einwilligung; die Responses API speichert Daten standardmäßig 30 Tage. SOC 2 Type II, HIPAA, ISO 27001, 27701 und 42001.
- Kosten im großen Maßstab
- Ausgabestufen von 50 $ bis 5.000 $ an Credits schalten höhere Limits frei; eine dedizierte H100 im Dauerbetrieb über den Monat kostet etwa 5.800 $, und regional beschränkte Deployments kosten 1.5x.
- Grenzen
- Serverless-Limits sind adaptive Obergrenzen an Tokens pro Minute je nach Stufe; die kontoweite Grenze liegt bei 6.000 Requests pro Minute, und bei 100 % deines monatlichen Ausgabenlimits pausiert alles.
Was gut ist
- Bei offenen Modellen standardmäßig keine Protokollierung von Prompts oder Outputs
- SOC 2 Type II, HIPAA, ISO 27001, 27701 und 42001
- Feinabgestimmte Modelle zu den Token-Preisen des Basismodells
- Batch 50 % günstiger; gecachter Input bis zu 98 % günstiger
Was nicht
- Dedizierte H100 für 8 $/Stunde, deutlich über spezialisierten GPU-Anbietern
- Responses API behält Unterhaltungen 30 Tage, sofern nicht store=False
- Laut Preisseiten keine Gratis-Credits für neue Konten
- Feste kontoweite Obergrenze von 6.000 Requests pro Minute
Am besten für
Teams, die offene Modelle in Produktion betreiben und Fine-Tuning sowie planbare Preise pro Token wollen.
Alternativen zu Fireworks AI
Fireworks AI: häufige Fragen
- Lohnt sich Fireworks AI?
- Fireworks ist ein sicheres Zuhause für offene Modelle in Produktion, das standardmäßig nichts speichert und feinabgestimmte Modelle zu Basispreisen bereitstellt, und die dedizierten GPUs sind der einzige teure Teil. Wir bewerten es mit 4.4 von 5.
- Was kostet Fireworks AI?
- Vorausbezahlte Credits. Pro 1M Tokens, z. B. GPT OSS 120B 0,15 $ Input / 0,60 $ Output, Kimi K3 3 $ / 15 $. Batch 50 % günstiger. Dedizierte H100/H200 8 $/Stunde, B200 13 $/Stunde. Fine-Tuning ab 0,50 $ pro 1M Trainings-Tokens.
- Welche Nachteile hat Fireworks AI?
- Dedizierte H100 für 8 $/Stunde, deutlich über spezialisierten GPU-Anbietern; Responses API behält Unterhaltungen 30 Tage, sofern nicht store=False; Laut Preisseiten keine Gratis-Credits für neue Konten; Feste kontoweite Obergrenze von 6.000 Requests pro Minute.
- Für wen eignet sich Fireworks AI?
- Teams, die offene Modelle in Produktion betreiben und Fine-Tuning sowie planbare Preise pro Token wollen.
- Was kostet Fireworks AI für ein Team oder im Produktivbetrieb?
- Ausgabestufen von 50 $ bis 5.000 $ an Credits schalten höhere Limits frei; eine dedizierte H100 im Dauerbetrieb über den Monat kostet etwa 5.800 $, und regional beschränkte Deployments kosten 1.5x.
- Ist Fireworks AI sicher für Firmendaten?
- Keine Protokollierung von Prompts oder Outputs offener Modelle ohne Einwilligung; die Responses API speichert Daten standardmäßig 30 Tage. SOC 2 Type II, HIPAA, ISO 27001, 27701 und 42001.
- Was sind die besten Alternativen zu Fireworks AI?
- Die nächsten Alternativen, die wir getestet haben, sind Together AI, Groq, Cerebras und OpenRouter.
Antworten geprüft am 22. Okt. 2026.