O que é Fireworks AI?
A Fireworks AI roda modelos de IA open-weight para desenvolvedores. Você pode chamar modelos populares por uma API compartilhada paga por token, alugar GPUs dedicadas para sua própria implantação ou fazer fine-tuning de um modelo e servi-lo pelo mesmo preço do original.
Os preços são por milhão de tokens. Exemplos da documentação: o GPT OSS 120B custa $0,15 de entrada e $0,60 de saída, o DeepSeek V4.1 Flash $0,30 e $1,20, e o Kimi K3 $3,00 e $15,00. Jobs em lote custam metade do preço normal, e a entrada em cache tem desconto de cerca de 80% a 98%, conforme o modelo. GPUs H100 e H200 dedicadas custam $8 por hora, cobradas por segundo.
Quanto custa Fireworks AI?
| Plano | Preço | O que inclui |
|---|---|---|
| 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 |
Créditos pré-pagos. Por 1M de tokens, por exemplo GPT OSS 120B $0,15 de entrada / $0,60 de saída, Kimi K3 $3 / $15. Lote com 50% de desconto. H100/H200 dedicadas $8/hora, B200 $13/hora. Fine-tuning a partir de $0,50 por 1M de tokens de treinamento.
Fireworks AI vale a pena?
Depois que você decide rodar um modelo aberto, o difícil é encontrar onde servi-lo que acompanhe os lançamentos e não guarde seus dados.
A Fireworks faz esse trabalho. O catálogo de outubro de 2026 acompanha de perto os principais lançamentos, com Kimi K3, DeepSeek V4.1 Flash, GLM 5.3, Qwen 3.8 Max, MiniMax M3 e modelos NVIDIA Nemotron. A API segue o formato da OpenAI, então migrar um app existente é basicamente trocar a URL base e a chave.
Seus padrões de dados são melhores que os da maioria dos rivais. A documentação diz que prompts e saídas de modelos abertos não são registrados nem guardados, a menos que você opte por isso; eles só ficam na memória durante a requisição, mais alguns minutos de cache de prompt. A Fireworks lista SOC 2 Type II, HIPAA e ISO 27001, 27701 e 42001, com relatórios em sua central de confiança.
Os preços são detalhados, não escondidos. Cada modelo tem um preço Standard, um nível Priority a cerca de 1,25x para tempos de resposta mais estáveis, um nível Fast a 1,5x em alguns modelos e um acréscimo de 50% para roteamento só nos EUA. O lote custa metade, e a entrada em cache cai a apenas $0,006 por milhão no DeepSeek V4.1 Flash, o que muda as contas para agentes que reenviam contextos longos.
O fine-tuning, ensinar um modelo com seus próprios exemplos, é o argumento mais forte. O treinamento LoRA começa em $0,50 por milhão de tokens para modelos de até 16B parâmetros, e o modelo ajustado é então servido pelo preço por token do modelo base, não em uma GPU dedicada.
O porém: duas coisas custam mais do que você espera. A Responses API guarda conversas por 30 dias porque store=True é o padrão, o que pega muita gente de surpresa. E o hardware dedicado é onde a Fireworks perde: $8 por hora por uma H100 contra os $4,50 de tabela da fal, com o teto de requisições da conta inteira fixo em 6.000 por minuto, não importa quanto você gaste.
Nossa opinião: a Fireworks é como um flat com serviços bem administrado. Os cômodos compartilhados são arrumados e têm preço justo, e alugar um andar inteiro só para você custa bem mais do que custaria ali na esquina.
Onde ele se destaca
Um engenheiro de backend em uma empresa de SaaS com um bot de suporte baseado na OpenAI
Reduzir o custo de inferência migrando para um modelo aberto
Aponte o SDK da OpenAI para a Fireworks e mude para o GPT OSS 120B a $0,15 de entrada e $0,60 de saída por milhão de tokens. Dez bilhões de tokens de entrada e dois bilhões de saída por mês dão cerca de $2.700 antes dos descontos de cache.
Uma equipe de ML em uma startup de tecnologia em saúde
Fazer fine-tuning de um modelo com notas clínicas desidentificadas e servi-lo sob a HIPAA
Ajuste com LoRA um modelo de 16B ou menos a $0,50 por milhão de tokens de treinamento e depois sirva-o pelo preço base. Retenção zero é o padrão na inferência; administradores enterprise também podem bloquear por completo os envios para treinamento.
Uma equipe de dados em um marketplace de e-commerce
Classificar e etiquetar milhões de anúncios de produtos durante a noite
Rode jobs em lote a 50% dos preços serverless; no DeepSeek V4.1 Flash isso dá $0,15 de entrada e $0,60 de saída por milhão de tokens, com prompts de sistema repetidos em cache por uma fração de centavo.
Antes de decidir
- Configuração
- Adicione créditos pré-pagos, crie uma chave de API e chame qualquer modelo serverless com o SDK da OpenAI; sem forma de pagamento cadastrada, você fica limitado a 10 requisições por minuto.
- Integrações
- APIs de chat, completions e Responses compatíveis com a OpenAI, embeddings, lote, APIs de treinamento gerenciado e serverless, e implantações de GPU sob demanda.
- Dados e privacidade
- Sem registro de prompts ou saídas de modelos abertos sem adesão; a Responses API guarda dados por 30 dias por padrão. SOC 2 Type II, HIPAA, ISO 27001, 27701 e 42001.
- Custo em escala
- Os níveis de gasto vão de $50 a $5.000 em créditos para liberar limites maiores; uma H100 dedicada rodando o mês todo sai por cerca de $5.800, e implantações restritas por região custam 1,5x.
- Limites
- Os limites serverless são tetos adaptativos de tokens por minuto definidos pelo nível; o teto da conta inteira é de 6.000 requisições por minuto, e tudo pausa ao atingir 100% do seu limite de gasto mensal.
O que é bom
- Sem registro de prompts ou saídas por padrão para modelos abertos
- SOC 2 Type II, HIPAA, ISO 27001, 27701 e 42001
- Modelos ajustados servidos pelo preço por token do modelo base
- Lote com 50% de desconto; entrada em cache com até 98% de desconto
O que não é
- H100 dedicada a $8/hora, bem acima de hosts especializados em GPU
- A Responses API guarda conversas por 30 dias, a menos que store=False
- Nenhum crédito gratuito para contas novas nas páginas de preços
- Teto fixo de 6.000 requisições por minuto para a conta inteira
Ideal para
Equipes que rodam modelos abertos em produção e querem fine-tuning e preços por token previsíveis.
Alternativas ao Fireworks AI
Fireworks AI: perguntas frequentes
- Fireworks AI vale a pena?
- A Fireworks é um lugar seguro para rodar modelos abertos em produção, sem guardar nada por padrão e servindo modelos ajustados pelo preço dos modelos base, e suas GPUs dedicadas são a única parte cara. Damos nota 4.4 de 5.
- Quanto custa Fireworks AI?
- Créditos pré-pagos. Por 1M de tokens, por exemplo GPT OSS 120B $0,15 de entrada / $0,60 de saída, Kimi K3 $3 / $15. Lote com 50% de desconto. H100/H200 dedicadas $8/hora, B200 $13/hora. Fine-tuning a partir de $0,50 por 1M de tokens de treinamento.
- Quais são as desvantagens de Fireworks AI?
- H100 dedicada a $8/hora, bem acima de hosts especializados em GPU; a Responses API guarda conversas por 30 dias, a menos que store=False; nenhum crédito gratuito para contas novas nas páginas de preços; teto fixo de 6.000 requisições por minuto para a conta inteira.
- Para quem Fireworks AI é indicado?
- Equipes que rodam modelos abertos em produção e querem fine-tuning e preços por token previsíveis.
- Quanto custa Fireworks AI para uma equipe ou em produção?
- Os níveis de gasto vão de $50 a $5.000 em créditos para liberar limites maiores; uma H100 dedicada rodando o mês todo sai por cerca de $5.800, e implantações restritas por região custam 1,5x.
- Fireworks AI é seguro para dados da empresa?
- Sem registro de prompts ou saídas de modelos abertos sem adesão; a Responses API guarda dados por 30 dias por padrão. SOC 2 Type II, HIPAA, ISO 27001, 27701 e 42001.
- Quais são as melhores alternativas ao Fireworks AI?
- As alternativas mais próximas que analisamos são Together AI, Groq, Cerebras e OpenRouter.
Respostas verificadas em 22 de out. de 2026.