Fireworks AI

Fireworks AI es una plataforma de inferencia que ejecuta modelos de IA de código abierto y personalizados a través de una API rápida y compatible con OpenAI, para que los equipos de ingeniería puedan implementar modelos a nivel de producción sin necesidad de poseer ni operar GPUs. Fue fundada en 2022 por siete exingenieros de PyTorch en Meta, liderados por su CEO Lin Qiao, y su decisión más distintiva es técnica: en lugar de servir modelos en software comercial como vLLM, Fireworks escribió su propio motor de inferencia a nivel del kernel de CUDA, llamado FireAttention. Envías solicitudes en el mismo formato que usarías para OpenAI, y el modelo se ejecuta en el clúster de Fireworks en lugar del tuyo. No hay una aplicación para consumidores ni un panel de control para usuarios finales. Se trata de infraestructura que un desarrollador integra en un producto.

La plataforma abarca inferencia serverless por token, implementaciones en GPU dedicadas y ajuste fino gestionado (fine-tuning con LoRA, DPO, parámetros completos y refuerzo), a través de un catálogo de más de 400 modelos de texto, visión, audio e incrustaciones (embeddings). Los nuevos modelos de pesos abiertos como DeepSeek V4, Qwen 3.7 y Kimi K2.7 suelen aparecer el mismo día de su lanzamiento, lo que Fireworks utiliza como un argumento de venta deliberado. La recompensa del motor personalizado es el rendimiento: en un modelo como DeepSeek V4 Pro, Fireworks sirve aproximadamente de 167 a 174 tokens por segundo frente a los 40 a 80 que logra una pila vLLM estándar, a un costo por token comparable. Es por eso que productos sensibles a la latencia como Cursor, Notion y Vercel ejecutan su inferencia aquí, y por lo que la plataforma cuenta con cumplimiento SOC 2, HIPAA y GDPR para compradores regulados.

Lo que realmente hace Fireworks AI en junio de 2026

Fireworks se sitúa directamente en la capa de infraestructura. La unidad central es la llamada a la API: eliges un modelo, envías una solicitud al estilo de OpenAI y Fireworks la ejecuta en hardware optimizado. El motor FireAttention es la razón principal para prestarle atención, ya que convierte la experiencia de los fundadores en el kernel de PyTorch en velocidad medible en lugar de marketing. Para los equipos que ya han elegido un modelo abierto y solo necesitan que se sirva rápido, ahí reside todo su valor.

En torno a la inferencia serverless, la plataforma añade implementaciones dedicadas donde reservas GPUs específicas, ajuste fino gestionado con varios métodos, decodificación especulativa para mayor velocidad y llamadas a funciones con salida estructurada para cargas de trabajo de agentes. El negocio que lo respalda es sólido y está escalando con fuerza: Fireworks recaudó una Serie C de $250 millones con una valoración de $4 mil millones el 28 de octubre de 2025, con la participación tanto de NVIDIA como de AMD, y para mediados de 2026, estimaciones independientes sitúan su tasa de ingresos anuales cerca de los $800 millones, con informes de una valoración de $15 mil millones en discusión. Nada de esto garantiza que sea la opción ideal, pero significa que no es un proveedor en riesgo de desaparecer.

Dónde se sitúa Fireworks frente a Groq y Together AI

Groq gana el argumento de la latencia bruta a través del hardware: su silicio LPU personalizado alcanza alrededor de 456 tokens por segundo en Llama 3.3 70B con un tiempo hasta el primer token inferior a 300 ms, un diseño centrado en la memoria que el software no puede replicar. El inconveniente es la amplitud. Groq sirve aproximadamente veinte modelos y no ofrece ajuste fino, por lo que si tu modelo no está en su catálogo, simplemente no es una opción, y NVIDIA adquirió Groq en diciembre de 2025, lo que nubla su hoja de ruta independiente. Fireworks sacrifica un poco de velocidad máxima a cambio de más de 400 modelos, lanzamientos el mismo día y un conjunto completo de ajuste fino. Together AI es la comparación más cercana, también basada en GPU y con un catálogo amplio, pero en los modelos de frontera de mezcla de expertos la brecha es real: ese mismo punto de referencia de DeepSeek V4 Pro mostró a Fireworks cerca de 170 tokens por segundo frente a los aproximadamente 41 de Together, una diferencia de rendimiento de 4x a precios similares. La ventaja de Together es un historial más largo en ajuste fino y la cobertura ocasional de modelos de nicho que Fireworks omite.

El costo real de operar en Fireworks

Los precios serverless son por millón de tokens, escalonados por el tamaño del modelo: alrededor de $0.10 para modelos de menos de 4B de parámetros, $0.20 de 4B a 16B, y $0.90 por encima de 16B, con modelos de frontera específicos con precios individuales (DeepSeek V4 Pro a $1.74 de entrada y $3.48 de salida). La entrada en caché y la inferencia por lotes se ejecutan a mitad de precio, lo que reduce materialmente el costo para trabajos repetitivos o no urgentes. El ajuste fino comienza en $0.50 por millón de tokens de entrenamiento para LoRA en modelos más pequeños, y las GPUs dedicadas se facturan por hora, con una H100 a $7.00 por hora.

"Mejora del 20 al 30% en latencia y ahorros del 15 al 25%." Hussain Gagan, FullStack Developer, PeerSpot, 2025.

Importan dos realidades sobre los costos. Primero, esa H100 de $7.00 está en el extremo superior, ya que el alquiler de GPU en bruto en RunPod es una fracción de eso, por lo que estás pagando por el motor gestionado y el cumplimiento normativo, no por el silicio. Segundo, solo se otorga $1 de crédito gratuito al registrarse, y los límites de tasa son estrictos: 10 solicitudes por minuto sin una tarjeta registrada, 6,000 con una tarjeta, y cualquier cosa más allá de eso requiere una conversación con ventas.

Dónde frustra Fireworks a los equipos

La queja más común es ese límite de 6,000 RPM. Los equipos que escalan más allá de eso se topan con el muro de contactar a ventas en lugar de tener margen de autoservicio, lo que estanca a los productos de rápido crecimiento en un momento incómodo. La segunda es la obsolescencia de los modelos: debido a que Fireworks aloja modelos de terceros, si un modelo original es reemplazado, el endpoint desaparece y el código de producción que lo llamaba por su nombre se rompe. Una recopilación de reseñas de noviembre de 2025 señaló las eliminaciones repentinas de modelos sin previo aviso como un problema recurrente.

"Los precios a escala pueden volverse costosos con el tiempo, especialmente para los equipos." ML Engineer, sector energético, PeerSpot, 2025.

Más allá de eso, la facturación por token es difícil de pronosticar y se acumula rápidamente a gran volumen, la documentación va por detrás del conjunto de funciones para opciones avanzadas de ajuste fino e implementación, y no hay una interfaz para nadie que no sea ingeniero. Fireworks es una API y nada más, lo cual es una fortaleza para su audiencia y un muro para todos los demás.

Para quién es Fireworks y para quién no

Es una excelente opción para los equipos de ingeniería que construyen funciones de IA en tiempo real como chat, asistencia de código, búsqueda y autocompletado en modelos abiertos, para los equipos que necesitan ajuste fino gestionado sin configurar sus propias operaciones de MLOps, y para las empresas con requisitos SOC 2 o HIPAA que descartan proveedores no verificados. Las scale-ups que han superado una API alojada simple pero que no están listas para ejecutar su propia flota de GPUs son el punto ideal.

Es la herramienta equivocada para equipos no técnicos, ya que no hay una interfaz de usuario ni una ruta no-code. Si el costo por token es tu única métrica, existen proveedores más baratos, ya que DeepInfra lo supera drásticamente en precio bruto. La generación de imágenes de alto volumen no es su fuerte, por lo que un centro de modelos como Hugging Face o un host de imágenes dedicado lo cubre mejor. Y los primeros prototipos encontrarán frustrante el crédito de $1 y los estrictos límites de tasa antes de que las fortalezas de la plataforma lleguen a manifestarse.