Fireworks：モデルの知能、性能、料金
この分析は、ユースケースに最適なFireworks提供モデルを選ぶための参考情報です。
最高の知能
Kimi K3.1 Pro
DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)GLM-5.3 (max) (FAST)Intelligence Index
モデル合計：14件
最短のタスク時間
DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)
Nemotron 3 Ultra
MiniMax-M3Kimi K3 (low)
Muse Spark Open (xhigh)Intelligence Index タスクあたりの時間（分）
モデル合計：14件
最安料金
MiniMax-M3.1-FlashGLM-5.3-FlashDeepSeek V4.1 Flash 1017 (max)DeepSeek V4.1 Flash (non-reasoning)MiniMax-M3ブレンド料金（100万トークンあたり）
モデル合計：14件
Fireworksは14モデルを提供しており、知能、性能、料金の特性はそれぞれ異なります。 以下でモデル間の主要指標を比較します。
- Fireworksで知能が上位のモデルはKimi K3.1 Pro（46）、DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)（33）、DeepSeek V4.1 Flash 1017 (max)（33）です。
- タスクあたりの時間では、DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)（3.4分）、Nemotron 3 Ultra（4.3分）、MiniMax-M3（6.6分）がFireworksでIntelligence Indexのタスクを最も速く完了します。 モデル間でタスクあたりの時間の差は大きく、最も遅いモデルは最も速いモデルの2.3倍の時間がかかります。
- 遅延では、DeepSeek V4.1 Flash (non-reasoning)（1.70秒）、Nemotron 3 Ultra（2.86秒）、Kimi K3 (low)（4.47秒）の最初の回答トークンまでの時間が最短です。
- 料金では、MiniMax-M3.1-Flash（$0.10）、GLM-5.3-Flash（$0.10）、DeepSeek V4.1 Flash 1017 (max)（$0.18）の100万トークンあたりのブレンド料金が最安です。 モデル間で料金に最大2.2倍の差があります。
- Fireworksで最大のコンテキストウィンドウに対応するモデルはKimi K3.1 Pro（1M）、DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)（1M）、GLM-5.3 (max)（1M）です。
知能
Artificial Analysis Intelligence Index
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic real-world work tasks, Elo
Agentic interactive 3D experiences, Elo
Product and brand videos designed in code, Elo
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language
Intelligence Indexと料金
料金
Intelligence Index タスクあたりのコスト
Intelligence Indexと料金
速度
測定した単一リクエストとマルチターンのエージェントワークロードの平均
Intelligence Indexのタスクあたりの時間
品質
Endpoint Accuracy Index
遅延
測定した単一リクエストとマルチターンのエージェントワークロードの平均
最初の回答トークンまでの時間
信頼性
測定したすべての単一リクエストとマルチターンのエージェントワークロードで、エンドポイントが失敗したリクエストの割合
エンドポイントのエラー率
キャッシュ
キャッシュヒット率
タスクあたりのコストとキャッシュヒット率
詳細分析 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
Kimi K3.1 Pro | 46 | $5.24 | 18.8 | 81.42 | 0.8% | 1M | オープン | |||
DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST) | 33 | $21.80 | 2.6 | 9.51 | 0.0% | 1M | オープン | |||
DeepSeek V4.1 Flash 1017 (max) | 33 | $1.22 | 10.5 | 32.26 | 1.0% | 1M | オープン | |||
GLM-5.3 (max) | 32 | $5.41 | 19.8 | 79.65 | 0.0% | 1M | オープン | |||
GLM-5.3 (max) (FAST) | 32 | $10.32 | 9.4 | 19.66 | 5.5% | 1M | オープン | |||
MiniMax-M3.1-Flash | 29 | $0.50 | 16.9 | 33.92 | 2.5% | 1M | オープン | |||
GLM-5.3-Flash | 28 | $0.78 | 14.4 | 21.69 | 0.0% | 1M | オープン | |||
Muse Spark Open (xhigh) | 25 | $2.02 | 7.9 | 12.64 | 0.0% | 1M | オープン | |||
MiniMax-M3 | 19 | $1.26 | 6.7 | 5.97 | 0.0% | 524k | オープン | |||
Kimi K3 (low) | 17 | $1.94 | 7.9 | 4.47 | 0.0% | 1M | オープン | |||
Nemotron 3 Ultra | 12 | $2.21 | 4.3 | 2.87 | 1.0% | 262k | オープン | |||
Kimi K2.6 | -- | -- | -- | -- | -- | 262k | オープン | |||
Kimi K2.6 (non-reasoning) | -- | -- | -- | -- | -- | 262k | オープン | |||
 Qwen3 30B | -- | -- | -- | -- | -- | 262k | オープン | |||
GLM-5 | -- | -- | -- | -- | -- | 203k | オープン | |||
Qwen3 VL 30B A3B | -- | -- | -- | -- | -- | 262k | オープン | |||
DeepSeek V3.2 (non-reasoning) | -- | -- | -- | -- | -- | 164k | オープン | |||
DeepSeek V4.1 Flash (non-reasoning) | -- | -- | -- | 1.70 | 0.0% | 1M | オープン | |||
Qwen3.8 2.4T A95B | -- | -- | -- | 28.92 | 1.8% | 262k | オープン | |||
Qwen3 8B (non-reasoning) | -- | -- | -- | -- | -- | 41k | オープン | |||
Qwen3 VL 30B A3B | -- | -- | -- | -- | -- | 262k | オープン | |||
Qwen3 VL 235B A22B | -- | -- | -- | -- | -- | 262k | オープン | |||
DeepSeek V3.2 | -- | -- | -- | -- | -- | 164k | オープン | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | -- | -- | 1M | オープン | |||
GLM-5 (non-reasoning) | -- | -- | -- | -- | -- | 203k | オープン | |||
GLM-5.2 (max) | -- | -- | -- | -- | -- | 1M | オープン | |||
Kimi K3 (max) | -- | -- | -- | 18.12 | 0.0% | 1M | オープン | |||
DeepSeek V3.1 (non-reasoning) | -- | -- | -- | -- | -- | 164k | オープン | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | -- | -- | 1M | オープン | |||
主要な定義
よくある質問
Fireworksに関するよくある質問
Fireworksが提供し、当社が追跡しているモデルは14モデルです：Kimi K3.1 Pro、DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)、DeepSeek V4.1 Flash 1017 (max)、GLM-5.3 (max)、GLM-5.3 (max) (FAST)、MiniMax-M3.1-Flash、GLM-5.3-Flash、Muse Spark Open (xhigh)、MiniMax-M3、Kimi K3 (low)、Nemotron 3 Ultra、DeepSeek V4.1 Flash (non-reasoning)、Qwen3.8 2.4T A95B、Kimi K3 (max)。
Fireworksで利用できるモデルのうち、知能が最も高いのはIntelligence Indexスコア46のKimi K3.1 Proです。
Fireworksでタスクあたりの時間が最短のモデルは、Intelligence Indexのタスクあたり3.4分のDeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)です。タスクあたりの時間は、タスクあたりの出力トークン数をエンドツーエンドの出力速度で割った値で、短いほどタスクが早く完了します。
Fireworksで最初の回答トークンまでの時間が最短のモデルは、1.70秒のDeepSeek V4.1 Flash (non-reasoning)です。遅延が短いほど、最初の応答が速くなります。
Fireworksでブレンド料金が最も安いモデルは、100万トークンあたり$0.10のMiniMax-M3.1-Flashです（キャッシュヒット／入力／出力を7:2:1とした場合）。
Fireworksのモデル間では料金に最大23.1倍の差があり、MiniMax-M3.1-Flashの100万トークンあたり$0.10から、Kimi K3 (max)の$2.31までとなっています。
はい。FireworksはOpenAI互換APIを提供しているため、OpenAIからの切り替えや既存のOpenAI SDK連携の利用が容易です。
はい。Fireworksの全14モデルが、構造化出力のJSONモードに対応しています。
はい。Fireworksの全14モデルが関数呼び出し（ツール利用）に対応しています。
はい。Fireworksは13推論モデルを提供しています：Kimi K3.1 Pro、DeepSeek V4.1 Flash 1017 (max) (ULTRA FAST)、DeepSeek V4.1 Flash 1017 (max)、GLM-5.3 (max)、GLM-5.3 (max) (FAST)、MiniMax-M3.1-Flash、GLM-5.3-Flash、Muse Spark Open (xhigh)、MiniMax-M3、Kimi K3 (low)、Nemotron 3 Ultra、Qwen3.8 2.4T A95B、Kimi K3 (max)。推論モデルは回答前に拡張思考を行い、複雑な問題に取り組みます。
はい。Fireworksの全14モデルがオープンウェイトです。
はい。インフラストラクチャの変更、負荷分散、アップデートにより、プロバイダーの性能は時間とともに変化する場合があります。すべてのプロバイダーを継続的にベンチマークし、「推移」グラフに過去の性能傾向を表示しています。
Fireworksのモデルを選ぶ際は、知能（品質を重視するタスク）、タスクあたりの時間（Intelligence Indexのタスクを完了する速さ）、遅延（最初の応答の速さが必要な対話型アプリケーション）、料金（費用を重視するワークロード）、コンテキストウィンドウの規模、JSONモード、関数呼び出しへの対応などを検討してください。