1,500 โทเคนต่อวินาทีคืออะไร? Fireworks ขายความเร็ว AI ให้งานเอเจนต์

แต่จริง ๆ แล้วมันขายเรื่องเวลาในงานที่ต้องทำงานหลายขั้นตอน ในงานแชต ความเร็วที่เพิ่มขึ้นเล็กน้อยแทบไม่รู้สึก แต่ในงานเอเจนต์ที่ต้องเรียกโมเดลหลายสิบรอบ ผลต่างต่อรอบจะถูกคูณสะสม Fireworks ยกตัวอย่างงานเอเจนต์ 30 เทิร์นที่ใช้เวลาหนึ่งนาที เหลือ 8 วินาทีเมื่อใช้โหมด Ultra-fast [1][2] ตัวเลขนี้มาจากการทดสอบของบริษัทเอง ไม่ได้มาจากงานวัดอิสระ บริษัทระบุว่าโหมดนี้ทำงานบนชิป NVIDIA Blackwell และเปิดให้ใช้ในลักษณะพรีวิวสาธารณะ [1] คำว่าพรีวิวสาธารณะสำคัญ เพราะโดยทั่วไปแล้วบริการที่ยังอยู่ในพรีวิวมักไม่มีการรับประกันระดับเดียวกับบริการที่เปิดเต็มรูปแบบ [2] ผมยังไม่พบข้อมูลว่าความเร็ว 1,500 โทเคนต่อวินาทีนั้นวัดที่ขนาดบริบทเท่าไร และวัดพร้อมกันกี่คำขอ สองตัวเลขนี้เปลี่ยนผลลัพธ์ได้มากในงานจริง อีกด้านที่บริษัทขายคือต้นทุน สำหรับงานที่ไม่ต้องรอผลทันที มีโหมด Background Mode ในราคาครึ่งเดียว [1] ตัวอย่างงานที่บริษัทแนะนำคืองานสร้างข้อมูลสำหรับการประเมิน และงานวิจัยที่ปล่อยข้ามคืน [1] พร้อมกันนั้นมี prompt caching ที่เก็บบริบทได้หลายวัน ซึ่งช่วยงานเอเจนต์ระยะยาวที่ต้องกลับมาอ่านบริบทเดิมซ้ำ [1] บริษัทยังเปิด Elastic Burst ที่ปล่อยให้ใช้เกินเพดานปกติได้เมื่อมีความจุเหลือ โดยไม่ต้องแก้โค้ดหรือแก้ราคา [2] แนวคิดนี้ตรงกับปัญหาจริง เพราะในงานเอเจนต์ ต้นทุนก้อนใหญ่มักอยู่ที่การประมวลผลบริบทซ้ำ ไม่ใช่ข้อความที่โมเดลสร้าง และ Unite.AI รายงานว่าในงานวัด DeepSWE ของ Fireworks เมื่อกันยายน 99.6% ของโทเคนขาเข้าเป็น cache hit และค่าแคชคิดเป็นราว 60% ของบิลในงานวัดนั้น [2] อีกเรื่องที่อยู่ในงาน Forge คือ Ember-1 แต่ตัวโมเดลเปิดตัวไปก่อนหน้านี้ คือวันที่ 23 กันยายน 2026 ในสถานะ research preview [3] Ember-1 ใช้โทเคนน้อยลงราว 40% โดยคุณภาพใกล้เคียง Kimi K3 ในงานวัดของบริษัทเอง [3] ตัวเลขนี้มีเงื่อนไขสำคัญ คือมันเป็นงานวัดของ Fireworks เอง ซึ่งไม่ได้แปลว่าใช้ได้ทุกงาน ผลิตภัณฑ์ที่ผมคิดว่าน่าสนใจที่สุดคือ Fireworks Sovereign ซึ่งเปิดพรีวิวแบบจำกัด [1] มันคือการยกเครื่องยนต์ inference ของ Fireworks ไปรันในคลาวด์หรือดาต้าเซ็นเตอร์ของลูกค้าเอง [1] บริษัทระบุว่าลูกค้าที่ใช้แนวนี้จะได้อำนาจตัดสินใจเรื่องโมเดลและราคาเอง และยกตัวเลขว่าช่วยเพิ่มโทเคนต่อดอลลาร์ต่อการ์ดได้สองเท่าหรือมากกว่า [1] บริษัทยังบอกว่าดูแล GPU ในสภาพแวดล้อมของลูกค้าอยู่แล้วกว่า 25,000 ตัว [1] ตัวเลข 25,000 ตัวนี้เป็นตัวเลขที่บริษัทให้เอง และไม่มีรายละเอียดว่ากระจายอยู่กี่ลูกค้า ผลิตภัณฑ์ตัวสุดท้ายคือ Nexus ซึ่งพาโมเดลโอเพนซอร์สเข้าไปอยู่ในเครื่องมือเขียนโค้ดที่คนใช้อยู่แล้ว [1] จุดขายคือการเห็นค่าใช้จ่ายแยกตามโมเดลรายวัน และเลือกโมเดลให้เหมาะกับงาน [1] นี่คือตลาดเดียวกับที่ผู้ให้บริการ agent หลายรายกำลังแข่งกันอยู่ งานวัดทั้งหมดเป็นของบริษัทเอง ยังไม่มีงานอิสระทวนซ้ำ ไม่มีตัวเลขค่าความหน่วงในงานจริงที่มีบริบทใหญ่และผู้ใช้พร้อมกันจำนวนมาก ไม่มีรายละเอียดว่าโหมดราคาครึ่งเดียวจำกัดคิวหรือเวลารอไว้อย่างไร ไม่มีข้อมูลว่าลูกค้า Sovereign รายใดใช้งานจริงแล้ว ผมมีตัวอย่างง่าย ๆ ให้ลองคิดตาม ถ้างานเอเจนต์ของคุณใช้ 30 เทิร์น และแต่ละเทิร์นรอ 2 วินาที ผู้ใช้จะรอหนึ่งนาที ถ้าความเร็วต่อรอบดีขึ้นจนเหลือ 0.3 วินาที ผู้ใช้จะรอไม่ถึงสิบวินาที และความรู้สึกต่อผลิตภัณฑ์จะเปลี่ยนทันที แต่ถ้างานของคุณคือสรุปเอกสารวันละครั้ง ความเร็วสูงสุด 1,500 โทเคนต่อวินาทีก็แทบไม่มีความหมาย ข่าวนี้ไม่ได้บอกว่าโลกได้โมเดลที่ฉลาดขึ้น แต่บอกว่าชั้นบริการเริ่มแข่งกันที่เวลาและต้นทุนต่องาน สำหรับคนที่สร้างเอเจนต์ ตัวเลขที่น่าจับตามากกว่าความเร็วสูงสุด 1,500 โทเคนต่อวินาที คือราคาต่อ task ที่ทำสำเร็จ ซึ่งยังไม่มีใครในงานนี้เปิด [1] Fireworks AI Blog · Fireworks unveils new products at Forge (3 พ.ย. 2026) · https://fireworks.ai/blog/fireworks-unveils-new-products-at-forge-to-help-companies-build-specialized-intelligence https://www.unite.ai/fireworks-announces-faster-agent-inference-and-sovereign-deployment/ https://fireworks.ai/blog/ember-1 บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)