English(EN) RT @lqiao: Well said @RamaswmySridhar! I believe the cost saving is actually much bigger, more like 4-5x.

Fireworks AI 声称 GLM-5.2 比 Anthropic 的 Opus 4.7 便宜 48%

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-27 06:03

Fireworks AI 宣布大幅降低其 GLM-5.2 模型的成本，声称其比 Anthropic 的 Opus 4.7 便宜约 48%。该公司通过将 GLM-5.2 的缓存令牌价格降低 2 倍并推出零 KLD 的训练后版本来实现这一目标。Fireworks AI 表示，在标准化为 90% 的缓存命中率后，GLM-5.2 的每次会话成本为 1.12 美元，而 Opus 4.7 的每次会话成本为 2.14 美元。 AI

影响此公告可能会迫使竞争对手降低类似推理服务的价格。

排序理由这是来自特定 AI 基础设施提供商的成本比较和产品更新，而不是前沿模型发布或重大行业事件。

在 X — Fireworks (inference infra) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

Fireworks AI 声称 GLM-5.2 比 Anthropic 的 Opus 4.7 便宜 48%

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是来自特定 AI 基础设施提供商的成本比较和产品更新，而不是前沿模型发布或重大行业事件。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 99 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

X — Fireworks (inference infra) TIER_1 English(EN) · FireworksAI_HQ · 2026-06-27 06:03

RT @lqiao: 说得好 @RamaswmySridhar！我认为节省的成本实际上要大得多，更像是 4-5 倍。

RT @lqiao: Well said @RamaswmySridhar! I believe the cost saving is actually much bigger, more like 4-5x. E.g., we have just reduced our…

本文如何被排名

报道来源 [1]

RT @lqiao: 说得好 @RamaswmySridhar！ 我认为节省的成本实际上要大得多，更像是 4-5 倍。

相关实体

相关话题

RT @lqiao: 说得好 @RamaswmySridhar！我认为节省的成本实际上要大得多，更像是 4-5 倍。