Fireworks AI 上线 Kimi K3 微调能力，支持 SFT、偏好调优与强化学习

AI 推理平台 Fireworks AI 近日宣布，用户已可在其平台上对 Moonshot（Kimi 所属团队）的 Kimi K3 模型进行微调训练。平台通过 Training API 提供监督微调（SFT）、偏好调优以及强化学习三类训练方式，并支持专用（dedicated）与无服务器（serverless）两种部署模式。Fireworks 在宣传中将 Kimi K3 描述为「首个 3 万亿参数的开源前沿模型」（the first open frontier model at 3 trillion parameters）。

平台主打差异化：自有权重与零数据保留

Fireworks 在公告中强调了其与多数「租用式」AI 工具的区别：用户可在自有数据上对 Kimi K3 进行微调，模型权重归用户所有，推理通过位于美国的端点（US-hosted endpoints）进行服务，并承诺「零数据保留」（Zero data retention）策略。这意味着用户上传的微调数据不会被用于训练其他模型，也不会被持久化存储在平台侧。

对于关注数据合规与模型私有化部署的企业用户而言，这种「权重自有 + 数据不留存」的组合，是 Fireworks 此次推广的核心卖点。

三种训练方式与两种部署形态

根据公告，Kimi K3 在 Fireworks 上的微调能力覆盖三类常见的后训练方法：

• 监督微调（Supervised Fine-Tuning）：基于标注数据对模型进行任务适配；
• 偏好调优（Preference Tuning）：基于人类偏好数据对齐模型输出；
• 强化学习（Reinforcement Learning）：通过奖励信号进一步优化模型行为。

部署层面，用户可根据工作负载在专用实例与无服务器模式之间切换，兼顾稳定性与弹性。

申请方式与现状

目前 Kimi K3 在 Fireworks 上的微调并未完全自助开放。官方提示用户需通过联系销售（Contact us to get started）的方式申请开通，并未给出公开的 API 文档链接或定价信息，因此具体的训练成本、支持的上下文长度、可选规格等关键参数仍待后续披露。

作为参考，Fireworks 此前已在平台上托管多款主流开源模型（如 Llama、Mistral、Qwen 等），此次将 3 万亿参数级别的模型纳入微调支持范围，意味着超大规模开源模型的后训练能力正向第三方平台进一步下沉。