# Fireworks AI Release Notes (Seite 2) > 79 Updates, 1 aktive Quellen, zuletzt aktualisiert am 7. Oktober 2026. Quelle: [Seite](https://updatefeed.de/updates/fireworks-ai) · Feed: [RSS](https://updatefeed.de/feed/fireworks-ai/feed.rss) ## Juli 2026 ### Dokumentation zum Learning-Rate-Scheduler für SFT 16. Juli 2026 Die Learning-Rate-Scheduler-Einstellungen `constant`, `linear` und `cosine` für Supervised-Fine-Tuning-Jobs sind jetzt über `firectl` und das REST-API-Objekt `lrScheduler` dokumentiert. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## Juni 2026 ### Serverless-Einstellung von Kimi K2.5 und Qwen 3.6 Plus 26. Juni 2026 Kimi K2.5 und Qwen 3.6 Plus sind auf Serverless veraltet; empfohlen wird die Migration zu Kimi K2.6 bzw. Qwen 3.7 Plus. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Serverless-Einstellung von MiniMax M2.5 17. Juni 2026 MiniMax M2.5 ist auf Serverless veraltet, Nutzer sollen zu MiniMax M2.7 migrieren. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Neues Modell: GLM 5.2 15. Juni 2026 GLM 5.2 ist jetzt in der Model Library verfügbar. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Neue Modelle: Kimi K2.7 Code, MiniMax M3 und Qwen 3.7 Plus 12. Juni 2026 Kimi K2.7 Code, MiniMax M3 und Qwen 3.7 Plus sind jetzt in der Model Library verfügbar. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Audio-Inferenz und Bildgenerierung veraltet 10. Juni 2026 Audio-Inferenz und Bildgenerierung sind als veraltet gekennzeichnet. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## Mai 2026 ### Serverless-Abkündigung älterer Modelle zum 14. Mai 2026 14. Mai 2026 Mehrere ältere Serverless-Modelle, darunter DeepSeek V3.1/V3.2, GLM 4.7, GLM 5, Qwen3 8B und Llama 3.3 70B Instruct, werden am 14. Mai 2026 abgeschaltet, sodass Nutzer vorher auf empfohlene Ersatzmodelle migrieren müssen, während Dedicated Deployments unberührt bleiben. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Serverless-Abschaltung älterer Modelle zum 14. Mai 2026 14. Mai 2026 Mehrere ältere Serverless-Modelle (u. a. DeepSeek V3.1/V3.2, GLM 4.7, GLM 5, Qwen3 8B) werden am 14. Mai 2026 abgeschaltet, dedizierte Deployments bleiben unberührt, und Nutzer sollen vorher auf empfohlene Ersatzmodelle wie Kimi K2.6, GLM 5.1 oder GPT-OSS 20B migrieren. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## Februar 2026 ### Video- und Audio-Modelle, AWS-S3-Training und SSO-JIT-Provisioning 5. Februar 2026 Multimodale Modelle wie Qwen3 Omni und Molmo2 verarbeiten nun Video- und Audioeingaben über die Chat Completions API, Trainingsdatasets können in eigenen AWS-S3-Buckets liegen, und Enterprise-SSO unterstützt Just-In-Time-Benutzerprovisionierung. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## Januar 2026 ### Warm-Start-Training und Azure Federated Identity 20. Januar 2026 Reinforcement-Fine-Tuning-Jobs lassen sich per `--warm-start-from` von SFT-Checkpoints starten, und Modell-Uploads aus Azure Blob Storage unterstützen Azure-AD-Federated-Identity statt SAS-Tokens. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## Dezember 2025 ### Playground-Kategorien, neue Rollen und Fine-Tuning-Verbesserungen 22. Dezember 2025 Der Playground erhält Kategorie-Tabs (LLM, Image, TTS, STT), es gibt die neuen Benutzerrollen Contributor und Inference, und Fine-Tuning-Jobs lassen sich stoppen, fortsetzen und klonen sowie RFT-Ausgabedatasets herunterladen. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Reasoning-Guide, Prompt-Caching-Updates und neue Modelle 15. Dezember 2025 Es gibt einen neuen Reasoning-Guide, aktualisierte Prompt-Caching-Dokumentation (gecachte Prompt-Tokens auf Serverless kosten 50 % weniger) sowie die neuen Modelle Devstral Small 2 24B Instruct 2512 und NVIDIA Nemotron Nano 3 30B A3B. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### DeepSeek V3.2 auf Serverless, Preisanzeige für Cache und neue Modelle 8. Dezember 2025 DeepSeek V3.2 ist auf Serverless verfügbar, die Model Library zeigt gecachte und ungecachte Input-Token-Preise an, das Evaluations-Dashboard erhält Statusspalte und Filter, und Ministral 3 14B und 8B Instruct 2512 sind neu. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Audit Logs, Dataset-Download und gewichtetes RFT-Training 1. Dezember 2025 Die Web-App bietet jetzt durchsuchbare Audit Logs und Dataset-Downloads, und Reinforcement Fine-Tuning unterstützt Gewichtung pro Beispiel. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## November 2025 ### Evaluator-Verbesserungen, Kimi K2 Thinking auf Serverless und neue API-Endpunkte 24. November 2025 Evaluatoren lassen sich über GitHub-Templates erstellen, Integrationen mit W&B und MLflow sind dokumentiert, und Kimi K2 Thinking sowie KAT Dev 32B und 72B Exp sind verfügbar, Kimi K2 Thinking auch auf Serverless. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Build SDK wird eingestellt, verbessertes RFT 12. November 2025 Das Build SDK (letzte Version 0.19.20) wird zugunsten eines neuen, aus der REST API generierten Python SDK ab Version 1.0.0 eingestellt, und die Reinforcement-Fine-Tuning-Erfahrung wurde unter anderem mit Multi-Turn-Training verbessert. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## August 2025 ### SFT mit separaten Thinking Traces für Reasoning-Modelle 22. August 2025 Supervised Fine-Tuning unterstützt nun separate Thinking Traces für Reasoning-Modelle wie DeepSeek R1, GPT OSS und Qwen3 Thinking sowie Multi-Turn-Fine-Tuning für die GPT-OSS-Familie. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### SFT-Unterstützung für Qwen3 MoE und GPT OSS 10. August 2025 Supervised Fine-Tuning unterstützt nun Qwen3-MoE-Modelle und GPT-OSS-Modelle, wobei GPT OSS vorerst nur Single-Turn ohne Thinking Traces abdeckt. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ## Juli 2025 ### Fine-Tuning von Vision-Language-Modellen und `.apply()`-Pflicht im Build SDK 29. Juli 2025 Vision-Language-Modelle der Qwen-2.5-VL-Familie (3B bis 72B) lassen sich mit Bild- und Textdaten feinabstimmen, und das Build SDK verlangt für On-Demand-Deployments nun einen expliziten `.apply()`-Aufruf. [Originalquelle](https://docs.fireworks.ai/updates/changelog) ### Eigene Rollout- und Reward-Entwicklung für Reinforcement Learning 23. Juli 2025 Nutzer können eigene Rollout- und Reward-Logik entwickeln, während Fireworks Training und Deployment übernimmt, und dafür die neue Methode `LLM.reinforcement_step()` verwenden. [Originalquelle](https://docs.fireworks.ai/updates/changelog) Weitere Einträge: [Seite 3](https://updatefeed.de/updates/fireworks-ai.md?seite=3)