Model Library — モデルを探す・選ぶ

これは何か

Model Libraryは、Fireworksが提供する100を超える主要モデルを一覧・検索・フィルタするための画面で、app.fireworks.ai/modelsにある。公式ドキュメントは「Fireworks Model Libraryで利用可能な全モデルを探索・フィルタできる」と説明しており、モデルを選ぶ作業はここから始まる。

ただし「全モデル」という表現には注意が要る。Model LibraryはServerlessで動く全モデルの一覧ではない。たとえばレガシーのBERT/sentence-transformers系embedder（BAAI/bge-small-en-v1.5など）はModel Libraryには表示されないが、Serverlessでは動く。掲載されないモデルの見分け方は本章後半の「提供面とライフサイクルの見分け方」で扱う。

個々のモデルには専用のモデル詳細ページ（app.fireworks.ai/models/fireworks/<モデルID>）があり、そこに表示されるモデルID（例: glm-5p2）にaccounts/fireworks/models/を付けた完全な名前が、実際にAPIへ渡すmodelパラメータの値になる。つまりModel Libraryは「眺めるだけの一覧」ではなく、「次にAPIへ何を渡すか」を決める場所でもある。

いつ使うのか

Model Libraryを開くタイミングは主に4つある。

• 初めてFireworksを触っていて、そもそもどんなモデルがあるか把握したいとき
• 「コード生成に強いモデル」「画像を読めるモデル」のように用途からモデルを絞り込みたいとき
• 候補が数個に決まったあと、コンテキストウィンドウやキャッシュ料金といった詳細を比較したいとき
• いま使っているモデルがServerlessのまま使い続けられるか、専有デプロイが必要かを確認したいとき

Fireworksには「探す」「試す」「比較する」を担う画面・ガイドが複数あり、混同しやすい。使い分けを整理する。

フィルタとタグで絞り込む

個別の絞り込み方法に入る前に、モデル選びの判断そのものがどういう順序で進むかを見ておく。

実際の絞り込みは、UI上のクリックだけでなくURLクエリでも表現される。公式ドキュメントの複数箇所が、絞り込み結果への導線として、クエリ付きのURLをそのまま貼っている。たとえばServerlessで動くLLMだけを見るには、app.fireworks.ai/models?filter=LLM&serverless=trueを開けばよい。

確認できる絞り込み軸は2種類ある。1つはfilterによるカテゴリ絞り込みで、LLM・Vision・Serverlessのほか、変更履歴からEmbeddings・Reranks・Agentsというカテゴリの存在も確認できる。もう1つは真偽値による絞り込みで、serverless=true（Serverlessで動くものだけ）やtunable=true（Fine-Tuningの学習対象になるものだけ）が使われる。この2つは&で組み合わせられる。

画面には検索ボックスもあり、モデルの表示名とモデルIDの両方にマッチする。また、モデルは既定の名前空間fireworksだけでなく、それ以外の名前空間（例: Cogito）単位でも整理されている。

フィルタ・検索・タグの3つを組み合わせて母集団を絞り込み、最後に個々のモデル詳細ページで最終確認する、というのがModel Libraryの基本的な使い方になる。

モデル詳細ページとモデルの種類

候補が絞れたら、モデルのカードをクリックしてモデル詳細ページ（app.fireworks.ai/models/fireworks/<モデルID>）を開く。このページで確認できることは、公式ドキュメントの複数箇所から次のように裏付けられる。

• モデルID — APIに渡すmodelパラメータの正確な値はこのページで確認する、と概念ページが明記している。
• コンテキストウィンドウ — 1回のリクエストで扱えるトークン数の上限（入力＋出力の合計）。max_tokensを適切に設定するためにも、まずここで確認する。
• キャッシュ料金 — プロンプトキャッシュがヒットしたときの割引後単価。主要モデルのcached input単価はServerless Pricingページの個別モデル表に載っており、割引の幅はモデルごとに大きく異なる（例: GLM 5.2は入力の約1/10、DeepSeek V4 Pro (0813)は約1/30。2026-09時点、Serverless Pricingの個別モデル表による）。個別モデル表に無いモデルはサイズ別の一律料金が適用され、入力と出力が同額でcached専用のレートは無い。いずれの場合も最終確認はこのページで行う。
• Serverless / Tunableタグ — あとで扱う「提供面」の判断材料。

モデルの種類（モダリティ）

紹介ページが掲げるモダリティは、テキスト・ビジョン・音声・画像・embeddingsの5種類（2026-09時点）。ただし変更履歴には音声推論と画像生成を廃止したという告知があるため、本章ではLLM・Vision・動画/音声入力・Embeddingsを対象に扱う。Model Libraryで探すときは、次のように大まかに分類できる。

• LLM（テキスト） — チャット・コード生成・エージェント用途の中心。例: DeepSeek V4 Pro (0813)、Kimi K3、GLM 5.2。
• Vision（画像・文書理解） — 画像やPDFを読ませる用途。例: Kimi K2.6、Qwen3.7 Plus。詳しくは第6章で扱う。
• 動画・音声 — 対応モデルは限られる。Serverlessで動画入力を受け付けるのはGLM 5.3 Flashのみ。音声入力に対応するのはQwen3 Omni 30B A3B Instructで、こちらは専有デプロイが要る。
• Embeddings・Reranking — 検索・情報取得向け。例: Qwen3 Embedding 8B、Qwen3 Reranker 8B。Embeddingsは入力トークンのみで課金される点がLLMと異なる。

Playgroundのモデル選択からは、embedding・rerankerモデルが除外される（画面で対話的に試すものではなく、APIから呼ぶものという設計）。動画・音声を扱うモデルを試したいときは、Model Libraryで対応モダリティを確認したうえで、専有デプロイの要否も併せて見ておくとよい。

どのモデルを使うべきか

Fireworksは「Which model should I use?」という専用の選定ガイドを公開しており、2026年8月更新版（2026-09時点で最新）を根拠に、社内テスト・顧客デプロイ実績・外部ベンチマークの3つから推奨モデルを示している。用途別の代表的な推奨は次のとおり（2026-09時点、モデル名は同ガイドの表記のまま）。

個々のモデル名よりも大事なのは、「レイテンシ予算」という考え方だ。同ガイドは次の2つを定義している。

• 高レイテンシ予算 — 品質を優先。複雑な推論・多段階のワークフロー・調査タスクなど、速度より精度が重要な場面。
• 低レイテンシ予算 — 速度を優先。チャットボット・リアルタイム検索・高スループットな分類など、ユーザー向けの応答速度が重要な場面。

迷ったら、まず用途をこの2軸のどちらかに位置づけると、候補が一気に絞れる。

クローズドモデルからの移行

Claude・GPT・Geminiのようなクローズドモデルを使っていて、Fireworks上のオープンモデルへ移行したい場合も、同じレイテンシ予算の考え方で乗り換え先を探せる。選定ガイドはClaude・OpenAI GPT・Google Geminiのそれぞれについて、高レイテンシ予算枠と低レイテンシ予算枠に分けた移行先を挙げている。

たとえば高レイテンシ予算枠では、DeepSeek V4 Pro (0813)・GLM 5.2・MiniMax M3が、Claude Opus 4.8/Sonnet 4.6・GPT-5.5/5.5 Pro・Gemini 3.1 Proのいずれからの移行先としても共通して挙がる。Kimiは移行元によって推奨バージョンが異なり、ClaudeからはKimi K3、GPT・GeminiからはKimi K2.6が推奨される。低レイテンシ予算枠では、Claude Haiku 4.5・GPT-5.4 mini/nano・Gemini 3.5 Flash系のいずれからも、Step 3.7 FlashやQwen3 8B（小型）が受け皿になる。移行先の候補が複数ベンダーにまたがって重なっているのは、Fireworks側が「品質重視/速度重視」という軸でモデルを整理していることの裏返しでもある。

提供面とライフサイクルの見分け方

以下は、あくまでModel Libraryに載っているモデルについての話である。同じ一覧に載っていても実際に動かせる手段は一様ではなく、見分けるための情報は主にタグとAPIメタデータにある。

特に注意したいのは、モデル詳細ページのAPIメタデータでsupportsServerless: trueとsupportsLora: trueが同時に立っているケースだ（LoRAは、ベースモデル全体を作り直さずその上に載せる小さな追加学習分のこと）。公式ドキュメントは「この2つはデプロイ時には両立しない」と明記している。supportsServerlessはベースモデルにのみ適用され、そのベースモデルから学習したLoRAアダプタ自体はServerlessにデプロイできず、専有（on-demand）デプロイが必須になる。

Model Libraryに載っていないモデルもある。レガシーのBERT/sentence-transformers系embedder（BAAI/bge-small-en-v1.5、nomic-ai/nomic-embed-text-v1.5など）はModel Libraryに表示されないが、Serverlessでは動く。この場合はFireworks形式のaccounts/fireworks/models/...ではなく、Hugging Face形式のIDをそのままmodelパラメータに渡す。

「非推奨（deprecated）」を示す専用の表示がModel Libraryにあるという記述は、docsの中には見当たらなかった。その代わりFireworksは、Serverlessモデルの入れ替え方針を次のように明文化している。

Serverless models are managed by the Fireworks team and may be updated or deprecated as new models are released. We provide at least 2 weeks advance notice before removing any model, with longer notice periods for popular models based on usage.

つまり実務では、「一覧にまだ載っていてServerlessタグが付いているか」を都度確認するのが最も確実。長期的にモデルのバージョンを固定したい本番用途では、Serverlessではなく専有デプロイ（第9章）を検討すべきだとServerless Inference Overviewは勧めている。

モデルIDの構造とFast variant

モデルの完全な名前はaccounts/<アカウントID>/models/<モデルID>という形式を取る。Fireworks提供モデルのアカウントIDは常にfireworksで、末尾の<モデルID>がモデル詳細ページに表示されているIDにあたる。バージョン番号のドットはpに置き換えられる、という表記ルールがあり、たとえば「GLM 5.2」はglm-5p2、「Kimi K2.6」はkimi-k2p6になる。自分でモデルIDを付ける場合のリソースID制約は、1〜63文字・a-z/0-9/ハイフンのみ・先頭と末尾はハイフン不可・先頭は数字不可、の4条件。

一部のモデルには、品質は変えずに生成速度を優先する「Fast」variantが用意されている。名前空間をmodelsからroutersに切り替え、IDの末尾に-fastを付けるだけで指定できる。2026-09時点で確実なのはGLM 5.2 Fastで、Serving Pathsページがmodel ID（glm-5p2-fast）を明記している。Serverless PricingページにはKimi K3 Fastという行もあるが、こちらは料金のみでIDは書かれていない。Serving Pathsページには他のFast名も載っているが、変更履歴と突き合わせると退役済みのものが混じっているため、本書ではIDと現存の両方を確認できたものだけを挙げる。

Fast variantは生成スループット100トークン/秒以上を狙う経路で、モデルの中身は差し替わらない（品質は変わらない）とドキュメントは明記している。ただしレート制限の枠は通常のvariantとは別に管理される。料金やレート制限、Priority tierとの違いなど運用面の詳細は第5章で扱う。

curl https://api.fireworks.ai/inference/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $FIREWORKS_API_KEY" \
  -d '{
    "model": "accounts/fireworks/models/glm-5p2",
    "messages": [
      {"role": "user", "content": "自己紹介して"}
    ]
  }'

つまずきポイント

理解度チェック

まとめ

• Model Library（app.fireworks.ai/models）は100を超える主要モデルを探索・フィルタする画面で、URLクエリ（filter・serverless・tunable）と検索ボックスで絞り込める。
• ただしServerlessで動く全モデルの一覧ではない。レガシーembedderのように、掲載されないが動くモデルもある。
• モデル詳細ページでID・コンテキストウィンドウ・キャッシュ料金・タグを確認してから使う。
• 迷ったら「モデル選定ガイド」の用途別推奨と、高/低のレイテンシ予算という2軸で候補を絞る。クローズドモデルからの移行も同じ軸で考えられる。
• Serverless/Tunableタグ、supportsServerless/supportsLoraの非両立、Fast variant（2026-09時点で確実なのはGLM 5.2 Fastのみ）という3つの落とし穴を押さえておく。

モデルの候補が絞れたら、次はコードを書く前にブラウザ上で挙動を確かめる番だ。第4章ではPlaygroundを使って、パラメータの意味を画面で体感していく。

参考リンク

• Which model should I use?
• Concepts
• Build with Fireworks AI
• Serverless Inference Overview
• Serverless Serving Paths
• Serverless Pricing
• Embeddings & Reranking
• Video & Audio Inputs