Zum Hauptinhalt springen
usedby
Zeta GlobalmitFireworks AI

Wie Zeta Global Fireworks AI nutzt

Zeta hat Open-Weight-Modelle von NVIDIA Nemotron auf Fireworks feinabgestimmt, um Anfragen an die passenden Tools weiterzuleiten und Berichte für Athena, den KI-Assistenten in seiner Plattform AthenaOS, zusammenzufassen. Die Modelle werden mit verwaltetem überwachtem Fine-Tuning trainiert und auf dedizierten Deployments betrieben.

BestätigtFallstudie des Anbieters · Geprüft am 6. Nov. 2026
Erfassten Nachweis ansehen

Der Anwendungsfall: wie Zeta Global Fireworks AI einsetzt

Zeta fine-tuned open-weight NVIDIA Nemotron models on Fireworks to route requests to the right tools and to summarize reports for Athena, the AI assistant in its AthenaOS platform. The models are trained with managed supervised fine-tuning and served on dedicated deployments.

Weitere angegebene Ergebnisse

Zahlen aus der Fallstudie von Fireworks AI. usedby hat sie nicht unabhängig gemessen.

six times faster

Zeta’s fine-tuned routing model outscored the strongest closed model on tool selection (94.7% against 89.3%) and responds six times faster.

12.3%

In production, end-to-end answer correctness rose 12.3%.

47 points

Fine-tuning on Fireworks lifted routing accuracy by up to 47 points.

47% to 72%

Routing also costs 47% to 72% less per request than the strongest closed model, so Zeta can expand the usage across AthenaOS without inference spending rising in step.

In den Worten des Kunden

Frontier-Modelle sind hervorragend, und wir setzen sie weiterhin dort ein, wo ihre breiteren Fähigkeiten gefragt sind. Aber für eine wiederkehrende Fachaufgabe mit hohem Volumen kann ein feinabgestimmtes kleineres Modell vergleichbare oder bessere Qualität bei geringeren Kosten pro Anfrage liefern. Es kommt außerdem mit einem kürzeren Prompt aus und antwortet schneller, was bei einem interaktiven Produkt wichtig ist.
Maschinell übersetzt aus dem Englischen
Original anzeigenFrontier models are excellent, and we still use them where their broader capabilities matter. But for a high-volume, repeatable domain task, a fine-tuned smaller model can deliver comparable or better quality at a lower cost per request. It can also use a shorter prompt and respond faster, which matters in an interactive product.
Nate Yohannes, President of Data & AI Lab and Global Head of Research and Development, Zeta Global — Quelle

Nutzer von Fireworks AI in der Branche MarTech

Unternehmen derselben Branche, mit öffentlichen Belegen.

HubSpotBeobachtet
Alle Kunden von Fireworks AI ansehen

Weitere Fallstudien

Direkt zur Quelle

Auf Basis der veröffentlichten Fallstudie von Fireworks AI. Wir prüfen die öffentlichen Belege; die Ergebnisse gibt der Anbieter an.

fireworks.ai
Quelle veröffentlicht
3. Nov. 2026
Zuletzt geprüft
6. Nov. 2026
fireworks.aiErfasste Fallstudie von Fireworks AI über Zeta GlobalScreenshot der Quelle öffnen
Was die Fallstudie behauptet und was wir geprüft haben

Was wir mit der Seite verglichen haben.

  • Die Zahl: 94%Geprüft

    Steht wörtlich auf der Seite, nahe dem Namen Zeta Global.

  • Die oben zitierte PassageGeprüft

    Wörtlich von der Seite übernommen, nahe dem Namen Zeta Global.

  • Das VeröffentlichungsdatumGeprüft

    Aus den eigenen Metadaten der Seite gelesen, nie geschätzt.

  • Zeta Global nutzt Fireworks AIGeprüft

    Eintrag mit Stufe Bestätigt.

  • Das Ergebnis selbstNicht geprüft

    Wir zitieren es; wir haben es nicht gemessen.

Report summaries stay as well grounded in customer data as the leading closed model’s, at 94% lower cost per request.
Von der Seite. fireworks.ai