Pular para o conteúdo principal
usedby
Zeta GlobalcomFireworks AI

Como Zeta Global usa Fireworks AI

A Zeta fez fine-tuning de modelos NVIDIA Nemotron de pesos abertos na Fireworks para direcionar as requisições às ferramentas certas e resumir relatórios para a Athena, a assistente de IA da plataforma AthenaOS. Os modelos são treinados com fine-tuning supervisionado gerenciado e servidos em implantações dedicadas.

ConfirmadoEstudo de caso do fornecedor · Verificado em 6 de nov. de 2026
Ver a prova capturada

O caso de uso: como Zeta Global implanta Fireworks AI

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.

Outros resultados informados

Números publicados no estudo de caso de Fireworks AI. Eles não são medidos de forma independente pelo usedby.

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.

Nas palavras do cliente

Os modelos de fronteira são excelentes, e ainda os usamos onde suas capacidades mais amplas fazem diferença. Mas, para uma tarefa de domínio repetível e de alto volume, um modelo menor com fine-tuning pode entregar qualidade comparável ou melhor a um custo menor por requisição. Ele também pode usar um prompt mais curto e responder mais rápido, o que importa em um produto interativo.
Tradução automática do inglês
Ver o originalFrontier 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 — Fonte

Usuários de Fireworks AI no setor MarTech

Empresas do mesmo setor, com evidências públicas.

HubSpotObservado
Ver todos os clientes de Fireworks AI

Mais estudos de caso

Ir direto à fonte

Com base no estudo de caso publicado por Fireworks AI. Verificamos as evidências públicas; os resultados são informados pelo fornecedor.

fireworks.ai
Fonte publicada em
3 de nov. de 2026
Última verificação
6 de nov. de 2026
fireworks.aiEstudo de caso de Fireworks AI sobre Zeta Global, capturadoAbrir a captura da fonte
O que o estudo de caso afirma e o que verificamos

O que comparamos com a página.

  • O número: 94%Verificado

    Impresso palavra por palavra na página, perto do nome de Zeta Global.

  • O trecho citado acimaVerificado

    Copiado palavra por palavra da página, perto do nome de Zeta Global.

  • A data de publicaçãoVerificado

    Lida nos próprios metadados da página, nunca adivinhada.

  • Zeta Global usa Fireworks AIVerificado

    Linha de nível Confirmado.

  • O resultado em siNão verificado

    Nós o citamos; não o medimos.

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