Fireworks发布Ember-1：减少近半Token，保持同等质量

Fireworks Research 今日正式发布新一代专用大模型 Ember-1。该模型基于 Kimi K3 架构优化而成，直击大型推理模型在多轮智能体任务中 Token 消耗过高的行业痛点。研发团队依托无服务器训练平台，开展超五十次实验与两百余轮评估，创新训练算法使模型精准剥离冗余思考路径，同时完整保留自我反思与纠错能力。实测表明，Ember-1 在编程、数学、工具调用及医疗临床等多元基准测试中，表现与 Kimi K3 满级推理持平，并实现 Token 消耗降低三至五成。在真实客户生产环境及内部研发流的 A/B 测试中，该模型在维持任务成功率与响应质量的同时，显著压降了 API 调用成本。当前 Ember-1 已作为研究预览版正式可用。此举标志着 Fireworks 全面转向模型专业化与极致能效战略。未来，该平台将持续迭代 Ember 系列模型，并开放企业级私有数据定制训练服务，为开发者提供更具性价比的下一代 AI 基础设施。