就在前几天，Fireworks Research 发布了 Ember-1，一个基于 Kimi K3 训练的模型。它把优化重点放在推理效率上：缩短思考过程，同时保留完成任务的能力。按照 Fireworks 的总体评测描述，Ember-1 的 token 用量减少约 40%，质量保持接近；测试涵盖公开基准、客户的生产编程流量和团队内部的 coding、Agent 工作负载。
模型已经以 Research Preview 的形式接入 Fireworks Serverless。对持续运行编程 Agent 的团队来说，它提供了一个很实际的选择：继续用 K3 衍生的能力处理任务，但减少中间生成的推理。
Elvis Saravia（@omarsar0）给出了一条有意思的评论。他看重的不只是 token 少了多少，而是质量与用量之间的取舍还能继续改善。在他看来，各家实验室快速推出前沿模型，有些方面仍没有充分优化；开放模型让开发者有机会在已有基础上继续挖掘效率。
为什么要再训练 K3
Fireworks 的起点来自用户需求：想保留 K3 的编程能力，又希望费用更低。最直接的尝试是调低 reasoning effort，也就是让模型少花一些推理功夫。团队称，这样会损失过多质量，所以转向额外训练。
它需要保留的能力包括自我反思：发现测试失败后检查之前的假设，根据工具返回的新信息调整下一步行动。Fireworks 希望通过任务和环境反馈，让这些有助于纠错的思考留下来，减少没有推进任务的重复分析与无效循环。
训练任务包含数学、代码、工具使用和软件工程等，既有独立问题，也有持续交互。官方披露，团队进行了 50 多次训练实验、200 多次评估，使用自有数据，没有用客户数据训练。
长推理的费用，会沿任务继续累积
在一些 K3 请求里，Fireworks 观察到内部推理占生成 token 的比例超过 90%。用户最后看到的可能只是一份代码补丁，模型此前已经生成了大量分析。输出 token 按量计费，这部分思考本身就是开销。
编程 Agent 还会连续调用模型：读文件、修改代码、运行测试，再根据报错决定下一步。如果工作流保留完整推理历史，前几轮的思考会被重新送回模型，成为后续输入。Fireworks 的 SII 评测默认就保留推理历史。
用一个教学示意说明：假设每轮新增一份等长的推理记录，随后的三次请求分别携带一份、两份、三份历史。累计输入量是六份；如果每份推理缩短，生成它的输出量和后来反复携带的输入量都会下降。随着轮次增加，这种保留历史的组织方式会让累计输入量近似按轮次平方增长。
额外训练，保住了多少质量
公开对照包括 K3 的 low、high、max 三个推理档位和 Ember-1。max 是这组比较的默认档。成本统一使用 K3 的公开 API 费率：每百万 token，未缓存输入 3 美元、缓存输入 0.30 美元、输出 15 美元。
先看与 K3 max 的逐项结果。下表两列得分均以百分比计，最后一列是成本降幅：
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Terminal Bench 2.1 的 89 个样本上，Ember-1 的得分接近 K3 max，成本不到后者的一半。SWE-bench Verified 的 500 个样本上，得分低了 1 个百分点，节省幅度是 15.5%。
再把调低 effort 的结果放回来。K3 low 在这两项测试的得分分别为 76.4% 和 80.4%，都明显低于 Ember-1。这组对照支持了 Fireworks 的选择：通过额外训练减少用量，可以保留更多接近高档位的任务表现。
DeepSWE 1.1 则同时出现了更高得分和更低成本；SWE-Interact 的得分略低，成本下降约三分之一。公开表未给出这些分差的统计区间。总体来看，得分有升有降，节省幅度随任务变化。
五项基准的汇总：向上是得分更高，向左是成本更低。
这张图对应 Elvis 关注的 Pareto 前沿：在给定比较中，没有另一款模型能在质量不降的情况下更省钱，或在费用不增的情况下拿到更高得分。Ember-1 在五项基准的汇总图中，比 K3 max 更靠左、也更靠上；Claude Opus 5 和 GPT-6 Astra 的得分更高，成本也更高。
客户测试中，输出少了，步骤也少了
公开基准之外，Fireworks 与两家客户在生产编程流量上做了 A/B 测试。团队称，两组测试每项任务的 token 用量减少约 35%，质量接近，多数下游指标保持或改善，包括任务完成、成功得分和失败情况。其中一家客户已在生产环境使用 Ember-1，并计划扩大使用。
官方给出的一组明细如下：
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
输出从约 4.93 万 token 降到 2.99 万，减少约 39%；步数也从 23.8 降到 21.4，得分保持接近。
Fireworks 还把模型接入内部日常编程与 Agent 流量。按照团队的描述，开发者继续处理原有工作，没有察觉模型已经切换，而 token 消耗下降了。团队把这种平滑替换视为一个积极信号。
从低 effort 的对照，到客户测试里的输出和步数，Ember-1 展示了现有基座的一种优化空间：让模型用更短的推理处理同一类任务。
参考链接
-
Fireworks：Introducing Ember-1：https://fireworks.ai/blog/ember-1 -
Elvis Saravia 对 Ember-1 的评论：https://x.com/omarsar0/status/2104341259540123718 -
Ember-1 模型与 API 入口：https://fireworks.ai/models/fireworks/ember-1 -
Specialized Intelligence Index 与评测方法：https://fireworks.ai/specialized-intelligence-index/