Fireworks AIは、Moonshot AIのオープンウェイトモデルKimi K3にポストトレーニングを施して作成された特殊なモデル「Ember-1」をリリースしました。これは、タスクの精度を維持しつつ推論トレースを短縮することを目的としています。

単に推論時の推論努力設定を引き下げるのではなく、Ember-1は冗長な推論や生産性の低いループを排除するようにトレーニングされています。

  • Ember-1は、評価において約40%少ないトークンでKimi K3の品質を実現しています。
  • Terminal Bench 2.1（82.0%）とDeepSWE 1.1（75.2%）でK3 Maxを上回り、SWE-bench Verifiedではわずかに下回る（92.2%）結果となりました。
  • 本番環境でのA/Bテストでは、タスクあたりの出力トークン数が49.3Kから29.9Kに減少し、スコアは0.753で0.751とほぼ同等でした。
  • このモデルはResearch PreviewとしてFireworksのサーバーレスAPI経由でのみ利用可能であり、ウェイトやトレーニングコードは公開されていません。

このアプローチにより、精度を犠牲にすることなくトークン使用量を削減することで、顧客がより低コストでK3のコーディング機能にアクセスできるようになります。