Fireworks AI 发布了 Ember-1，这是一个通过在后训练阶段对 Moonshot AI 的开源权重模型 Kimi K3 进行优化而创建的专业模型，旨在保持任务准确率的同时生成更短的推理轨迹。与仅在推理时降低推理努力设置不同，Ember-1 经过训练以消除冗余推理和低效循环。

  • Ember-1 在各项评估中提供与 Kimi K3 相当的质量，但 token 使用量减少约 40%。
  • 它在 Terminal Bench 2.1（82.0%）和 DeepSWE 1.1（75.2%）上领先于 K3 Max，而在 SWE-bench Verified 上略低（92.2%）。
  • 生产环境 A/B 测试显示，每个任务的输出 token 从 49.3K 降至 29.9K，得分分别为 0.753 和 0.751，表现相当。
  • 该模型仅通过 Fireworks serverless API 以研究预览形式提供；权重和训练代码未公开。

这种方法允许客户在不牺牲准确率的前提下，通过减少 token 使用量以更低的成本访问 K3 的编码能力。