Fireworks 发布 Ember-1 省 token 模型

Fireworks Research 9 月发布专用模型 Ember-1，基于 Kimi K3 训练而成，主打"同样的答案，更少的 token"——在公开基准与两家客户的线上 A/B 测试中，推理 token 可减少 35%~50%，质量基本不受影响。

为什么要专门训练一个"省 token"的模型

Fireworks 称，用户需要 Kimi K3 的编程能力，但它冗长的推理轨迹让大规模自动化编程变得昂贵。直接调低 K3 的推理强度（reasoning effort）没能解决问题，效果和质量跟着下降。推理模型的通病是把大部分生成 token（Fireworks 称"有时超过 90%"）花在内部推理而非最终答案上，多轮 Agent 场景更糟：每一轮都要把此前全部推理重新喂给模型，上下文随轮次大致呈平方级增长，早期推理会在后续调用里被反复重读、重复计费。

要保住质量又省 token，只能重新训练模型学会"更高效地想"。Fireworks 团队为此跑了 50 多次训练实验、200 多次评测，在自家 Serverless Training 平台上完成，无需自己置备 GPU；训练数据覆盖数学、编程、指令遵循、对话、搜索、工具调用与软件工程，全部用自有数据，不含客户数据。

跑分与线上测试

测试显示，Kimi K3 的推理长度可在不牺牲准确率的前提下缩短 35%~50%。在 Doximity 面向医生、涵盖 10 个专科的 500 个临床病例基准 Bedside Bench 上，Ember-1 拿下新的成本/质量帕累托前沿，横向对比包括 GPT-5.6 Sol、GPT-6 Astra 与 Claude Opus 5。

Fireworks 官方公布的 Ember-1 在 Bedside Bench 基准上的成本/质量对比图
图：横轴为每任务成本（美元），纵轴为得分，标出 Ember-1 与 Kimi K3、Claude Opus 5、GPT-6 Astra 等模型的位置。来源：fireworks.ai

按 Kimi K3 官方 API 价格折算，Ember-1 在样本量超过 50 的每个基准上都位于或接近帕累托前沿，质量追平 K3 满推理强度档位。两家客户线上 A/B 测试显示，Ember-1 平均节省约 35% 的 token，完成率、成功率等指标同步持平或改善，其中一家已把它用于生产环境，计划全面替换基础模型。Fireworks 内部编程流量也已切到 Ember-1，团队称"没有动静就是最好的消息"——开发者没察觉切换，token 消耗却明显下降。