Ember-1：一半Token，同样答案

Fireworks Research推出了Ember-1，这是基于Kimi K3构建的专用模型，旨在解决推理模型生成过多内部思考Token导致成本高昂的问题。通过超过50次训练实验和200多次评估，Ember-1学会了剔除不必要的推理步骤，同时保留关键思考能力。在Doximity的Bedside Bench等行业基准测试中，Ember-1在保持与GPT-5.6 Sol、Claude Opus 5等顶级模型相当质量的同时，将Token消耗降低了约40%。在真实的客户A/B测试及Fireworks内部开发者的日常编码工作中，该模型不仅显著降低了成本，且未影响任务完成度。Ember-1标志着Fireworks通过Specialized Intelligence Index推动模型效率优化的新方向，让开发者能以更经济的成本获得高质量的AI服务。