Ember-1 es un nuevo modelo especializado de Fireworks Research que ofrece la calidad de Kimi K3 con un 40% menos de tokens. Construido sobre Kimi K3, aprendió a cortar el razonamiento innecesario mientras preserva el pensamiento esencial. Probado en benchmarks externos, pruebas A/B en vivo con clientes y cargas de trabajo internas de codificación y agentes, la calidad se mantuvo consistente.

Disponible hoy, Ember-1 lanza una serie de modelos especializados moldeados por las necesidades de los desarrolladores. Fireworks Research desarrolló Ember-1 después de que los usuarios solicitaran las capacidades de codificación de Kimi K3 a menor costo, ya que las largas trazas de razonamiento hicieron que la codificación automatizada fuera costosa a escala. Reducir la configuración de esfuerzo sacrificó demasiada calidad, por lo que el equipo se centró en entrenar al modelo para razonar de manera más eficiente.

Se realizaron más de 50 experimentos de entrenamiento y 200 evaluaciones, dando lugar a nuevos algoritmos de entrenamiento que acortan el razonamiento sin perder precisión. El entrenamiento se realizó en Fireworks Serverless Training, permitiendo experimentación rápida, precios por uso y ciclos de investigación a lanzamiento más rápidos. Ember-1 fue evaluado en diversas tareas para garantizar que el ahorro de tokens se transferiera a varias cargas de trabajo, y luego validado en el Specialized Intelligence Index, benchmarks públicos y tráfico de producción en vivo.

El modelo aborda la ineficiencia en modelos de razonamiento como Kimi K3, que gastan más del 90% de los tokens en razonamiento interno en lugar de en respuestas. Esto se vuelve costoso en cargas de trabajo agenticas multi-turno, donde el razonamiento anterior se vuelve a leer y a facturar. Ember-1 preserva la autocrítica útil mientras elimina el razonamiento excesivo, utilizando retroalimentación de tareas y entorno para aprender un razonamiento eficiente.

El entrenamiento abarcó matemáticas, codificación, seguimiento de instrucciones, conversación, búsqueda, uso de herramientas e ingeniería de software, incluyendo interacciones extendidas. Los resultados confirman que la calidad se mantiene en siete benchmarks y en el tráfico de producción de dos clientes.