Fireworks Research发布Ember-1模型：基于Kimi K3优化，推理Token消耗减少40%

Fireworks Research 推出基于 Kimi K3 构建的轻量化推理专有模型 Ember-1，重点解决复杂推理模型在代码编写与智能体应用中调用成本过高的问题。

• 模型在保持输出解答质量的前提下生成更短的推理步骤，使 Token 消耗量降低约 40%。
• 针对直接降低思考预算会导致准确率明显下降的问题，研发团队通过定制化训练算法对低效思考轨迹进行了定向剪裁。
• 评测涵盖外部基准与实际生产环境测试，在内部开发与外部 A/B 灰度测试中均维持了原模型的分析水准。
• 影响/看点：该成果表明针对长思考链条进行稀疏化与精简训练能够改善帕累托前沿效率，为解决高阶推理模型落地时的算力瓶颈提供了可复制范式。
• 资料依据：
• Fireworks AI Blog（2026-09-23）：https://fireworks.ai/blog/ember-1
• X：Elvis Saravia（2026-09-27）：https://x.com/omarsar0/status/2104341259540123718

本内容由 AI 生成，仅供参考，请注意甄别