先了解这件事
2026年9月23日,Fireworks AI发布基于Kimi K3的高效推理模型Ember-1。官方称,该模型在保持同等质量的同时减少约40%的token消耗;在7个基准和两家客户的生产流量中,K3的推理过程可缩短35–50%而准确率不降。Ember-1以Research Preview形式在Serverless上线,与基础版Kimi K3并列提供,并同步开放基于企业自有数据的训练支持。后续报道称,该模型仅通过Fireworks serverless API提供,未公开权重、训练代码和具体训练算法,暂不支持自托管;与两家客户的生产编码负载A/B测试中,每任务输出token从49.3K降至29.9K,推理token下降71.3%,总token下降39%,任务得分0.753对0.751基本持平,其中一家客户已在生产环境使用。报道还称,Ember-1每token价格与Kimi K3相同,节省来自生成更少的token。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Fireworks AI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月28日
MarkTechPost
Fireworks AI 发布 Ember-1：基于 Kimi K3 后训练，token 用量减少约 40%
Fireworks AI 发布 Ember-1，这是 Fireworks Research 基于 Moonshot AI 开源权重模型 Kimi K3 后训练得到的专用模型，官方称在保持 Kimi K3 质量的同时减少约 40% 的 token 用量。该模型目前仅通过 Fireworks serverless API 以 Research Preview 形式提供，未公开权重、训练代码和具体训练算法，因此暂不支持自托管。Fireworks 称在 7 项基准和 2 家客户的生产流量中，K3 的推理过程被缩短 35% 至 50% 且未牺牲准确率；与 2 家客户的生产编码负载 A/B 测试中，每任务输出 token 从 49.3K 降至 29.9K，推理 token 下降 71.3%，总 token 下降 39%，任务得分 0.753 对 0.751 基本持平，其中一家客户已在生产环境使用。Ember-1 在 Fireworks 上每 token 价格与 Kimi K3 相同，为输入 $3.00、缓存输入 $0.30、输出 $15.00 每 1M tokens，节省完全来自生成更少的 token。
9月23日
Fireworks AI一手
Fireworks Research 发布 Ember-1：基于 Kimi K3 的省 token 专用模型
Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持同等质量的同时减少约 40% 的 token 消耗。官方称在 7 个基准和两家客户的生产流量中，K3 的推理过程可缩短 35–50% 而准确率不降；在 Bedside Bench 上，Ember-1 在成本与任务完成度上处于帕累托前沿。该模型以 Research Preview 形式在 Serverless 上线，与基础版 Kimi K3 并列提供，并同步开放基于企业自有数据的训练支持。