Fireworks Researchは、Kimi K3と同等の品質を提供しながら、大幅に高いトークン効率を実現するよう設計された新しい特化型モデル「Ember-1」のリリースを発表しました。同社によると、このモデルは効率的な推論を行う方法を学習することで、長い推論プロセスで頻繁に見られる非生産的なループを回避し、タスクあたりのトークン数を約40%削減することに成功しています。
モデル発表Fireworks ResearchEmber-1
Fireworks ResearchがKimi K3のトークン効率版「Ember-1」をリリース
この記事は翻訳です。 原文を読む
開発にあたっては、Fireworks Serverless Trainingプラットフォーム上で50回以上のトレーニング実験と200回以上の評価が行われました。本番環境のコーディングワークロードにおける2社とのライブA/Bテストでは、Ember-1は同等の品質を維持しながら、タスクあたり約35%のトークン節約を実現しました。すでに1社の顧客が本番環境でこのモデルの運用を開始しており、さらなる規模の拡大を計画しています。
Ember-1は、Bedside BenchにおけるSpecialized Intelligence Index (SII)を含む業界ベンチマークを用いて評価されました。同社は、Ember-1がコスト対タスク効率においてパレートの境界線上、あるいはその付近に位置しており、Kimi K3-maxと同等の品質を極めて低いコストで実現していると報告しています。
このモデルは現在、ベースとなるKimi K3モデルと共に、Fireworks Serverless上でリサーチプレビューとして利用可能です。また、FireworksはEmber-1のトレーニングサポートも導入しており、企業が特定のワークロードに合わせてカスタマイズされたトークン効率の高いモデルを構築できるよう支援します。
出典
- Ember-1 （Hacker News Frontpage, 2026-09-27）