Fireworks: Ember-1

Ember-1 est le modèle de raisonnement en préversion de recherche de Fireworks, construit sur Kimi K3 pour le codage et les flux de travail agentiques. Il prend en charge l'utilisation d'outils et un contexte d'un million de jetons. Sa disponibilité est liée au programme de préversion du fournisseur ; les applications devraient donc conserver un autre modèle pour assurer la continuité.

Comparer les modèles

ember-1

DisponibleFireworksDiscussionAperçu

Entrée / Sortie: $3.00 / $15.00
Contexte: 1M
Modalités: Discussion
Capacités: Utilisation d'outilsCache de promptsRaisonnement

À propos de Ember-1

Ember-1 est un modèle de raisonnement de Fireworks Research, basé sur Kimi K3 de Moonshot pour le codage et le travail agentique. Il a été entraîné pour supprimer le raisonnement que Kimi K3 effectue sans améliorer les réponses ; Fireworks rapporte ainsi environ 35 à 40 % de jetons en moins pour une qualité comparable. Il appelle des outils, gère un contexte d'un million de jetons, et Fireworks l'a publié en tant qu'aperçu de recherche.

Points forts

Fireworks rapporte environ 40 % de jetons générés en moins que Kimi K3 à qualité comparable, ce qui raccourcit les exécutions longues des agents.
Il a été entraîné sur les mathématiques, le codage, le suivi d'instructions, la conversation, la recherche et l'utilisation d'outils, plutôt que sur une tâche unique et étroite.
Fireworks l'a évalué sur SWE-bench Verified, Terminal Bench 2.1, DeepSWE 1.1 et tau-2 Bench Airline, qui sont toutes des mesures d'agents et de codage.
L'appel d'outils et la mise en cache implicite des invites (prompt caching) conviennent aux agents qui répètent une grande invite système à chaque étape.

Quand préférer un autre modèle

Il s'agit d'un aperçu de recherche, et Fireworks lie l'accès continu à la demande de la communauté.
Les preuves de ses économies de jetons et de sa qualité proviennent des tests internes de Fireworks plutôt que d'une évaluation indépendante.
Il ne traite que du texte ; le travail basé sur des captures d'écran nécessite donc un modèle de vision.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

Texte vers texteChat Completions API

POST/v1/chat/completions

curl https://api.tokenlab.sh/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxx" \
  -d '{
    "model": "ember-1",
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Spécification par défaut

Par 1M Token

Prix Official: Entrée $3.00 / Sortie $15.00 / Lecture cache $0.30
Prix Verified: —
Remise: —

Tarification du cache de prompt

Lecture cache

Prix Official: $0.30
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Spécification par défaut	Entrée $3.00 / Sortie $15.00 / Lecture cache $0.30	—	—
Tarification du cache de prompt
Lecture cache	$0.30	—	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 15 nov. 2026, 02:01 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Ember-1 dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester ember-1 avec un message sur /v1/chat/completions. Affiche la réponse, la latence et le coût.

Cas d'usage

Idéal pour

Raisonnement
Code

Agents de codage qui réfléchissent beaucoup
Exécutez des agents de terminal ou de dépôt où les tours de raisonnement de Kimi K3 sont longs et où vous souhaitez obtenir les mêmes réponses avec moins de jetons générés.
Flux de travail de recherche intensifs en outils
Enchaînez les recherches sur le web ou dans des bases de données et laissez le modèle décider de chaque appel suivant tout en conservant l'historique complet dans le contexte long.
Expériences sur le coût du raisonnement
Comparez-le avec Kimi K3 sur votre propre ensemble de tâches pour voir si le raisonnement plus court maintient la qualité pour votre charge de travail.
Revue de bases de code volumineuses
Chargez plusieurs fichiers à la fois et demandez une critique de conception ou une analyse de la cause profonde d'une défaillance inter-modules.

Exemples de prompts

L'arborescence du dépôt et le journal d'intégration continue (CI) défaillant sont joints. Utilisez l'outil shell pour trouver la cause, corrigez-la et relancez uniquement les tests affectés.

Recherchez dans le journal des modifications et le suivi des problèmes chaque changement apporté à la politique de réessai depuis la v2, puis résumez ceux qui pourraient expliquer les nouveaux délais d'attente.

Examinez ces douze fichiers pour détecter les conditions de concurrence dans le planificateur de tâches et classez les résultats selon leur probabilité de survenance en production.

Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.

FAQ

Qu'est-ce qu'Ember-1 de Fireworks exactement ?

Un modèle de raisonnement en aperçu de recherche de Fireworks Research, basé sur Kimi K3. Fireworks l'a entraîné à conserver le raisonnement qui aide à corriger les erreurs et à supprimer les boucles qui ajoutent des jetons sans améliorer les résultats, en visant les charges de travail de codage et d'agent.

En quoi Ember-1 est-il différent de Kimi K3 ?

Il vise la même qualité avec moins de réflexion. Fireworks affirme que Kimi K3 consacre la plupart de ses jetons générés au raisonnement, parfois plus de 90 %, tandis qu'Ember-1 utilise environ 35 à 40 % de jetons en moins par tâche. Les affirmations sur la qualité proviennent des évaluations de Fireworks.

Ember-1 est-il un modèle de production stable ?

Pas encore. Fireworks l'a lancé en tant qu'aperçu de recherche avec un accès sans serveur gratuit limité dans le temps, qui sera rendu permanent en fonction de la demande. Les applications devraient garder un second modèle disponible au cas où l'aperçu prendrait fin.

Ember-1 prend-il en charge l'appel d'outils ?

Oui. Fireworks décrit l'appel de fonctions et la mise en cache implicite des invites. Définissez vos fonctions dans la requête comme vous le feriez pour n'importe quel modèle de chat de type OpenAI, et gardez l'invite système stable afin que la mise en cache puisse être utile.

Ember-1 accepte-t-il les images ?

Non. Il ne prend que du texte et répond en texte. Pour les captures d'écran ou les diagrammes, utilisez un modèle de vision et gardez Ember-1 pour les étapes de codage et d'agent qui suivent.

Combien coûte Ember-1 ?

Sur TokenLab, Ember-1 coûte Entrée $3.00 / Sortie $15.00 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quelles sont les limites de contexte et de sortie de Ember-1 ?

Ember-1 accepte jusqu'à 1 048 576 jetons de contexte.

Quel endpoint Ember-1 doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/chat/completions pour Ember-1. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Ember-1 prend-il en charge ?

Ember-1 prend en charge Texte vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.