Ember-1: 40%कम टोकन, समान गुणवत्ता
मूल शीर्षक: Ember-1
यह क्यों महत्वपूर्ण है
Reasoning model की token efficiency में सुधार से agentic AI workloads की लागत सीधे घटती है, जो enterprise adoption की बड़ी बाधा है।
Fireworks AIने 23 सितंबर 2026 को Ember-1 लॉन्च किया। यह Kimi K3 पर आधारित specialized model है जो 40% कम tokens में समान गुणवत्ता देता है। 50 से अधिक training experiments और 200+ evaluations के बाद यह model तैयार हुआ।
Fireworks Researchने Ember-1 पेश किया है — एक specialized reasoning model जो Kimi K3 की coding क्षमता को बनाए रखते हुए 40% कम tokens इस्तेमाल करता है।
**समस्या: reasoning models ज़रूरत से ज़्यादा सोचते हैं**
Kimi K3 जैसे thinking models अपने generated tokens का 90% से अधिक हिस्सा internal reasoning पर खर्च करते हैं। multi-turn agentic workloads में यह और महंगा हो जाता है, क्योंकि हर turn पर पिछली सारी reasoning दोबारा model को भेजी जाती है और context quadratically बढ़ता है।
**समाधान: training से बेहतर efficiency**
Fireworks के users ने बताया कि K3 की लंबी reasoning traces automated coding को scale पर महंगा बनाती हैं। simply reasoning effort कम करने से quality गिर जाती थी। इसलिए team ने model को ही efficiently reason करना सिखाया। इसके लिए 50 से अधिक training experiments और 200+ evaluations किए गए। नए training algorithms भी विकसित किए गए। सभी काम Fireworks Serverless Training पर हुआ — GPU provisioning की ज़रूरत नहीं पड़ी और लागत भी कम रही। training में किसी भी customer का डेटा उपयोग नहीं किया गया।
**Validation: असली traffic पर परीक्षण**
Ember-1 को Specialized Intelligence Index, public benchmarks, और live customer A/B tests पर परखा गया। Fireworks के अपने developers ने भी internal coding और agent workloads में quality में कोई फर्क नहीं पाया। यह Fireworks का पहला अपना model है और एक नई series की शुरुआत है।