Fireworks AI 发布 Ember-1：后训练 Kimi K3，Token 用量约降四成
Fireworks AI 发布了 Ember-1，这是基于 Kimi K3 后训练的模型，思路是让模型学会生成更短的推理轨迹，而不是简单调低推理强度。官方报告在一次生产环境 A/B 测试中，每任务输出 Token 从 49.3K 降到 29.9K，减少约 40%，而评分基本不变。Ember-1 目前以 API-only 研究预览形式提供，定价与 Kimi K3 相同。值得关注的原因是，推理成本正成为 Agent 规模化落地的核心约束，通过后训练压缩推理长度比粗暴降档更可能保住质量。它影响的是高频调用推理模型、对延迟和成本敏感的开发者与平台团队。下一步建议在相同任务集上对比 Ember-1 与 Kimi K3 的输出长度、准确率和端到端延迟，确认 40% 的节省在自有场景中是否成立。