别省预算了，该省“脑细胞”
大模型正在集体患上“话痨症”。尤其是那些主打深度推理的模型，为了给出一个答案，内部能疯狂输出上万字的思考链。单次调用贵就算了，一旦塞进多轮Agent工作流里，历史推理记录会被反复重读、重复计费，成本直接呈指数级爆炸。
说实话，这种“用力过猛”的聪明，正在拖垮无数开发者的钱包。
今天，Fireworks Research甩出一张底牌：Ember-1。核心卖点极其粗暴——用Kimi K3同等的质量，砍掉近一半的Token消耗。 不靠堆算力，不靠换底座，而是让模型学会“怎么想才不废话”。
推理模型，病在“想得太多”
这并非什么凭空而来的魔法。Fireworks的工程师们早就盯上了这个痛点。他们发现，像Kimi K3这样的推理模型，生成的Token里超过90%都花在了内部推演上，真正落笔的答案反而寥寥无几。
“把K3的推理强度调低能解决问题吗？不行。质量掉得太快。”
硬扛着长推理链做自动化编程，规模化之后就是纯纯的烧钱机器。早期的做法是简单粗暴地压缩推理步数，结果模型开始胡言乱语。想要保质量又降成本，唯一的出路是：重写模型的思考习惯。
于是，团队启动了大规模专项训练。50多次实验，200多轮评估，全跑在Fireworks自己的Serverless Training平台上。没租GPU集群，没管底层运维，想法一冒出来就直接开干。更关键的是，训练数据全部来自官方自有数据集，绝不碰客户隐私。
砍掉废话，留下真知
有意思的是，Ember-1不是简单地阉割能力，而是做了一场精密的“外科手术”。它识别出哪些推理是有效的自我反思，哪些是无意义的死循环和冗余铺垫。通过任务反馈和强化学习，模型学会了在关键时刻发力，在平时闭嘴。
效果怎么样？看硬指标。
在Doximity主导的Bedside Bench临床案例基准测试中，Ember-1直接画出了一条新的Pareto前沿线。成本/任务比不仅碾压同类开源模型，连GPT-5.6 Sol、GPT-6 Astra和Claude Opus 5这些闭源巨头也被拉下马。
再放大到五个行业基准的平均表现，Ember-1稳稳站在最优性价比曲线上。对比原始K3的三种推理档位，它在Terminal Bench、SWE-bench等硬核代码测试里，不仅跑赢了“高推理”模式，还在SWE-bench Verified上拿到了92.2%的通过率，同时砍掉了超过23美元的单次调用成本。
跑分再漂亮，也得看生产线
实验室里的帕累托最优，落地到真实业务往往要打个折。但这次，Fireworks直接把流量切到了生产环境。
两家客户的在线A/B测试给出了实打实的账本：每完成一个任务，Ember-1消耗的Token比原版K3少了大约35%。更惊喜的是，任务完成率、成功率和失败率没有一项下滑，反而全线向好。其中一位客户已经决定把它上线替换基座模型，准备全面扩量。
| Score | Steps | Output Tokens | Reasoning Token reduction | Total token reduction |
|---|---|---|---|---|
| Kimi K3 | 0.751 | 23.8 | 49.3K | - |
| Ember-1 | 0.753 | 21.4 | 29.9K | 71.3% |
内部测试更是低调得离谱。Fireworks自家的开发者日常写代码、跑vibe testing，切换模型后没人察觉异样。对于一款主打“同答少费”的模型来说，“毫无波澜”恰恰是最高的褒奖。
单价翻倍？这笔账到底划不划算
这里有个容易被忽略的细节。仔细看定价策略，Ember-1的单价其实是Kimi K3的两倍。乍一看，是不是买贵了？
老实讲，刚看到这条的时候我也愣了一下。但算细账就清楚了：单价翻倍，但Token用量腰斩，综合下来还是省了一大截。这背后藏着一个行业潜意识的转变——大模型竞争的主航道，已经从“拼单Token绝对低价”，转向了“拼单位产出效率”。
过去大家以为便宜就是王道，现在发现，如果模型在Agent多轮对话里疯狂复读早期推理，再便宜的单价也会被账单拖垮。Ember-1的出现，其实是在给盲目追求“低价推理API”的开发者的上了一课：别光盯着单价，得看整条工作流的吞吐成本。
当然，这也引发了社区一阵骚动。有人调侃这是“金发时代”的缩影，普通人也能用子代理生成数据、调教小参数模型；也有人担心Fireworks从单纯的推理分发商跨界做自研模型，会不会影响第三方中立性。我个人觉得，技术厂商下场做垂直优化是必然趋势，关键看交付是否透明。目前来看，Fireworks留了后门：支持企业用自有数据继续微调Ember-1，专有的路越走越窄，通用的墙越修越高。
效率才是终极护城河
Token消耗量的下降，从来不是简单的减法，而是一场对模型认知路径的重塑。当“想得多”不再等于“做得好”，我们或许该重新审视智能的本质。
未来半年，会有更多类似的“瘦身版”专业模型涌入市场。当各家都在拼命给模型做节食手术时，你觉得下一关会卷向哪里？是更短的上下文窗口，还是更强的工具调用直觉？
【锐评】：大模型终于意识到“话多”是种病，省下的不是Token，是开发者被长推理链绑架的现金流。
参考链接：
https://fireworks.ai/blog/ember-1