Fireworks lança Ember-1, modelo derivado do Kimi K3 com 40% menos tokens

O lançamento

A Fireworks Research anunciou o Ember-1, um modelo especializado derivado do Kimi K3 que entrega a mesma qualidade com 40% menos tokens. É o primeiro de uma série planejada de modelos especializados da empresa e está disponível como Research Preview em opção de inferência no Serverless, ao lado do K3 original.

O problema: modelos de raciocínio gastam demais

Segundo a Fireworks, modelos como o Kimi K3 gastam a maior parte dos tokens gerados - às vezes mais de 90% - em raciocínio interno, não na resposta. Em cargas agênticas de múltiplas interações, o problema se agrava: cada turno reenvia todo o raciocínio anterior, o contexto cresce aproximadamente de forma quadrática e os traces longos de raciocínio são relidos e refaturados a cada chamada.

Reduzir o nível de esforço de raciocínio do K3 não resolve: as configurações mais baixas sacrificam qualidade demais. A alternativa encontrada foi treinar o modelo para raciocinar de forma mais eficiente, preservando o raciocínio que importa - como autorreflexão útil para recuperar erros - e cortando o excesso e os loops improdutivos.

Como foi construído

O processo envolveu mais de 50 experimentos de treino e mais de 200 avaliações, com desenvolvimento de novos algoritmos de treino para encurtar o raciocínio sem perder precisão, tudo executado na plataforma Fireworks Serverless Training. O treino abrangeu matemática, código, seguimento de instruções, conversação, busca, uso de ferramentas e engenharia de software, cobrindo problemas isolados e interações estendidas, com feedback de tarefas guiando o aprendizado on-policy.

Experimentos preliminares indicaram que o raciocínio do K3 podia ser encurtado em 35–50% sem perda de precisão, testado em sete benchmarks e no tráfego de produção de dois clientes.

Resultados em benchmarks

No Specialized Intelligence Index (SII), índice recém-lançado pela Fireworks, o Ember-1 estabeleceu uma nova fronteira de Pareto no Bedside Bench da Doximity - benchmark validado por médicos com 500 casos clínicos em 10 categorias - superando em custo por tarefa modelos abertos e fechados, incluindo GPT-5.6 Sol, GPT-6 Astra e Claude Opus 5.

Em cinco benchmarks do setor, usando o preço público do K3 (entrada não cacheada de $3/M tokens, cacheada de $0,30/M, saída de $15/M), o Ember-1 ficou sobre ou perto da fronteira de Pareto em todos os testes com mais de 50 amostras, empatando com o K3 no esforço máximo por uma fração do custo e superando estritamente o K3-low. Exemplos: no Terminal Bench 2.1, marcou 82,0% contra 80,9% do K3-max com 51,9% menos custo; no DeepSWE 1.1, alcançou 75,2% contra 66,4%; no SWE-bench Verified, ficou em 92,2% contra 93,2%.

Validação com clientes e uso interno

Em testes A/B ao vivo com dois clientes em cargas reais de código, o Ember-1 reduziu cerca de 35% dos tokens por tarefa com qualidade comparável; métricas como conclusão de tarefas e taxas de falha se mantiveram ou melhoraram. Um cliente já roda o modelo em produção com planos de substituir integralmente o modelo base.

Internamente, antes de qualquer cliente, a Fireworks colocou o Ember-1 no tráfego de codificação dos próprios desenvolvedores, que não perceberam a troca - sinal considerado pela empresa a melhor evidência para um modelo cuja proposta é "mesmas respostas, menos tokens". Em uma comparação direta, o K3 registrou 49,3 mil tokens de saída por pontuação de 0,751, contra 29,9 mil e 0,753 do Ember-1, uma redução de 39% no total de tokens e de 71,3% nos tokens de raciocínio.

Próximos passos

A Fireworks também está lançando suporte a treino para o Ember-1, permitindo que empresas criem versões personalizadas e eficientes em tokens com seus próprios dados. A empresa afirma que eficiência de tokens se tornará um tema contínuo de sua linha de modelos Ember.