Fireworks发布Ember-1：单价维持15美元，砍掉Kimi K3四成Token背后的算盘

大模型云服务商 Fireworks AI 最近做了一件反常的事：上线专用推理模型 Ember-1。它的底座是月之暗面开源的 Kimi K3，参数量依然是庞大的 2.78T MoE，输出单价也维持在每百万 Token 15 美元，分文未降。官方宣称它能在基本不掉点的前提下，直接削减约 40% 的生成 Token。

在同行普遍用打折、蒸馏小模型卷价格时，Fireworks 选择在 2.78T 骨干网络上动刀，定向剪掉模型冗长的自言自语。但这并非无私的开源贡献。Fireworks 既没有公开微调权重，也没有开源训练代码，只把 Ember-1 挂在自家 Serverless API 上提供两周测试。

这是一次针对长思维链通胀的工程剪枝，也是一次云厂商借开源基座修筑专有管道的典型尝试。

冗长思考演变成账单灾难

复杂编程进入长思维链时代后，推理模型普遍患上严重的反刍病。为了排查一段边界错误，模型往往在内部生成数万个自我怀疑的思考 Token。在单次交互中，真正写出来的有效代码经常只占一成，其余九成全是推演草稿。

单次耗时还能忍受，但在多轮编程智能体工作流里，自言自语直接变成了账单黑洞。智能体每一轮排错，都会把上一轮所有的思考轨迹原样塞回输入上下文。输入长度随交互轮次呈二次方膨胀，开发者每一次微小的代码调整，都在为前几轮早已失效的思考反复埋单。

以往工程团队通常直接调低思考力度参数，结果几乎必然导致推理能力断崖式下跌。单纯强行打断思考，等于逼模型闭眼交卷。

Fireworks 做了 50 多次训练实验和 200 余次评估，通过环境反馈让模型学会识别死循环，主动放弃无效推演。在两家真实客户的生产环境 A/B 测试中，单任务输出 Token 从 49.3K 降到 29.9K，思考 Token 压掉了 71.3%，平均交互轮数从 23.8 轮降到 21.4 轮，任务得分基本持平在 0.753 对比 0.751。

从工程上看，这种定向剪枝确实比蛮力调参高明得多。

50 倍非对称计费下的算力账本

Token 减少 39%，并不等于企业的月结账单能降 39%。

Ember-1 的计费规则和 Kimi K3 完全一样：未缓存输入每百万 Token 收取 3.00 美元，缓存命中后输入为 0.30 美元，输出 Token 则高达 15.00 美元。输出单价是缓存输入的整整 50 倍。

Fireworks 的降本逻辑完全建立在让模型少吐字上，而不是自己让出利润。

这种非对称结构带来了一个致命变量：重试代价。在机械执行的 Terminal-Bench 2.1 上，成本降幅达到 51.9%；但在依赖复杂业务逻辑的 τ²-Bench Airline 里，成本降幅骤跌至 5.9%。

更值得警惕的是高难基准的退步。在严苛的 SWE-bench Verified 评测中，Ember-1 准确率从 93.2% 跌至 92.2%；在考验长程决策的 SWE-Interact 上，也从 21.3% 滑落到 20.0%。

在冷启动的单次深水区排错里，穷举搜索必不可少。剪掉的那些冗长自问自答，有时恰恰包含定位长尾缺陷的关键线索。多轮系统一旦因少想两步而导致任务失败、触发重新规划，新一轮全量上下文输入产生的费用，会瞬间吞掉之前节省的所有输出成本。

借开源之梯，筑私有之墙

比技术取舍更尖锐的是商业控制权的转移。

战国策里讲借途灭虢，如今下游云厂商正在上演类似的戏码。月之暗面开源 Kimi K3 权重，下游托管商接过来后，用私有数据做一层闭门后训练，转手封装成只能在自家平台调用的专有 API。既不开源权重，也不公开训练集。

这不是单纯的算力搬运工，而是把开源资产转变成自家的专有护城河。

对技术团队而言，接入 Ember-1 意味着彻底放弃私有化部署可能，直接绑定在 Fireworks 单一供应商身上。更现实的隐患是，这个模型目前只承诺了两周 Research Preview，后续如果调用量不达标随时可能下线。平台自身的信息也在打架：发布博文声称支持深度企业微调，控制台详情页却赫然标着暂不支持。

至今没有任何独立第三方完成对 Ember-1 推理表现的完整复现。DeepSWE 官方榜单尚未收录该模型，社区公开评测仅验证了它继承 K3 的分词器。

技术团队如果在多轮工具调用、高频自纠错场景中被账单压得喘不过气，拿一部分样本灰度测试 Ember-1 是合理的。但若业务依赖长程代码修复与严苛边界逻辑，仅凭官方平均节约率盲目迁移，被剪掉的思考很可能会在不可预知的地方反噬整个系统。