Ember-1
Ember-1是Fireworks Research推出的专用推理模型，基于Kimi K3构建。它以优化每一个token的使用效率为设计核心，能生成更简洁的推理过程，所需资源约为同类模型的40%，可在保证推理准确性的同时降低运行成本，适配对效率要求较高的推理场景需求。
上下文 1.0M会用工具结构化输出深度推理能看图
适合做什么
根据公开评测与能力标签，一句话帮你判断用途
整体来看，还能看图一起分析。
- 长文友好：一次塞很多资料也不容易“忘前面”
实力怎么样
Artificial Analysis 公开指数，分数越高越好，大约按 0–100 理解
这款模型还没有公开智能指数，评测榜暂时排不上。
去评测榜看其它模型大概要花多少钱
按每百万 tokens 计价（约等于几十万到上百万汉字量级）
读入内容
$3.00/M
你把资料/问题喂给模型的费用
写出回答
$15.00/M
模型生成回复的费用，通常更贵
重复内容缓存
$0.300/M
相同上下文再次命中时更便宜
举个例子：读进约 50 万 tokens、写出约 5 万 tokens，大约花费 $2.25（按公开标价估算）。
能处理什么
输入、输出与常见能力开关
能看懂
文本图像
能产出
文本
还会这些
工具调用JSON / 结构化指定输出格式推理参数可见思考过程
怎么思考
推理模式决定它会不会先“慢慢想再答”
这是一台可以按需加深思考的模型。
- 默认会开启推理，你也可以按接口参数关掉或调档
- 可调思考强度：最高 / 高 / 低
- 支持把思考过程一并返回，方便排查它怎么想的