Fireworks: Ember-1

Fireworks: Ember-1 ist ein Textgenerierungsmodell von Fireworks, das vom Anbieter am 24. September 2026 veröffentlicht wurde. Es ist auf api14 unter der Kategorie Text gelistet, und Fireworks beschreibt es als spezialisiertes Reasoning-Modell von Fireworks Research, das auf Kimi K3 aufbaut. Das vom Anbieter angegebene Designziel ist Effizienz beim Reasoning: Ember-1 erzeugt kürzere Reasoning-Spuren, was Fireworks so darstellt, dass jeder Token weiter reicht. Für einen Entwickler bedeutet das praktisch, dass das Modell eher auf Reasoning-Arbeit als nur auf allgemeinen Chat ausgerichtet ist, wobei Reasoning als steuerbarer Teil der Anfrage offengelegt wird.

Ember-1 akzeptiert Text- und Bildeingaben und gibt nur Text zurück, verarbeitet also multimodale Prompts, bei denen Bilder zusammen mit Text bereitgestellt werden und die Antwort als Sprache zurückkommt. Das Kontextfenster ist mit 1.048.576 Token sehr groß, mit einer maximalen Ausgabe von 943.718 Token. Diese Kombination aus einem Eingabebudget von einer Million Token und einer hohen Obergrenze für die Ausgabe macht das Modell relevant für Workloads, bei denen lange Dokumente, große Codebasen oder umfangreiche Transkripte im Kontext gehalten werden müssen und trotzdem in einem einzigen Aufruf eine substanzielle Ausgabe erzeugt wird.

Die Fähigkeiten legen einige konkrete Einsatzmöglichkeiten nahe. Langkontext-Reasoning über große Eingaben passt zu Dokumentenanalyse, Code-Review über mehrere Dateien und Zusammenfassung oder Fragebeantwortung über lange Quellen. Da Bilder als Eingabe akzeptiert werden, werden auch Text-und-Bild-Prompts unterstützt, etwa das Lesen von Diagrammen, Screenshots oder gescannten Seiten und das Reasoning darüber. Die Reasoning-Steuerungen und die Unterstützung strukturierter Ausgabe weisen auf agentenartige Workflows, Tool-Aufrufe und Extraktionsaufgaben hin, bei denen das Modell Daten in einer definierten Form zurückgeben muss. Die Möglichkeit, den Reasoning-Aufwand abzustimmen, erlaubt es, je nach Aufgabe Reasoning-Tiefe gegen Antwortlänge abzuwägen.

Sie rufen Ember-1 über die OpenAI-kompatible API von api14 mit der Modell-ID "fireworks/ember-1" auf. Neben den üblichen Anfragefeldern unterstützt es frequency_penalty, presence_penalty, logit_bias, logprobs, top_logprobs, max_tokens, stop, temperature, top_p, top_k und repetition_penalty zur Sampling-Steuerung. Für Reasoning unterstützt es reasoning, reasoning_effort und include_reasoning. Für strukturierte und tool-basierte Arbeit unterstützt es response_format, structured_outputs, tools und tool_choice. Wenn Sie nur einfache Textgenerierung ohne diese erweiterten Optionen benötigen, kann ein einfacheres Modell ausreichen, aber Ember-1 ist die passende Wahl, wenn langer Kontext, Bildeingabe oder steuerbares Reasoning erforderlich sind.