Fireworks: Ember-1

Fireworks: Ember-1 es un modelo de generación de texto de Fireworks, publicado por el proveedor el 24 de septiembre de 2026. Está listado en api14 dentro de la categoría de texto, y Fireworks lo describe como un modelo de razonamiento especializado de Fireworks Research construido sobre Kimi K3. El objetivo de diseño indicado por el proveedor es la eficiencia en el razonamiento: Ember-1 produce trazas de razonamiento más cortas, lo que Fireworks presenta como hacer que cada token llegue más lejos. Para un desarrollador, la implicación práctica es un modelo posicionado en torno al trabajo de razonamiento en lugar de solo chat general, con el razonamiento expuesto como una parte controlable de la solicitud.

Ember-1 acepta entrada de texto e imagen y devuelve solo texto, por lo que maneja prompts multimodales donde las imágenes se proporcionan junto con el texto y la respuesta vuelve como lenguaje. La ventana de contexto es muy grande, con 1.048.576 tokens, con una salida máxima de 943.718 tokens. Esa combinación de un presupuesto de entrada de un millón de tokens y un techo de salida amplio hace que el modelo sea relevante para cargas de trabajo donde documentos largos, bases de código grandes o transcripciones extensas deben mantenerse en contexto mientras se sigue produciendo una salida sustancial en una sola llamada.

Las capacidades sugieren algunos usos concretos. El razonamiento de contexto largo sobre entradas grandes encaja con el análisis de documentos, la revisión de código de varios archivos y la summarización o respuesta a preguntas a través de fuentes extensas. Debido a que se aceptan imágenes como entrada, también se admiten prompts de texto e imagen como leer diagramas, capturas de pantalla o páginas escaneadas y razonar sobre ellos. Los controles de razonamiento y el soporte de salida estructurada apuntan hacia flujos de trabajo estilo agente, llamada a herramientas y tareas de extracción donde el modelo debe devolver datos en una forma definida. La capacidad de ajustar el esfuerzo de razonamiento te permite intercambiar profundidad de razonamiento por longitud de respuesta según la tarea.

Llamas a Ember-1 a través de la API compatible con OpenAI de api14 usando el id de modelo "fireworks/ember-1". Junto con los campos de solicitud habituales, admite frequency_penalty, presence_penalty, logit_bias, logprobs, top_logprobs, max_tokens, stop, temperature, top_p, top_k y repetition_penalty para el control de muestreo. Para el razonamiento, admite reasoning, reasoning_effort e include_reasoning. Para el trabajo estructurado y basado en herramientas, admite response_format, structured_outputs, tools y tool_choice. Si solo necesitas generación de texto simple sin estas opciones extendidas, un modelo más sencillo puede ser suficiente, pero Ember-1 es el adecuado cuando se requieren contexto largo, entrada de imagen o razonamiento controlable.