Fireworks: Ember-1

Fireworks : Ember-1 est un modèle de génération de texte de Fireworks, publié par le fournisseur le 24 septembre 2026. Il est répertorié sur api14 dans la catégorie texte, et Fireworks le décrit comme un modèle de raisonnement spécialisé issu de Fireworks Research, construit sur Kimi K3. L'objectif de conception énoncé par le fournisseur est l'efficacité du raisonnement : Ember-1 produit des traces de raisonnement plus courtes, ce que Fireworks présente comme le fait de faire aller chaque token plus loin. Pour un développeur, l'implication pratique est un modèle positionné autour du travail de raisonnement plutôt que du simple chat général, avec le raisonnement exposé comme une partie contrôlable de la requête.

Ember-1 accepte en entrée du texte et des images et ne renvoie que du texte, il traite donc les prompts multimodaux où des images sont fournies avec du texte et où la réponse revient sous forme de langage. La fenêtre de contexte est très grande, à 1 048 576 tokens, avec une sortie maximale de 943 718 tokens. Cette combinaison d'un budget d'entrée d'un million de tokens et d'un plafond de sortie élevé rend le modèle pertinent pour les charges de travail où de longs documents, de grandes bases de code ou des transcriptions étendues doivent être conservés en contexte tout en produisant une sortie substantielle en un seul appel.

Les capacités suggèrent quelques usages concrets. Le raisonnement sur grand contexte avec de grandes entrées convient à l'analyse de documents, à la revue de code multi-fichiers, et au résumé ou aux questions-réponses sur des sources longues. Comme les images sont acceptées en entrée, les prompts texte et image tels que la lecture de diagrammes, de captures d'écran ou de pages scannées et le raisonnement à leur sujet sont également pris en charge. Les contrôles de raisonnement et la prise en charge de la sortie structurée orientent vers des workflows de type agent, l'appel d'outils, et des tâches d'extraction où le modèle doit renvoyer des données dans une forme définie. La possibilité de régler l'effort de raisonnement permet d'arbitrer entre profondeur de raisonnement et longueur de réponse selon la tâche.

Vous appelez Ember-1 via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "fireworks/ember-1". Outre les champs de requête habituels, il prend en charge frequency_penalty, presence_penalty, logit_bias, logprobs, top_logprobs, max_tokens, stop, temperature, top_p, top_k et repetition_penalty pour le contrôle de l'échantillonnage. Pour le raisonnement, il prend en charge reasoning, reasoning_effort et include_reasoning. Pour le travail structuré et basé sur des outils, il prend en charge response_format, structured_outputs, tools et tool_choice. Si vous avez seulement besoin d'une génération de texte simple sans ces options étendues, un modèle plus simple peut suffire, mais Ember-1 est le bon choix lorsque un contexte long, une entrée d'image ou un raisonnement contrôlable sont requis.