Fireworks: Ember-1

Fireworks: Ember-1 is een tekstgeneratiemodel van Fireworks, uitgebracht door de provider op 24 september 2026. Het staat op api14 onder de categorie tekst, en Fireworks beschrijft het als een gespecialiseerd redeneermodel van Fireworks Research, gebouwd op Kimi K3. Het door de provider genoemde ontwerpdoel is efficiëntie in redeneren: Ember-1 produceert kortere redeneersporen, wat Fireworks omschrijft als elke token verder laten reiken. Voor een ontwikkelaar is de praktische implicatie een model dat gepositioneerd is rond redeneerwerk in plaats van alleen algemene chat, waarbij redeneren wordt blootgesteld als een bestuurbaar onderdeel van het verzoek.

Ember-1 accepteert tekst en afbeeldingen als invoer en retourneert alleen tekst, dus het verwerkt multimodale prompts waarbij afbeeldingen samen met tekst worden aangeleverd en het antwoord als taal terugkomt. Het contextvenster is zeer groot met 1.048.576 tokens, met een maximale uitvoer van 943.718 tokens. Die combinatie van een invoerbudget van een miljoen tokens en een hoge uitvoerlimiet maakt het model relevant voor workloads waarbij lange documenten, grote codebases of uitgebreide transcripties in context moeten blijven terwijl er in één aanroep nog steeds substantiële uitvoer wordt geproduceerd.

De mogelijkheden wijzen op een paar concrete toepassingen. Redeneren over grote invoer met een lange context past bij documentanalyse, code review over meerdere bestanden, en samenvatten of vraagbeantwoording over lange bronnen. Omdat afbeeldingen als invoer worden geaccepteerd, worden tekst-en-afbeelding-prompts zoals het lezen van diagrammen, screenshots of gescande pagina's en het redeneren daarover ook ondersteund. De redeneerbesturing en ondersteuning voor gestructureerde uitvoer wijzen richting agent-achtige workflows, tool calling, en extractietaken waarbij het model gegevens in een gedefinieerde vorm moet retourneren. De mogelijkheid om redeneerinspanning af te stemmen laat je de diepte van redeneren afwegen tegen antwoordlengte, afhankelijk van de taak.

Je roept Ember-1 aan via de OpenAI-compatibele API van api14 met het model-id "fireworks/ember-1". Naast de gebruikelijke verzoekvelden ondersteunt het frequency_penalty, presence_penalty, logit_bias, logprobs, top_logprobs, max_tokens, stop, temperature, top_p, top_k en repetition_penalty voor samplingbesturing. Voor redeneren ondersteunt het reasoning, reasoning_effort en include_reasoning. Voor gestructureerd en op tools gebaseerd werk ondersteunt het response_format, structured_outputs, tools en tool_choice. Als je alleen platte tekstgeneratie zonder deze uitgebreide opties nodig hebt, is een eenvoudiger model misschien voldoende, maar Ember-1 is de juiste keuze wanneer lange context, afbeeldingsinvoer of bestuurbaar redeneren vereist zijn.