Fireworks: Ember-1

Fireworks: Ember-1 är en textgenereringsmodell från Fireworks, släppt av leverantören den 24 september 2026. Den listas på api14 under kategorin text, och Fireworks beskriver den som en specialiserad resonemangsmodell från Fireworks Research byggd på Kimi K3. Designmålet som leverantören anger är effektivitet i resonemang: Ember-1 producerar kortare resonemangsspår, vilket Fireworks beskriver som att varje token går längre. För en utvecklare är den praktiska innebörden en modell positionerad kring resonemangsarbete snarare än enbart allmän chatt, med resonemang exponerat som en styrbar del av begäran.

Ember-1 tar emot text och bild som indata och returnerar endast text, så den hanterar multimodala prompter där bilder tillhandahålls tillsammans med text och svaret kommer tillbaka som språk. Kontextfönstret är mycket stort på 1 048 576 tokens, med en maximal utdata på 943 718 tokens. Den kombinationen av en indatabudget på en miljon tokens och ett stort utdatatak gör modellen relevant för arbetsbelastningar där långa dokument, stora kodbaser eller utökade transkript måste hållas i kontext samtidigt som den fortfarande producerar betydande utdata i ett enda anrop.

Funktionerna antyder några konkreta användningsområden. Långkontextresonemang över stora indata passar dokumentanalys, kodgranskning över flera filer samt sammanfattning eller frågor och svar över långa källor. Eftersom bilder accepteras som indata stöds även text-och-bild-prompter som att läsa diagram, skärmbilder eller skannade sidor och resonera kring dem. Resonemangskontrollerna och stödet för strukturerad utdata pekar mot agentliknande arbetsflöden, verktygsanrop och extraheringsuppgifter där modellen måste returnera data i en definierad form. Möjligheten att justera resonemangsinsatsen låter dig byta resonemangets djup mot svarslängd beroende på uppgiften.

Du anropar Ember-1 via api14:s OpenAI-kompatibla API med modell-id:t "fireworks/ember-1". Utöver de vanliga begäransfälten stöder den frequency_penalty, presence_penalty, logit_bias, logprobs, top_logprobs, max_tokens, stop, temperature, top_p, top_k och repetition_penalty för samplingkontroll. För resonemang stöder den reasoning, reasoning_effort och include_reasoning. För strukturerat arbete och verktygsbaserat arbete stöder den response_format, structured_outputs, tools och tool_choice. Om du bara behöver vanlig textgenerering utan dessa utökade alternativ kan en enklare modell räcka, men Ember-1 är rätt val när lång kontext, bildindata eller styrbart resonemang krävs.