推理模型的账单里，最贵的部分往往不是答案，而是思考。Fireworks 在官方博客里给了一个数字：像 Kimi K3 这样的推理模型，生成的 token 有时超过 90% 花在内部推理上，答案只占零头。单次请求贵一点还能忍，但在多轮 Agent 工作流里，每一轮都会把之前的推理重新喂回模型，上下文成本随轮数近似二次方增长——早期轮次的思考链会在后续每次调用里被重读、重新计费。
Ember-1：不调低思考强度，而是教会模型少想
便宜的解法本来就有：把 K3 的 reasoning effort 调到低档。但 Fireworks 试过，低档位丢掉的质量太多。Ember-1 走另一条路——不动推理开关，而是重新训练模型本身。Fireworks Research 跑了 50 多个训练实验、200 多次评估，在数学、编码、指令遵循、对话、搜索、工具调用和软件工程等任务上训练 K3，目标只有一个：删掉不改变答案的推理，保留有价值的自我修正。官方口径是，七个公开基准加两家客户生产流量实测，K3 的推理长度可缩短 35%-50% 而准确率不降。Ember-1 是 Fireworks 自家模型系列第一款，现以研究预览形式上线 Serverless，两周窗口后视需求转正。
数字长什么样
基准表里最有信息量的是这组对比：Terminal Bench 2.1 上 Ember-1 拿 82.0%，反超 K3 默认最高档的 80.9%，同时省 51.9% 的 token；DeepSWE 1.1 上 75.2% 对 66.4%，同样反超；SWE-bench Verified 上 92.2% 对 93.2%，小输一个点但省 15.5% token。生产 A/B 测试更直观：一家客户的编码工作流里，Ember-1 得分 0.753 对 K3 的 0.751，输出 token 从 49.3K 降到 29.9K，reasoning token 减少 71.3%，总 token 减少 39%。Fireworks 还先在自家内部编码流量上切换了模型，官方的说法很妙：开发者没注意到模型换了。
小字部分才是重点
独立分析（OrcaRouter 的评测博客）泼了几盆有用的冷水。第一，所有数字都是厂商自报，截至该文发出没有第三方复现。第二，「约 40%」是平均值，实际省幅从 τ-2 Bench Airline 的 5.9% 到 Terminal Bench 的 51.9% 不等——短的单轮调用基本感受不到节省。第三，Ember-1 未公布独立价卡，基准表省钱金额按 K3 公开价折算，而 OpenRouter 模型页挂出的价格与 K3 相同——省 token 就等于省钱。
所以呢
Ember-1 的模板值得记住：拿一个已经足够好的开放权重模型，只重训「思考长度」这一个轴，把省下的 token 变成差价。Fireworks 官方说 token 效率将是他们的主题，开放模型的未来是针对特定负载训练的专用模型。对在 Agent 循环里跑 K3 的团队：别只看榜单，拿自己的流量做影子测试，一两周后再决定要不要切换。毕竟压缩掉浪费的思考是白赚，压缩掉模型真正需要的步骤，代价会在几轮之后才以错误的工具调用形式浮现。