Fireworks, Kimi K3 기반 Ember-1 공개… 토큰 40% 절감하며 성능 유지

Fireworks Research가 추론 모델의 토큰 사용량을 줄이면서 높은 품질을 유지하도록 설계된 특화 모델 'Ember-1'을 공개했다. Kimi K3를 기반으로 한 Ember-1은 불필요한 추론 단계를 최적화하되 핵심적인 자기 성찰 능력은 보존하여 토큰 소비량을 40% 절감했다.

이 모델은 여러 업계 벤치마크에서 비용 효율성의 새로운 파레토 프론티어를 수립했다. Terminal Bench 2.1에서 Ember-1은 Kimi K3의 80.9% 대비 82.0%의 통과율을 기록했으며, SWE-bench에서는 K3의 93.2% 대비 92.2%의 점수를 획득했다. 이는 훨씬 적은 토큰을 사용하면서도 달성한 결과다. 또한 Bedside Bench에서는 GPT-6 Astra, Claude Opus 5 등 폐쇄형 모델보다 태스크당 비용 측면에서 더 우수한 성능을 보였다.

두 고객사와 진행한 라이브 A/B 테스트에서 Ember-1은 총 토큰 사용량을 39% 줄이면서 태스크 완료율은 동등하거나 개선된 것으로 나타났다. 현재 Fireworks Serverless에서 Research Preview로 제공되며, 특정 워크로드에 맞춰 모델을 커스터마이징하려는 기업을 위한 학습 지원도 발표됐다.