Fireworks AI publie Ember-1, un modèle de raisonnement post-entraîné à partir de Kimi K3
Selon fireworks.ai, l'équipe Fireworks Research a publié Ember-1, son premier modèle, construit sur des poids ouverts de Kimi et post-entraîné par apprentissage par renforcement sur des boucles de tâches de codage agentique, dans le but de couper les répétitions dans ses traces de raisonnement. L'éditeur avance environ 40 % de tokens en moins à performance comparable sur ses tests de référence. L'annonce a rassemblé 395 points sur Hacker News.
Ce que ça change pour toi
Si tu paies à l'usage sur des agents de codage multi-tours, le poste de coût dominant vient souvent des traces de raisonnement relues et refacturées à chaque tour. Un modèle qui raccourcit ces traces baisse ta facture sans que tu touches à ton code ni à tes prompts. Avant de basculer, rejoue tes propres tâches réelles en parallèle sur les deux modèles et compare le coût total par tâche terminée, une mesure qui intègre le nombre de tours et les reprises.
1 seule source : information à recouper avant de s’y fier.
L'équipe Fireworks Research a publié Ember-1, premier modèle issu de cette équipe, construit sur les poids ouverts de Kimi K3. Le modèle a été post-entraîné par apprentissage par renforcement sur des boucles de tâches de codage agentique afin de réduire les répétitions dans ses traces de raisonnement. Les chiffres avancés font état d'environ 40 % de tokens en moins à performance égale sur les tests de référence. La publication a rassemblé 395 points sur Hacker News.
Ce qui reste à vérifier
La licence, la disponibilité des poids, le prix, les tests de référence retenus et le volume du test A/B ne sont pas précisés. Le gain annoncé vient de l'éditeur du modèle et n'est pas vérifié par un tiers indépendant.