Ember-1 de Fireworks: qué es y cómo usarlo hoy

Ember-1 es el modelo de razonamiento especializado de Fireworks Research, anunciado el 23 de septiembre de 2026, construido sobre Moonshot Kimi K3 para entregar calidad comparable con aproximadamente 40% menos tokens (trazas de reasoning más cortas). Está disponible como research preview serverless en Fireworks (model id fireworks/ember-1) y, desde el 27 de septiembre de 2026, también en Vercel AI Gateway. Contexto de 1M tokens, entrada texto+imagen, tool calling e implicit prompt caching. Precios de referencia (listados tipo OpenRouter/Fireworks, pricing K3 usado en benches Fireworks): ~$3/M input, $15/M output, $0.30/M cache read.

• Producto: Ember-1 (specialized reasoning model)
• Empresa: Fireworks AI · Fireworks Research
• Base: Moonshot Kimi K3
• Anuncio: 23 de septiembre de 2026 (blog Fireworks)
• Vercel AI Gateway: 27 de septiembre de 2026 · model name fireworks/ember-1
• Claim clave: ~40% menos tokens totales / reasoning más corto con calidad comparable (benches + A/B de clientes)
• Contexto: 1M tokens · texto + imagen · tool calling · prompt caching
• Precio ref. (listados / pricing K3 en benches): ~$3/M input · $15/M output · $0.30/M cache read
• Disponibilidad: research preview serverless (ventana inicial ~2 semanas; permanente según demanda)
• ZDR / No Prompt Training: soportado en endpoint Fireworks (según Vercel changelog)
• Fuentes: Fireworks blog (23 sep 2026) · Vercel AI Gateway (27 sep 2026)

Qué salió el 23–27 de septiembre de 2026

• 23 sep 2026 — Introducing Ember-1: Fireworks Research publica Ember-1 como primer modelo de una serie especializada: calidad tipo Kimi K3 con ~40% menos tokens, entrenado en Fireworks Serverless Training (>50 experimentos, >200 evaluaciones).
• Problema que ataca: los reasoning models (como K3) gastan la mayoría de tokens en thinking interno; en workloads agentic multi-turno eso se relee y se re-factura (crecimiento casi cuadrático del contexto).
• Enfoque: no basta bajar el “reasoning effort” de K3 (pierde calidad); Ember-1 aprendió a razonar más eficiente preservando reflexión útil.
• Validación: Specialized Intelligence Index (Bedside Bench / Doximity), benches de industria (Terminal Bench, SWE-bench Verified, etc.), A/B en producción con ~35–39% menos tokens a calidad comparable, y rollout interno en Fireworks sin que los devs notaran el cambio.
• 27 sep 2026 — Vercel AI Gateway: Ember-1 disponible como fireworks/ember-1 vía AI SDK, Claude Code, Codex, fx y Chat Completions OpenAI-compatible.
• Research preview: acceso serverless inicial de ~dos semanas; Fireworks puede hacerlo permanente según demanda de la comunidad.

«Ember-1 is a new specialized model from Fireworks Research that delivers Kimi K3’s quality with 40% fewer tokens.» — Fireworks, Introducing Ember-1 (23 sep 2026).

Para quién sirve

• Equipos de coding agents que usan Kimi K3 (o equivalentes) y pagan mucho por reasoning traces largos en loops multi-turno.
• Builders en Fireworks Serverless que quieren un drop-in más económico junto a K3.
• Stacks en Vercel AI Gateway (AI SDK, Claude Code, Codex, fx) que necesitan model id único fireworks/ember-1.
• Workloads agentic (tools, SWE, terminal, airline τ-bench, etc.) donde Fireworks reporta Pareto cost/calidad favorable.
• Empresas con requisitos ZDR / no training vía endpoint Fireworks (según changelog Vercel).
• No es un reemplazo mágico de cualquier modelo: valida en tu harness; es research preview con ventana limitada al anuncio.

Precios y costos (qué mirar)

• Referencia de listado: ~$3 por millón de tokens de input, ~$15/M de output, ~$0.30/M cache read (pricing público tipo Kimi K3 / listados OpenRouter-Fireworks usados en las gráficas de Fireworks).
• El ahorro real de Ember-1 no viene solo del $/token: viene de generar ~35–50% menos tokens de reasoning a calidad comparable (claims Fireworks en benches y A/B).
• En agents multi-turno menos tokens de salida también reducen el contexto que se reinyecta (y se re-factura) en turnos siguientes.
• Verifica el precio vivo en Fireworks Console / OpenRouter / Vercel AI Gateway antes de presupuestar producción; los listados cambian.

Cómo usarlo paso a paso (hoy)

1. Lee el anuncio oficial: Introducing Ember-1 (23 sep 2026) y el changelog de Vercel AI Gateway (27 sep 2026).
2. Opción A — Fireworks Serverless: crea o usa tu API key en Fireworks; llama el model id fireworks/ember-1 (research preview serverless). Confirma cuota/ventana de preview en la consola.
3. Opción B — Vercel AI Gateway: corre npx vercel ai-gateway setup (o vercel ai-gateway setup), selecciona Ember-1 / fireworks/ember-1 en tu agente (Claude Code, Codex, fx) o en AI SDK.
4. Cliente OpenAI-compatible (Gateway): base URL https://ai-gateway.vercel.sh/v1, model fireworks/ember-1, API key de AI Gateway.
5. Ejemplo mínimo (Python / Chat Completions): OpenAI(base_url=..., api_key=...).chat.completions.create(model="fireworks/ember-1", messages=[...], stream=True).
6. Ejemplo AI SDK: streamText({ model: 'fireworks/ember-1', prompt: '...' }).
7. Mide tokens y calidad en tu tráfico: compara vs K3 (effort low/high/max) en completion rate, steps y tokens de salida — no copies solo el −40% del vendor.
8. Activa caching / ZDR según tu compliance; Vercel indica Zero Data Retention y No Prompt Training en el endpoint Fireworks.
9. Si necesitas especialización extra: Fireworks menciona training support para customizar Ember-1 con tus datos (enterprise) — valida disponibilidad en su plataforma de training.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AI_GATEWAY_API_KEY"],
    base_url="https://ai-gateway.vercel.sh/v1",
)

stream = client.chat.completions.create(
    model="fireworks/ember-1",
    messages=[{"role": "user", "content": "Escribe un retry con exponential backoff."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices:
        print(chunk.choices[0].delta.content or "", end="", flush=True)

Qué puede (y qué no) hacer

• Sí: razonamiento especializado sobre base Kimi K3 con trazas más cortas (~40% menos tokens, claim Fireworks).
• Sí: 1M context, texto+imagen, tool calling, prompt caching; serverless research preview.
• Sí: uso vía Fireworks y vía Vercel AI Gateway como fireworks/ember-1 (desde 27 sep 2026).
• Sí (claims): Pareto favorable en Bedside Bench / SII y varios benches de coding/agentic vs K3-low y cerca de K3-max a menor costo.
• No: garantía de que en tu dataset baje exactamente 40% tokens o iguale siempre a K3-max (p. ej. SWE-bench Verified: Ember-1 92.2% vs K3-max 93.2% en tabla Fireworks).
• No es GA forever al anuncio: research preview con ventana inicial ~2 semanas; confirma status antes de depender en producción crítica.
• No tomes benches del vendor como scores independientes: valida en tu harness y A/B.

FAQ

¿Qué es Ember-1 de Fireworks?

Es un modelo de razonamiento especializado de Fireworks Research, anunciado el 23 de septiembre de 2026, construido sobre Kimi K3 para mantener calidad similar con ~40% menos tokens. Model id: fireworks/ember-1.

¿Cuánto cuesta Ember-1?

Como referencia de listado (pricing tipo K3 / OpenRouter-Fireworks usado en evaluaciones): ~$3/M input, $15/M output, $0.30/M cache read. El ahorro principal que promociona Fireworks es generar menos tokens de reasoning, no solo un $/token distinto. Confirma el precio actual en Fireworks o Vercel AI Gateway.

¿Cómo lo uso con Vercel AI Gateway?

Desde el 27 de septiembre de 2026 está en el catálogo. Usa el model name fireworks/ember-1 con AI SDK, Claude Code, Codex, fx o la API Chat Completions en https://ai-gateway.vercel.sh/v1. Setup rápido: npx vercel ai-gateway setup.

¿Ember-1 reemplaza a Kimi K3?

Fireworks lo posiciona como opción serverless junto a K3: misma línea de calidad con menos tokens. En algunos benches queda muy cerca o por encima de K3-max; en otros (p. ej. SWE-bench Verified en su tabla) queda ligeramente por debajo. Haz A/B en tu workload.

¿Es estable para producción?

Al anuncio es research preview (acceso serverless ~2 semanas, con posibilidad de volverse permanente según demanda). Un cliente de Fireworks ya lo escaló tras A/B; aun así, trata el preview con monitoreo de tokens, calidad y disponibilidad.

Enlaces útiles

• Fireworks · Introducing Ember-1 (23 sep 2026)
• Vercel · Ember-1 on AI Gateway (27 sep 2026)
• Mercury Voice · IA University
• Naive-N0.5-Flash · IA University
• Bedrock Managed Agents · IA University
• GPT-6.1 Sol · IA University
• Más noticias IA · IA University
• IA University · Cursos gratis edu.ia.university · Certificación Asesor-IALab

Certifícate y sigue aprendiendo

1) Certifícate GRATIS en http://edu.ia.university/
2) Certificación IA internacional: https://ia.university/Asesor-IALab