Ember-1 (Fireworks AI)

Ember-1 由 Eden AI 发布，官方标注的上下文窗口为 1048576 tokens，单次最大输出 131072 tokens，输入支持文本与图像，输出为纯文本。能力清单覆盖推理、工具调用、结构化输出、附件输入与温度调节，属于面向工程集成而非纯聊天体验的一类模型。公开资料未说明它归属哪个模型系列，也未披露参数规模与训练细节，权重未开源，可确认的信息集中在接口规格与计费口径上。它要解决的问题比较明确：把长文档、图文附件与外部函数调用收敛到同一次请求里，减少分段切分和多次拼接带来的信息损耗，并用结构化输出直接对接下游系统。代价是价格偏高，输入 3.0 美元、输出 15.0 美元每百万 tokens，在同样百万级上下文的同类模型中处于高位。目前本站仅收录 1 家平台，第三方跑分缺失，选型时更适合把它当作规格明确的候选，而不是凭榜单直接下结论。

选型建议需要百万级上下文、工具调用与结构化输出且预算充足时可选它；若追求性价比或需要开源自部署，同类低价模型更合适。

• 把上百页合同或技术文档一次性送入上下文，完成条款抽取与结构化汇总
• 接入工具调用，在长对话中查询外部接口并把结果整理成固定格式
• 利用图像输入读取图表截图，转写为表格或结论性文本
• 为研究报告或客服知识库生成万字级长文初稿，减少分段拼接
• 对多份长报告做交叉比对，输出带结构的差异清单

官方未公开参数规模、层数与训练细节，只能从接口规格确认其多模态输入、纯文本输出的基本形态。

• 结构采用文本与图像双输入、文本单输出的多模态设计，权重未开源，网络结构与视觉编码方式公开资料较少。
• 能力接口层提供工具调用、结构化输出与温度调节，配合 1048576 tokens 上下文，可把长材料与外部函数放进同一次请求。
• 披露架构细节、训练数据与对齐方式均未披露，选型时只能依据上下文规格和能力清单判断，难以做结构性对比。

开源权重

否

缺少可核验的第三方跑分，性能判断只能来自规格与功能面，实际水平需按自身任务实测。

• 强项百万级上下文叠加 131072 tokens 的单次输出上限，适合长篇生成、跨文档汇总等需要持续推理并保持前后一致的任务。
• 短板本站未收录任何公开跑分，推理深度与图像理解的实际表现无从对照，只能自行构造评测集验证。
• 适合对上下文长度、工具调用与结构化输出要求高，且能接受较高单价的批处理与工作流场景。

按官方报价，Ember-1 处在同上下文档位的高价区间，成本压力主要来自输出侧。

• 定位输入 3.0 美元、输出 15.0 美元每百万 tokens，输出单价是输入的 5 倍，长文生成类用法的账单增长最快。
• 横向对比同类百万级上下文模型中，DeepSeek V4 Flash 系列输入价低至 0.25 至 0.44 美元，价差在 58% 至 92% 之间，Ember-1 明显偏贵。
• 平台差价目前仅 models.dev 与 models.dev · edenai 两处报价，均为输入 3 美元、输出 15 美元，暂无跨平台价差可比较。
• 省钱缓存读 0.3 美元约为输入价的十分之一，把固定系统提示与重复出现的长文档前缀走缓存，能明显压低多轮调用成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $3/M / $15/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录第三方跑分与榜单成绩，所有能力描述仅基于功能清单，不能据此推断绝对水平或排名。
• 边界闭源无权重、仅 1 家平台收录，图像只作输入不支持输出，私有化部署与跨平台迁移的空间都有限。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。