Ember-1 ist das auf Kimi K3 aufbauende spezialisierte Modell von Fireworks Research. Seine kennzeichnende Änderung ist ein Training, das unnötige Gedankengänge verkürzt und zugleich nützliche Analysen für Programmier- und Agentenaufgaben bewahrt. Der Hersteller positioniert es für wiederholte, werkzeuggestützte Aufgaben, bei denen sich im Gespräch lange Gedankengänge ansammeln können. Sein dokumentiertes Profil unterstützt Texterzeugung, Bildeingaben und Funktionsaufrufe; die resultierende Antwort, der Code oder der vorgeschlagene Vorgang liegt als Text vor.
Der Hersteller entwickelte Ember-1 mit aufgabenorientiertem Training über ein breites Spektrum von Arbeitslasten hinweg. Es handelt sich um einen Unterschied des trainierten Modells und nicht lediglich um die Auswahl einer niedrigeren Einstellung für den Denkaufwand beim Basismodell. Beim Ergebnisvergleich mit Kimi K3 sollte es seine eigene Identität behalten: Ziel ist ein sparsamerer Denkverlauf, nicht die Annahme, dass jede ursprüngliche Einstellung, Fähigkeit oder künftige Aktualisierung identisch ist.
Stellen Sie für eine Softwareaufgabe den relevanten Code, den beobachteten Fehler, das gewünschte Verhalten und die stabil zu haltenden Verträge bereit. Verlangen Sie eine gezielte Umsetzung und eine Erklärung mit Bezug auf den tatsächlichen Quelltext. Ein praktischer Auftrag lautet: «Verfolgen Sie diese fehlschlagende Eingabe, identifizieren Sie die erste fehlerhafte Bedingung und geben Sie die korrigierte Funktion mit den Belegen zurück, die die Änderung rechtfertigen.» Halten Sie das abschliessende Arbeitsergebnis ausdrücklich fest, auch wenn die Aufgabe mehrere Beobachtungen erfordert.
Zu den Anwendungsfällen des Herstellers gehören Programmierassistenten und Agenten, die zwischen Modellentscheidungen und Werkzeugergebnissen wechseln. Stellen Sie zur Aufgabe passende Funktionsbeschreibungen und Argumentschemas bereit. Das Modell kann eine Dateiinspektion, eine Berechnung oder einen anderen verfügbaren Vorgang vorschlagen; die Anwendung führt ihn aus und gibt die tatsächliche Beobachtung zurück. Verwenden Sie dieses Ergebnis in der nächsten Nachricht, statt eine vorgeschlagene Aktion als Ersatz für ihre Ausführung gelten zu lassen.
Bewahren Sie bei einer längeren Aufgabe die relevanten Beobachtungen zu Fehler, Korrektur und Überprüfung in einem knappen Datensatz auf. Verlangen Sie den fertigen Code oder das Analyseergebnis getrennt von der Zwischendiskussion. Kürzere Gedankengänge sind nur dann nützlich, wenn die Ausgabe weiterhin das erforderliche Aufgabenverhalten erfüllt und die zu ihrer Prüfung benötigten Belege enthält.
Der Herstellerkatalog von Ember-1 unterstützt Bildeingaben. Eine visuelle Programmieraufgabe kann einen Screenshot mit Anforderungen und Quellcode verbinden und eine Erklärung oder Umsetzung verlangen, die im Sichtbaren verankert ist. Kennzeichnen Sie jedes Bild und unterscheiden Sie den aktuellen Zustand vom angestrebten Ergebnis. Sorgen Sie für lesbaren wichtigen Text und verlangen Sie, dass die Antwort das einen Befund stützende sichtbare Detail benennt.
Der Hersteller nennt einen Kontext in der Grössenordnung von einer Million Tokens. Das beschreibt die Kapazität für Quellenmaterial und ist kein eigenständiges Versprechen ebenso vieler Antworttokens. Prompt, Quellenmaterial, Werkzeugverlauf und erzeugte Gedankengänge teilen sich das geltende Anfragebudget. Ordnen Sie ein grosses Repository oder eine Dokumentensammlung um die tatsächliche Frage herum und reservieren Sie Platz für das Ergebnis.
Ein nützliches Arbeitsergebnis ist ein gezielter Patch, eine beleggestützte Erklärung oder ein abgeschlossener Vergleich anhand vorgegebener Kriterien. Stellen Sie für eine von aktuellen Informationen abhängige Tatsache eine massgebliche Passage oder ein geeignetes Recherchewerkzeug bereit. Die Ausrichtung auf kürzere Gedankengänge macht fehlende Belege nicht verfügbar, führt keine Funktion aus und validiert Code nicht unabhängig. Prüfen Sie das resultierende Arbeitsergebnis anhand der Anforderungen und der vom umgebenden Arbeitsablauf zurückgegebenen Beobachtungen.
", "aboutText": "Ember-1 ist das auf Kimi K3 aufbauende spezialisierte Modell von Fireworks Research. Seine kennzeichnende Änderung ist ein Training, das unnötige Gedankengänge verkürzt und zugleich nützliche Analysen für Programmier- und Agentenaufgaben bewahrt. Der Hersteller positioniert es für wiederholte, werkzeuggestützte Aufgaben, bei denen sich im Gespräch lange Gedankengänge ansammeln können. Sein dokumentiertes Profil unterstützt Texterzeugung, Bildeingaben und Funktionsaufrufe; die resultierende Antwort, der Code oder der vorgeschlagene Vorgang liegt als Text vor.\n\n### Was das Training verändert\n\nDer Hersteller entwickelte Ember-1 mit aufgabenorientiertem Training über ein breites Spektrum von Arbeitslasten hinweg. Es handelt sich um einen Unterschied des trainierten Modells und nicht lediglich um die Auswahl einer niedrigeren Einstellung für den Denkaufwand beim Basismodell. Beim Ergebnisvergleich mit Kimi K3 sollte es seine eigene Identität behalten: Ziel ist ein sparsamerer Denkverlauf, nicht die Annahme, dass jede ursprüngliche Einstellung, Fähigkeit oder künftige Aktualisierung identisch ist.\n\nStellen Sie für eine Softwareaufgabe den relevanten Code, den beobachteten Fehler, das gewünschte Verhalten und die stabil zu haltenden Verträge bereit. Verlangen Sie eine gezielte Umsetzung und eine Erklärung mit Bezug auf den tatsächlichen Quelltext. Ein praktischer Auftrag lautet: «Verfolgen Sie diese fehlschlagende Eingabe, identifizieren Sie die erste fehlerhafte Bedingung und geben Sie die korrigierte Funktion mit den Belegen zurück, die die Änderung rechtfertigen.» Halten Sie das abschliessende Arbeitsergebnis ausdrücklich fest, auch wenn die Aufgabe mehrere Beobachtungen erfordert.\n\n### Programmier- und Agentenaufgaben\n\nZu den Anwendungsfällen des Herstellers gehören Programmierassistenten und Agenten, die zwischen Modellentscheidungen und Werkzeugergebnissen wechseln. Stellen Sie zur Aufgabe passende Funktionsbeschreibungen und Argumentschemas bereit. Das Modell kann eine Dateiinspektion, eine Berechnung oder einen anderen verfügbaren Vorgang vorschlagen; die Anwendung führt ihn aus und gibt die tatsächliche Beobachtung zurück. Verwenden Sie dieses Ergebnis in der nächsten Nachricht, statt eine vorgeschlagene Aktion als Ersatz für ihre Ausführung gelten zu lassen.\n\nBewahren Sie bei einer längeren Aufgabe die relevanten Beobachtungen zu Fehler, Korrektur und Überprüfung in einem knappen Datensatz auf. Verlangen Sie den fertigen Code oder das Analyseergebnis getrennt von der Zwischendiskussion. Kürzere Gedankengänge sind nur dann nützlich, wenn die Ausgabe weiterhin das erforderliche Aufgabenverhalten erfüllt und die zu ihrer Prüfung benötigten Belege enthält.\n\n### Bilder und langes Quellenmaterial\n\nDer Herstellerkatalog von Ember-1 unterstützt Bildeingaben. Eine visuelle Programmieraufgabe kann einen Screenshot mit Anforderungen und Quellcode verbinden und eine Erklärung oder Umsetzung verlangen, die im Sichtbaren verankert ist. Kennzeichnen Sie jedes Bild und unterscheiden Sie den aktuellen Zustand vom angestrebten Ergebnis. Sorgen Sie für lesbaren wichtigen Text und verlangen Sie, dass die Antwort das einen Befund stützende sichtbare Detail benennt.\n\nDer Hersteller nennt einen Kontext in der Grössenordnung von einer Million Tokens. Das beschreibt die Kapazität für Quellenmaterial und ist kein eigenständiges Versprechen ebenso vieler Antworttokens. Prompt, Quellenmaterial, Werkzeugverlauf und erzeugte Gedankengänge teilen sich das geltende Anfragebudget. Ordnen Sie ein grosses Repository oder eine Dokumentensammlung um die tatsächliche Frage herum und reservieren Sie Platz für das Ergebnis.\n\n### Überprüfbare Ausgaben\n\nEin nützliches Arbeitsergebnis ist ein gezielter Patch, eine beleggestützte Erklärung oder ein abgeschlossener Vergleich anhand vorgegebener Kriterien. Stellen Sie für eine von aktuellen Informationen abhängige Tatsache eine massgebliche Passage oder ein geeignetes Recherchewerkzeug bereit. Die Ausrichtung auf kürzere Gedankengänge macht fehlende Belege nicht verfügbar, führt keine Funktion aus und validiert Code nicht unabhängig. Prüfen Sie das resultierende Arbeitsergebnis anhand der Anforderungen und der vom umgebenden Arbeitsablauf zurückgegebenen Beobachtungen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Fix an inclusive upper-bound error\n\nFind the bug in this Python function: def allowed(age):\n return age > 18 and age < 65\nThe rule permits ages 18 through 65 inclusive. Return the corrected function, explain the boundary error and write tests for ages 17, 18, 65 and 66. Treat the supplied rule as authoritative.A minimal corrected function, a boundary explanation and four executable test cases.Check that both endpoints are accepted and both adjacent out-of-range values are rejected.fireworks/ember-1Ember-1 ist das auf Kimi K3 basierende Modell von Fireworks Research, das darauf trainiert wurde, unnötige Gedankengänge bei Programmier- und Agentenaufgaben zu verkürzen. Sein Herstellerprofil unterstützt Text- und Bildeingaben, Texterzeugung und Funktionsaufrufe und eignet sich damit für gezielte Entwicklungsarbeit und quellengestützte Analysen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Ember-1 ist das auf Kimi K3 aufbauende spezialisierte Modell von Fireworks Research. Seine kennzeichnende Änderung ist ein Training, das unnötige Gedankengänge verkürzt und zugleich nützliche Analysen für Programmier- und Agentenaufgaben bewahrt. Der Hersteller positioniert es für wiederholte, werkzeuggestützte Aufgaben, bei denen sich im Gespräch lange Gedankengänge ansammeln können. Sein dokumentiertes Profil unterstützt Texterzeugung, Bildeingaben und Funktionsaufrufe; die resultierende Antwort, der Code oder der vorgeschlagene Vorgang liegt als Text vor.
Der Hersteller entwickelte Ember-1 mit aufgabenorientiertem Training über ein breites Spektrum von Arbeitslasten hinweg. Es handelt sich um einen Unterschied des trainierten Modells und nicht lediglich um die Auswahl einer niedrigeren Einstellung für den Denkaufwand beim Basismodell. Beim Ergebnisvergleich mit Kimi K3 sollte es seine eigene Identität behalten: Ziel ist ein sparsamerer Denkverlauf, nicht die Annahme, dass jede ursprüngliche Einstellung, Fähigkeit oder künftige Aktualisierung identisch ist.
Stellen Sie für eine Softwareaufgabe den relevanten Code, den beobachteten Fehler, das gewünschte Verhalten und die stabil zu haltenden Verträge bereit. Verlangen Sie eine gezielte Umsetzung und eine Erklärung mit Bezug auf den tatsächlichen Quelltext. Ein praktischer Auftrag lautet: «Verfolgen Sie diese fehlschlagende Eingabe, identifizieren Sie die erste fehlerhafte Bedingung und geben Sie die korrigierte Funktion mit den Belegen zurück, die die Änderung rechtfertigen.» Halten Sie das abschliessende Arbeitsergebnis ausdrücklich fest, auch wenn die Aufgabe mehrere Beobachtungen erfordert.
Zu den Anwendungsfällen des Herstellers gehören Programmierassistenten und Agenten, die zwischen Modellentscheidungen und Werkzeugergebnissen wechseln. Stellen Sie zur Aufgabe passende Funktionsbeschreibungen und Argumentschemas bereit. Das Modell kann eine Dateiinspektion, eine Berechnung oder einen anderen verfügbaren Vorgang vorschlagen; die Anwendung führt ihn aus und gibt die tatsächliche Beobachtung zurück. Verwenden Sie dieses Ergebnis in der nächsten Nachricht, statt eine vorgeschlagene Aktion als Ersatz für ihre Ausführung gelten zu lassen.
Bewahren Sie bei einer längeren Aufgabe die relevanten Beobachtungen zu Fehler, Korrektur und Überprüfung in einem knappen Datensatz auf. Verlangen Sie den fertigen Code oder das Analyseergebnis getrennt von der Zwischendiskussion. Kürzere Gedankengänge sind nur dann nützlich, wenn die Ausgabe weiterhin das erforderliche Aufgabenverhalten erfüllt und die zu ihrer Prüfung benötigten Belege enthält.
Der Herstellerkatalog von Ember-1 unterstützt Bildeingaben. Eine visuelle Programmieraufgabe kann einen Screenshot mit Anforderungen und Quellcode verbinden und eine Erklärung oder Umsetzung verlangen, die im Sichtbaren verankert ist. Kennzeichnen Sie jedes Bild und unterscheiden Sie den aktuellen Zustand vom angestrebten Ergebnis. Sorgen Sie für lesbaren wichtigen Text und verlangen Sie, dass die Antwort das einen Befund stützende sichtbare Detail benennt.
Der Hersteller nennt einen Kontext in der Grössenordnung von einer Million Tokens. Das beschreibt die Kapazität für Quellenmaterial und ist kein eigenständiges Versprechen ebenso vieler Antworttokens. Prompt, Quellenmaterial, Werkzeugverlauf und erzeugte Gedankengänge teilen sich das geltende Anfragebudget. Ordnen Sie ein grosses Repository oder eine Dokumentensammlung um die tatsächliche Frage herum und reservieren Sie Platz für das Ergebnis.
Ein nützliches Arbeitsergebnis ist ein gezielter Patch, eine beleggestützte Erklärung oder ein abgeschlossener Vergleich anhand vorgegebener Kriterien. Stellen Sie für eine von aktuellen Informationen abhängige Tatsache eine massgebliche Passage oder ein geeignetes Recherchewerkzeug bereit. Die Ausrichtung auf kürzere Gedankengänge macht fehlende Belege nicht verfügbar, führt keine Funktion aus und validiert Code nicht unabhängig. Prüfen Sie das resultierende Arbeitsergebnis anhand der Anforderungen und der vom umgebenden Arbeitsablauf zurückgegebenen Beobachtungen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits fireworks/ember-1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.006 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.006 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "fireworks/ember-1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='fireworks/ember-1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='fireworks/ember-1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra fireworks/ember-1
Verwenden Sie die oben angezeigten Methodenpfade.
fireworks/ember-1Ember-1 ist das auf Kimi K3 basierende Modell von Fireworks Research, das darauf trainiert wurde, unnötige Gedankengänge bei Programmier- und Agentenaufgaben zu verkürzen. Sein Herstellerprofil unterstützt Text- und Bildeingaben, Texterzeugung und Funktionsaufrufe und eignet sich damit für gezielte Entwicklungsarbeit und quellengestützte Analysen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Ember-1 ist das auf Kimi K3 aufbauende spezialisierte Modell von Fireworks Research. Seine kennzeichnende Änderung ist ein Training, das unnötige Gedankengänge verkürzt und zugleich nützliche Analysen für Programmier- und Agentenaufgaben bewahrt. Der Hersteller positioniert es für wiederholte, werkzeuggestützte Aufgaben, bei denen sich im Gespräch lange Gedankengänge ansammeln können. Sein dokumentiertes Profil unterstützt Texterzeugung, Bildeingaben und Funktionsaufrufe; die resultierende Antwort, der Code oder der vorgeschlagene Vorgang liegt als Text vor.
Der Hersteller entwickelte Ember-1 mit aufgabenorientiertem Training über ein breites Spektrum von Arbeitslasten hinweg. Es handelt sich um einen Unterschied des trainierten Modells und nicht lediglich um die Auswahl einer niedrigeren Einstellung für den Denkaufwand beim Basismodell. Beim Ergebnisvergleich mit Kimi K3 sollte es seine eigene Identität behalten: Ziel ist ein sparsamerer Denkverlauf, nicht die Annahme, dass jede ursprüngliche Einstellung, Fähigkeit oder künftige Aktualisierung identisch ist.
Stellen Sie für eine Softwareaufgabe den relevanten Code, den beobachteten Fehler, das gewünschte Verhalten und die stabil zu haltenden Verträge bereit. Verlangen Sie eine gezielte Umsetzung und eine Erklärung mit Bezug auf den tatsächlichen Quelltext. Ein praktischer Auftrag lautet: «Verfolgen Sie diese fehlschlagende Eingabe, identifizieren Sie die erste fehlerhafte Bedingung und geben Sie die korrigierte Funktion mit den Belegen zurück, die die Änderung rechtfertigen.» Halten Sie das abschliessende Arbeitsergebnis ausdrücklich fest, auch wenn die Aufgabe mehrere Beobachtungen erfordert.
Zu den Anwendungsfällen des Herstellers gehören Programmierassistenten und Agenten, die zwischen Modellentscheidungen und Werkzeugergebnissen wechseln. Stellen Sie zur Aufgabe passende Funktionsbeschreibungen und Argumentschemas bereit. Das Modell kann eine Dateiinspektion, eine Berechnung oder einen anderen verfügbaren Vorgang vorschlagen; die Anwendung führt ihn aus und gibt die tatsächliche Beobachtung zurück. Verwenden Sie dieses Ergebnis in der nächsten Nachricht, statt eine vorgeschlagene Aktion als Ersatz für ihre Ausführung gelten zu lassen.
Bewahren Sie bei einer längeren Aufgabe die relevanten Beobachtungen zu Fehler, Korrektur und Überprüfung in einem knappen Datensatz auf. Verlangen Sie den fertigen Code oder das Analyseergebnis getrennt von der Zwischendiskussion. Kürzere Gedankengänge sind nur dann nützlich, wenn die Ausgabe weiterhin das erforderliche Aufgabenverhalten erfüllt und die zu ihrer Prüfung benötigten Belege enthält.
Der Herstellerkatalog von Ember-1 unterstützt Bildeingaben. Eine visuelle Programmieraufgabe kann einen Screenshot mit Anforderungen und Quellcode verbinden und eine Erklärung oder Umsetzung verlangen, die im Sichtbaren verankert ist. Kennzeichnen Sie jedes Bild und unterscheiden Sie den aktuellen Zustand vom angestrebten Ergebnis. Sorgen Sie für lesbaren wichtigen Text und verlangen Sie, dass die Antwort das einen Befund stützende sichtbare Detail benennt.
Der Hersteller nennt einen Kontext in der Grössenordnung von einer Million Tokens. Das beschreibt die Kapazität für Quellenmaterial und ist kein eigenständiges Versprechen ebenso vieler Antworttokens. Prompt, Quellenmaterial, Werkzeugverlauf und erzeugte Gedankengänge teilen sich das geltende Anfragebudget. Ordnen Sie ein grosses Repository oder eine Dokumentensammlung um die tatsächliche Frage herum und reservieren Sie Platz für das Ergebnis.
Ein nützliches Arbeitsergebnis ist ein gezielter Patch, eine beleggestützte Erklärung oder ein abgeschlossener Vergleich anhand vorgegebener Kriterien. Stellen Sie für eine von aktuellen Informationen abhängige Tatsache eine massgebliche Passage oder ein geeignetes Recherchewerkzeug bereit. Die Ausrichtung auf kürzere Gedankengänge macht fehlende Belege nicht verfügbar, führt keine Funktion aus und validiert Code nicht unabhängig. Prüfen Sie das resultierende Arbeitsergebnis anhand der Anforderungen und der vom umgebenden Arbeitsablauf zurückgegebenen Beobachtungen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits fireworks/ember-1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.006 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.006 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "fireworks/ember-1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'fireworks/ember-1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'fireworks/ember-1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra fireworks/ember-1
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Fix an inclusive upper-bound error\n\nFind the bug in this Python function: def allowed(age):\n return age > 18 and age < 65\nThe rule permits ages 18 through 65 inclusive. Return the corrected function, explain the boundary error and write tests for ages 17, 18, 65 and 66. Treat the supplied rule as authoritative.A minimal corrected function, a boundary explanation and four executable test cases.Check that both endpoints are accepted and both adjacent out-of-range values are rejected.