Ember-1は、Kimi K3を基盤としてFireworks Researchが開発した特化モデルです。特徴となる変更は、コーディングやエージェントの処理に有用な分析を維持しつつ、不要な推論を短縮する学習です。開発元は、会話を重ねると長い推論の記録が蓄積しやすい、ツールを使う反復作業向けに位置付けています。文書化されたプロファイルは、テキスト生成、画像入力、関数呼び出しに対応します。回答、コード、提案する操作はテキストとして返されます。
メーカーは、幅広い処理を対象とするタスク重視の学習でEmber-1を開発しました。これは、基盤モデルの推論量の設定を単に下げることとは異なる、学習済みモデルとしての違いです。Kimi K3と結果を比較する場合は、固有の識別情報を保持してください。目標は、推論の進め方をより効率的にすることであり、元のすべての設定、機能、将来の更新が同一だと仮定することではありません。
ソフトウェアの作業では、関連コード、観察した不具合、望ましい動作、維持すべき仕様を提供します。対象を絞った実装と、実際のソースに結び付く説明を求めてください。実用的な依頼例は、「この失敗する入力を追跡し、最初に誤りが生じる条件を特定して、変更を裏付ける根拠とともに修正した関数を返してください」です。複数の観察が必要な作業でも、最終成果物を明示します。
開発元が挙げる用途には、コーディングアシスタントと、モデルの判断とツールの結果を交互に扱うエージェントがあります。作業に適した関数の説明と引数スキーマを提供してください。モデルは、ファイルの確認、計算、その他の利用可能な操作を提案できます。アプリケーションがそれを実行し、実際の観察結果を返します。提案した行動を実行済みとして扱わず、その結果を次のターンで使います。
長い作業では、関連する不具合、修正、検証の観察を簡潔な記録に残します。途中の議論とは別に、完成したコードや分析結果を求めてください。推論の短縮が役立つのは、出力が引き続き必要な動作を満たし、確認に必要な根拠を含む場合です。
Ember-1のメーカーカタログは、画像入力への対応を示しています。視覚情報を伴うコーディングでは、スクリーンショットに要件とソースコードを組み合わせ、見えている内容に基づく説明や実装を求められます。画像ごとにラベルを付け、現在の状態と目標の結果を区別します。重要な文字を読み取れる状態にし、所見を裏付ける目に見える詳細を回答で示すよう求めてください。
開発元は、約100万トークン規模のコンテキストを記載しています。これは資料を扱う容量のプロファイルであり、それと同じ数の回答トークンを別途約束するものではありません。プロンプト、資料、ツール履歴、生成する推論は、適用されるリクエストの枠を共有します。大きなリポジトリや文書集は、実際の質問を軸に整理し、結果のための余裕を確保してください。
有用な成果物には、対象を絞ったパッチ、根拠に裏付けられた説明、指定基準に照らした完成済みの比較があります。最新情報に依存する事実には、信頼できる資料の一節や、適切な検索ツールを提供します。推論を短くする方針によって、欠けた根拠が得られたり、関数が実行されたり、コードが独立して検証されたりするわけではありません。成果物を、要件と、周辺のワークフローから返された観察結果に照らして確認してください。
", "aboutText": "Ember-1は、Kimi K3を基盤としてFireworks Researchが開発した特化モデルです。特徴となる変更は、コーディングやエージェントの処理に有用な分析を維持しつつ、不要な推論を短縮する学習です。開発元は、会話を重ねると長い推論の記録が蓄積しやすい、ツールを使う反復作業向けに位置付けています。文書化されたプロファイルは、テキスト生成、画像入力、関数呼び出しに対応します。回答、コード、提案する操作はテキストとして返されます。\n\n### 学習による変更点\n\nメーカーは、幅広い処理を対象とするタスク重視の学習でEmber-1を開発しました。これは、基盤モデルの推論量の設定を単に下げることとは異なる、学習済みモデルとしての違いです。Kimi K3と結果を比較する場合は、固有の識別情報を保持してください。目標は、推論の進め方をより効率的にすることであり、元のすべての設定、機能、将来の更新が同一だと仮定することではありません。\n\nソフトウェアの作業では、関連コード、観察した不具合、望ましい動作、維持すべき仕様を提供します。対象を絞った実装と、実際のソースに結び付く説明を求めてください。実用的な依頼例は、「この失敗する入力を追跡し、最初に誤りが生じる条件を特定して、変更を裏付ける根拠とともに修正した関数を返してください」です。複数の観察が必要な作業でも、最終成果物を明示します。\n\n### コーディングとエージェントの作業\n\n開発元が挙げる用途には、コーディングアシスタントと、モデルの判断とツールの結果を交互に扱うエージェントがあります。作業に適した関数の説明と引数スキーマを提供してください。モデルは、ファイルの確認、計算、その他の利用可能な操作を提案できます。アプリケーションがそれを実行し、実際の観察結果を返します。提案した行動を実行済みとして扱わず、その結果を次のターンで使います。\n\n長い作業では、関連する不具合、修正、検証の観察を簡潔な記録に残します。途中の議論とは別に、完成したコードや分析結果を求めてください。推論の短縮が役立つのは、出力が引き続き必要な動作を満たし、確認に必要な根拠を含む場合です。\n\n### 画像と長い資料\n\nEmber-1のメーカーカタログは、画像入力への対応を示しています。視覚情報を伴うコーディングでは、スクリーンショットに要件とソースコードを組み合わせ、見えている内容に基づく説明や実装を求められます。画像ごとにラベルを付け、現在の状態と目標の結果を区別します。重要な文字を読み取れる状態にし、所見を裏付ける目に見える詳細を回答で示すよう求めてください。\n\n開発元は、約100万トークン規模のコンテキストを記載しています。これは資料を扱う容量のプロファイルであり、それと同じ数の回答トークンを別途約束するものではありません。プロンプト、資料、ツール履歴、生成する推論は、適用されるリクエストの枠を共有します。大きなリポジトリや文書集は、実際の質問を軸に整理し、結果のための余裕を確保してください。\n\n### 確認可能な出力\n\n有用な成果物には、対象を絞ったパッチ、根拠に裏付けられた説明、指定基準に照らした完成済みの比較があります。最新情報に依存する事実には、信頼できる資料の一節や、適切な検索ツールを提供します。推論を短くする方針によって、欠けた根拠が得られたり、関数が実行されたり、コードが独立して検証されたりするわけではありません。成果物を、要件と、周辺のワークフローから返された観察結果に照らして確認してください。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
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は、Kimi K3を基盤としてFireworks Researchが開発したモデルで、コーディングやエージェントの作業における不要な推論を短くするよう学習されています。メーカーのプロファイルは、テキストと画像の入力、テキスト生成、関数呼び出しに対応しており、対象を絞った開発作業や、資料に沿った分析に役立ちます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Ember-1は、Kimi K3を基盤としてFireworks Researchが開発した特化モデルです。特徴となる変更は、コーディングやエージェントの処理に有用な分析を維持しつつ、不要な推論を短縮する学習です。開発元は、会話を重ねると長い推論の記録が蓄積しやすい、ツールを使う反復作業向けに位置付けています。文書化されたプロファイルは、テキスト生成、画像入力、関数呼び出しに対応します。回答、コード、提案する操作はテキストとして返されます。
メーカーは、幅広い処理を対象とするタスク重視の学習でEmber-1を開発しました。これは、基盤モデルの推論量の設定を単に下げることとは異なる、学習済みモデルとしての違いです。Kimi K3と結果を比較する場合は、固有の識別情報を保持してください。目標は、推論の進め方をより効率的にすることであり、元のすべての設定、機能、将来の更新が同一だと仮定することではありません。
ソフトウェアの作業では、関連コード、観察した不具合、望ましい動作、維持すべき仕様を提供します。対象を絞った実装と、実際のソースに結び付く説明を求めてください。実用的な依頼例は、「この失敗する入力を追跡し、最初に誤りが生じる条件を特定して、変更を裏付ける根拠とともに修正した関数を返してください」です。複数の観察が必要な作業でも、最終成果物を明示します。
開発元が挙げる用途には、コーディングアシスタントと、モデルの判断とツールの結果を交互に扱うエージェントがあります。作業に適した関数の説明と引数スキーマを提供してください。モデルは、ファイルの確認、計算、その他の利用可能な操作を提案できます。アプリケーションがそれを実行し、実際の観察結果を返します。提案した行動を実行済みとして扱わず、その結果を次のターンで使います。
長い作業では、関連する不具合、修正、検証の観察を簡潔な記録に残します。途中の議論とは別に、完成したコードや分析結果を求めてください。推論の短縮が役立つのは、出力が引き続き必要な動作を満たし、確認に必要な根拠を含む場合です。
Ember-1のメーカーカタログは、画像入力への対応を示しています。視覚情報を伴うコーディングでは、スクリーンショットに要件とソースコードを組み合わせ、見えている内容に基づく説明や実装を求められます。画像ごとにラベルを付け、現在の状態と目標の結果を区別します。重要な文字を読み取れる状態にし、所見を裏付ける目に見える詳細を回答で示すよう求めてください。
開発元は、約100万トークン規模のコンテキストを記載しています。これは資料を扱う容量のプロファイルであり、それと同じ数の回答トークンを別途約束するものではありません。プロンプト、資料、ツール履歴、生成する推論は、適用されるリクエストの枠を共有します。大きなリポジトリや文書集は、実際の質問を軸に整理し、結果のための余裕を確保してください。
有用な成果物には、対象を絞ったパッチ、根拠に裏付けられた説明、指定基準に照らした完成済みの比較があります。最新情報に依存する事実には、信頼できる資料の一節や、適切な検索ツールを提供します。推論を短くする方針によって、欠けた根拠が得られたり、関数が実行されたり、コードが独立して検証されたりするわけではありません。成果物を、要件と、周辺のワークフローから返された観察結果に照らして確認してください。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 fireworks/ember-1 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.006 / 1K トークン 出力 · 出力トークン $0.03 / 1K トークン 入力 · キャッシュ読み取り $0.0006 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.006 / 1K トークン 出力 · 出力トークン $0.03 / 1K トークン 入力 · キャッシュ読み取り $0.0006 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra fireworks/ember-1
上記に表示されたメソッドパスを使用してください。
fireworks/ember-1Ember-1は、Kimi K3を基盤としてFireworks Researchが開発したモデルで、コーディングやエージェントの作業における不要な推論を短くするよう学習されています。メーカーのプロファイルは、テキストと画像の入力、テキスト生成、関数呼び出しに対応しており、対象を絞った開発作業や、資料に沿った分析に役立ちます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Ember-1は、Kimi K3を基盤としてFireworks Researchが開発した特化モデルです。特徴となる変更は、コーディングやエージェントの処理に有用な分析を維持しつつ、不要な推論を短縮する学習です。開発元は、会話を重ねると長い推論の記録が蓄積しやすい、ツールを使う反復作業向けに位置付けています。文書化されたプロファイルは、テキスト生成、画像入力、関数呼び出しに対応します。回答、コード、提案する操作はテキストとして返されます。
メーカーは、幅広い処理を対象とするタスク重視の学習でEmber-1を開発しました。これは、基盤モデルの推論量の設定を単に下げることとは異なる、学習済みモデルとしての違いです。Kimi K3と結果を比較する場合は、固有の識別情報を保持してください。目標は、推論の進め方をより効率的にすることであり、元のすべての設定、機能、将来の更新が同一だと仮定することではありません。
ソフトウェアの作業では、関連コード、観察した不具合、望ましい動作、維持すべき仕様を提供します。対象を絞った実装と、実際のソースに結び付く説明を求めてください。実用的な依頼例は、「この失敗する入力を追跡し、最初に誤りが生じる条件を特定して、変更を裏付ける根拠とともに修正した関数を返してください」です。複数の観察が必要な作業でも、最終成果物を明示します。
開発元が挙げる用途には、コーディングアシスタントと、モデルの判断とツールの結果を交互に扱うエージェントがあります。作業に適した関数の説明と引数スキーマを提供してください。モデルは、ファイルの確認、計算、その他の利用可能な操作を提案できます。アプリケーションがそれを実行し、実際の観察結果を返します。提案した行動を実行済みとして扱わず、その結果を次のターンで使います。
長い作業では、関連する不具合、修正、検証の観察を簡潔な記録に残します。途中の議論とは別に、完成したコードや分析結果を求めてください。推論の短縮が役立つのは、出力が引き続き必要な動作を満たし、確認に必要な根拠を含む場合です。
Ember-1のメーカーカタログは、画像入力への対応を示しています。視覚情報を伴うコーディングでは、スクリーンショットに要件とソースコードを組み合わせ、見えている内容に基づく説明や実装を求められます。画像ごとにラベルを付け、現在の状態と目標の結果を区別します。重要な文字を読み取れる状態にし、所見を裏付ける目に見える詳細を回答で示すよう求めてください。
開発元は、約100万トークン規模のコンテキストを記載しています。これは資料を扱う容量のプロファイルであり、それと同じ数の回答トークンを別途約束するものではありません。プロンプト、資料、ツール履歴、生成する推論は、適用されるリクエストの枠を共有します。大きなリポジトリや文書集は、実際の質問を軸に整理し、結果のための余裕を確保してください。
有用な成果物には、対象を絞ったパッチ、根拠に裏付けられた説明、指定基準に照らした完成済みの比較があります。最新情報に依存する事実には、信頼できる資料の一節や、適切な検索ツールを提供します。推論を短くする方針によって、欠けた根拠が得られたり、関数が実行されたり、コードが独立して検証されたりするわけではありません。成果物を、要件と、周辺のワークフローから返された観察結果に照らして確認してください。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 fireworks/ember-1 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.006 / 1K トークン 出力 · 出力トークン $0.03 / 1K トークン 入力 · キャッシュ読み取り $0.0006 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.006 / 1K トークン 出力 · 出力トークン $0.03 / 1K トークン 入力 · キャッシュ読み取り $0.0006 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "fireworks/ember-1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra fireworks/ember-1
上記に表示されたメソッドパスを使用してください。
英語の技術例
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.