Ember-1 is het gespecialiseerde model van Fireworks Research dat op Kimi K3 is gebouwd. De kenmerkende wijziging is een training die onnodige redenering inkort en tegelijk nuttige analyse voor programmeer- en agentworkloads behoudt. De producent positioneert het voor herhaalde, door tools gestuurde opdrachten waarbij lange redeneersporen zich in een gesprek kunnen opstapelen. Het gedocumenteerde profiel ondersteunt tekstgeneratie, beeldinvoer en function calling; het resulterende antwoord, de code of de voorgestelde handeling is tekst.
De fabrikant ontwikkelde Ember-1 met taakgerichte training voor een brede reeks workloads. Dit is een onderscheid door modeltraining, in plaats van simpelweg een lagere instelling voor redeneerinspanning op het basismodel te selecteren. Het moet zijn eigen identiteit behouden wanneer resultaten met Kimi K3 worden vergeleken: het doel is een zuiniger redeneertraject, niet de aanname dat elke oorspronkelijke instelling, mogelijkheid of toekomstige update identiek is.
Bezorg voor een softwareopdracht de relevante code, de waargenomen fout, het gewenste gedrag en de contracten die stabiel moeten blijven. Vraag om een gerichte implementatie en een uitleg die aan de daadwerkelijke bron is gekoppeld. Een praktische briefing is: “Volg deze falende invoer, identificeer de eerste onjuiste voorwaarde en geef de gecorrigeerde functie terug met het bewijs dat de wijziging rechtvaardigt.” Houd het eindresultaat expliciet, ook wanneer de opdracht verschillende waarnemingen vereist.
De gebruikssituaties van de producent omvatten programmeerassistenten en agents die afwisselen tussen modelbeslissingen en toolresultaten. Bezorg functiebeschrijvingen en argumentschema's die bij de opdracht passen. Het model kan een bestandsinspectie, berekening of andere beschikbare handeling voorstellen; de toepassing voert die uit en geeft de daadwerkelijke waarneming terug. Gebruik dat resultaat in de volgende beurt in plaats van een voorgestelde handeling als vervanging voor uitvoering te aanvaarden.
Bewaar voor een langere opdracht de relevante waarnemingen van fouten, correcties en verificatie in een beknopt record. Vraag om de voltooide code of het analytische resultaat, afzonderlijk van tussentijdse bespreking. Korter redeneren is alleen nuttig als de uitvoer nog altijd aan het vereiste gedrag van de opdracht voldoet en het bewijs bevat dat nodig is om ze te beoordelen.
De catalogus van de maker van Ember-1 ondersteunt beeldinvoer. Een visuele programmeeropdracht kan een schermafbeelding met vereisten en broncode combineren en vragen om een uitleg of implementatie op basis van wat zichtbaar is. Label elke afbeelding en maak onderscheid tussen de huidige toestand en het beoogde resultaat. Zorg dat belangrijke tekst leesbaar is en vraag om het zichtbare detail dat een bevinding ondersteunt in het antwoord te identificeren.
De producent vermeldt een context in de orde van één miljoen tokens. Dit is een profiel voor broncapaciteit, geen afzonderlijke belofte van evenveel antwoordtokens. De prompt, het bronmateriaal, de toolgeschiedenis en de gegenereerde redenering delen het toepasselijke aanvraagbudget. Orden een grote repository of documentverzameling rond de daadwerkelijke vraag en reserveer ruimte voor het resultaat.
Een nuttig resultaat is een gerichte patch, een met bewijs onderbouwde uitleg of een voltooide vergelijking volgens opgegeven criteria. Bezorg voor een feit dat van actuele informatie afhangt een gezaghebbende passage of een geschikte opzoektool. De gerichtheid van het model op korter redeneren maakt ontbrekend bewijs niet beschikbaar, voert geen functie uit en valideert code niet zelfstandig. Toets het resulterende document of de code aan de vereisten en de waarnemingen die de omringende workflow heeft teruggegeven.
", "aboutText": "Ember-1 is het gespecialiseerde model van Fireworks Research dat op Kimi K3 is gebouwd. De kenmerkende wijziging is een training die onnodige redenering inkort en tegelijk nuttige analyse voor programmeer- en agentworkloads behoudt. De producent positioneert het voor herhaalde, door tools gestuurde opdrachten waarbij lange redeneersporen zich in een gesprek kunnen opstapelen. Het gedocumenteerde profiel ondersteunt tekstgeneratie, beeldinvoer en function calling; het resulterende antwoord, de code of de voorgestelde handeling is tekst.\n\n### Wat de training verandert\n\nDe fabrikant ontwikkelde Ember-1 met taakgerichte training voor een brede reeks workloads. Dit is een onderscheid door modeltraining, in plaats van simpelweg een lagere instelling voor redeneerinspanning op het basismodel te selecteren. Het moet zijn eigen identiteit behouden wanneer resultaten met Kimi K3 worden vergeleken: het doel is een zuiniger redeneertraject, niet de aanname dat elke oorspronkelijke instelling, mogelijkheid of toekomstige update identiek is.\n\nBezorg voor een softwareopdracht de relevante code, de waargenomen fout, het gewenste gedrag en de contracten die stabiel moeten blijven. Vraag om een gerichte implementatie en een uitleg die aan de daadwerkelijke bron is gekoppeld. Een praktische briefing is: “Volg deze falende invoer, identificeer de eerste onjuiste voorwaarde en geef de gecorrigeerde functie terug met het bewijs dat de wijziging rechtvaardigt.” Houd het eindresultaat expliciet, ook wanneer de opdracht verschillende waarnemingen vereist.\n\n### Programmeer- en agentworkloads\n\nDe gebruikssituaties van de producent omvatten programmeerassistenten en agents die afwisselen tussen modelbeslissingen en toolresultaten. Bezorg functiebeschrijvingen en argumentschema's die bij de opdracht passen. Het model kan een bestandsinspectie, berekening of andere beschikbare handeling voorstellen; de toepassing voert die uit en geeft de daadwerkelijke waarneming terug. Gebruik dat resultaat in de volgende beurt in plaats van een voorgestelde handeling als vervanging voor uitvoering te aanvaarden.\n\nBewaar voor een langere opdracht de relevante waarnemingen van fouten, correcties en verificatie in een beknopt record. Vraag om de voltooide code of het analytische resultaat, afzonderlijk van tussentijdse bespreking. Korter redeneren is alleen nuttig als de uitvoer nog altijd aan het vereiste gedrag van de opdracht voldoet en het bewijs bevat dat nodig is om ze te beoordelen.\n\n### Afbeeldingen en omvangrijk bronmateriaal\n\nDe catalogus van de maker van Ember-1 ondersteunt beeldinvoer. Een visuele programmeeropdracht kan een schermafbeelding met vereisten en broncode combineren en vragen om een uitleg of implementatie op basis van wat zichtbaar is. Label elke afbeelding en maak onderscheid tussen de huidige toestand en het beoogde resultaat. Zorg dat belangrijke tekst leesbaar is en vraag om het zichtbare detail dat een bevinding ondersteunt in het antwoord te identificeren.\n\nDe producent vermeldt een context in de orde van één miljoen tokens. Dit is een profiel voor broncapaciteit, geen afzonderlijke belofte van evenveel antwoordtokens. De prompt, het bronmateriaal, de toolgeschiedenis en de gegenereerde redenering delen het toepasselijke aanvraagbudget. Orden een grote repository of documentverzameling rond de daadwerkelijke vraag en reserveer ruimte voor het resultaat.\n\n### Controleerbare uitvoer\n\nEen nuttig resultaat is een gerichte patch, een met bewijs onderbouwde uitleg of een voltooide vergelijking volgens opgegeven criteria. Bezorg voor een feit dat van actuele informatie afhangt een gezaghebbende passage of een geschikte opzoektool. De gerichtheid van het model op korter redeneren maakt ontbrekend bewijs niet beschikbaar, voert geen functie uit en valideert code niet zelfstandig. Toets het resulterende document of de code aan de vereisten en de waarnemingen die de omringende workflow heeft teruggegeven.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is het op Kimi K3 gebaseerde model van Fireworks Research, getraind om onnodige redenering bij programmeer- en agentopdrachten in te korten. Het profiel van de maker ondersteunt tekst- en beeldinvoer, tekstgeneratie en function calling, waardoor het nuttig is voor gericht ontwikkelingswerk en brongeleide analyse.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Ember-1 is het gespecialiseerde model van Fireworks Research dat op Kimi K3 is gebouwd. De kenmerkende wijziging is een training die onnodige redenering inkort en tegelijk nuttige analyse voor programmeer- en agentworkloads behoudt. De producent positioneert het voor herhaalde, door tools gestuurde opdrachten waarbij lange redeneersporen zich in een gesprek kunnen opstapelen. Het gedocumenteerde profiel ondersteunt tekstgeneratie, beeldinvoer en function calling; het resulterende antwoord, de code of de voorgestelde handeling is tekst.
De fabrikant ontwikkelde Ember-1 met taakgerichte training voor een brede reeks workloads. Dit is een onderscheid door modeltraining, in plaats van simpelweg een lagere instelling voor redeneerinspanning op het basismodel te selecteren. Het moet zijn eigen identiteit behouden wanneer resultaten met Kimi K3 worden vergeleken: het doel is een zuiniger redeneertraject, niet de aanname dat elke oorspronkelijke instelling, mogelijkheid of toekomstige update identiek is.
Bezorg voor een softwareopdracht de relevante code, de waargenomen fout, het gewenste gedrag en de contracten die stabiel moeten blijven. Vraag om een gerichte implementatie en een uitleg die aan de daadwerkelijke bron is gekoppeld. Een praktische briefing is: “Volg deze falende invoer, identificeer de eerste onjuiste voorwaarde en geef de gecorrigeerde functie terug met het bewijs dat de wijziging rechtvaardigt.” Houd het eindresultaat expliciet, ook wanneer de opdracht verschillende waarnemingen vereist.
De gebruikssituaties van de producent omvatten programmeerassistenten en agents die afwisselen tussen modelbeslissingen en toolresultaten. Bezorg functiebeschrijvingen en argumentschema's die bij de opdracht passen. Het model kan een bestandsinspectie, berekening of andere beschikbare handeling voorstellen; de toepassing voert die uit en geeft de daadwerkelijke waarneming terug. Gebruik dat resultaat in de volgende beurt in plaats van een voorgestelde handeling als vervanging voor uitvoering te aanvaarden.
Bewaar voor een langere opdracht de relevante waarnemingen van fouten, correcties en verificatie in een beknopt record. Vraag om de voltooide code of het analytische resultaat, afzonderlijk van tussentijdse bespreking. Korter redeneren is alleen nuttig als de uitvoer nog altijd aan het vereiste gedrag van de opdracht voldoet en het bewijs bevat dat nodig is om ze te beoordelen.
De catalogus van de maker van Ember-1 ondersteunt beeldinvoer. Een visuele programmeeropdracht kan een schermafbeelding met vereisten en broncode combineren en vragen om een uitleg of implementatie op basis van wat zichtbaar is. Label elke afbeelding en maak onderscheid tussen de huidige toestand en het beoogde resultaat. Zorg dat belangrijke tekst leesbaar is en vraag om het zichtbare detail dat een bevinding ondersteunt in het antwoord te identificeren.
De producent vermeldt een context in de orde van één miljoen tokens. Dit is een profiel voor broncapaciteit, geen afzonderlijke belofte van evenveel antwoordtokens. De prompt, het bronmateriaal, de toolgeschiedenis en de gegenereerde redenering delen het toepasselijke aanvraagbudget. Orden een grote repository of documentverzameling rond de daadwerkelijke vraag en reserveer ruimte voor het resultaat.
Een nuttig resultaat is een gerichte patch, een met bewijs onderbouwde uitleg of een voltooide vergelijking volgens opgegeven criteria. Bezorg voor een feit dat van actuele informatie afhangt een gezaghebbende passage of een geschikte opzoektool. De gerichtheid van het model op korter redeneren maakt ontbrekend bewijs niet beschikbaar, voert geen functie uit en valideert code niet zelfstandig. Toets het resulterende document of de code aan de vereisten en de waarnemingen die de omringende workflow heeft teruggegeven.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten fireworks/ember-1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.006 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.006 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra fireworks/ember-1
Gebruik de hierboven getoonde methodepaden.
fireworks/ember-1Ember-1 is het op Kimi K3 gebaseerde model van Fireworks Research, getraind om onnodige redenering bij programmeer- en agentopdrachten in te korten. Het profiel van de maker ondersteunt tekst- en beeldinvoer, tekstgeneratie en function calling, waardoor het nuttig is voor gericht ontwikkelingswerk en brongeleide analyse.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Ember-1 is het gespecialiseerde model van Fireworks Research dat op Kimi K3 is gebouwd. De kenmerkende wijziging is een training die onnodige redenering inkort en tegelijk nuttige analyse voor programmeer- en agentworkloads behoudt. De producent positioneert het voor herhaalde, door tools gestuurde opdrachten waarbij lange redeneersporen zich in een gesprek kunnen opstapelen. Het gedocumenteerde profiel ondersteunt tekstgeneratie, beeldinvoer en function calling; het resulterende antwoord, de code of de voorgestelde handeling is tekst.
De fabrikant ontwikkelde Ember-1 met taakgerichte training voor een brede reeks workloads. Dit is een onderscheid door modeltraining, in plaats van simpelweg een lagere instelling voor redeneerinspanning op het basismodel te selecteren. Het moet zijn eigen identiteit behouden wanneer resultaten met Kimi K3 worden vergeleken: het doel is een zuiniger redeneertraject, niet de aanname dat elke oorspronkelijke instelling, mogelijkheid of toekomstige update identiek is.
Bezorg voor een softwareopdracht de relevante code, de waargenomen fout, het gewenste gedrag en de contracten die stabiel moeten blijven. Vraag om een gerichte implementatie en een uitleg die aan de daadwerkelijke bron is gekoppeld. Een praktische briefing is: “Volg deze falende invoer, identificeer de eerste onjuiste voorwaarde en geef de gecorrigeerde functie terug met het bewijs dat de wijziging rechtvaardigt.” Houd het eindresultaat expliciet, ook wanneer de opdracht verschillende waarnemingen vereist.
De gebruikssituaties van de producent omvatten programmeerassistenten en agents die afwisselen tussen modelbeslissingen en toolresultaten. Bezorg functiebeschrijvingen en argumentschema's die bij de opdracht passen. Het model kan een bestandsinspectie, berekening of andere beschikbare handeling voorstellen; de toepassing voert die uit en geeft de daadwerkelijke waarneming terug. Gebruik dat resultaat in de volgende beurt in plaats van een voorgestelde handeling als vervanging voor uitvoering te aanvaarden.
Bewaar voor een langere opdracht de relevante waarnemingen van fouten, correcties en verificatie in een beknopt record. Vraag om de voltooide code of het analytische resultaat, afzonderlijk van tussentijdse bespreking. Korter redeneren is alleen nuttig als de uitvoer nog altijd aan het vereiste gedrag van de opdracht voldoet en het bewijs bevat dat nodig is om ze te beoordelen.
De catalogus van de maker van Ember-1 ondersteunt beeldinvoer. Een visuele programmeeropdracht kan een schermafbeelding met vereisten en broncode combineren en vragen om een uitleg of implementatie op basis van wat zichtbaar is. Label elke afbeelding en maak onderscheid tussen de huidige toestand en het beoogde resultaat. Zorg dat belangrijke tekst leesbaar is en vraag om het zichtbare detail dat een bevinding ondersteunt in het antwoord te identificeren.
De producent vermeldt een context in de orde van één miljoen tokens. Dit is een profiel voor broncapaciteit, geen afzonderlijke belofte van evenveel antwoordtokens. De prompt, het bronmateriaal, de toolgeschiedenis en de gegenereerde redenering delen het toepasselijke aanvraagbudget. Orden een grote repository of documentverzameling rond de daadwerkelijke vraag en reserveer ruimte voor het resultaat.
Een nuttig resultaat is een gerichte patch, een met bewijs onderbouwde uitleg of een voltooide vergelijking volgens opgegeven criteria. Bezorg voor een feit dat van actuele informatie afhangt een gezaghebbende passage of een geschikte opzoektool. De gerichtheid van het model op korter redeneren maakt ontbrekend bewijs niet beschikbaar, voert geen functie uit en valideert code niet zelfstandig. Toets het resulterende document of de code aan de vereisten en de waarnemingen die de omringende workflow heeft teruggegeven.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten fireworks/ember-1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.006 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.006 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "fireworks/ember-1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra fireworks/ember-1
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.