“출력 토큰 35% 줄였다” 파이어웍스AI, 엠버-1 공개

AI 추가 학습 서비스를 운영하는 파이어웍스AI(Fireworks AI)가 키미 K3(Kimi K3) 기반 AI 모델 엠버-1(Ember-1)을 발표했다. 엠버-1은 키미 K3보다 출력 토큰 수를 35% 줄이면서도 성능은 그대로 유지했다.

엠버-1은 개발자에게 필요한 전문 모델을 만드는 파이어웍스AI 프로젝트의 첫 번째 결과물이다. 최첨단 모델이 너무 길게 사고해 토큰 사용량이 늘고 전체 비용이 높아지는 문제를 푸는 게 목표다.

◇ 출력 토큰 90%가 사고에 쓰여=키미 K3는 2026년 7월 나온 중국산 오픈 모델로 일부 테스트에서 GPT-5.6 솔(GPT-5.6 Sol)과 클로드 페이블 5(Claude Fable 5)를 웃도는 성능을 갖췄다. 하지만 최종 답을 내기 전 추론 단계에서 토큰을 대량으로 쓰는 경향이 있어 출력 완료까지 걸리는 시간과 전체 비용이 높다는 지적을 받았다.

파이어웍스AI에 따르면 키미 K3 같은 고성능 모델은 출력 토큰의 90% 정도를 사고에 쓴다. AI 에이전트로 활용할 때는 작업 턴마다 전체 맥락을 다시 읽어 들이기 때문에 비용이 눈덩이처럼 불어난다.

파이어웍스AI는 사고 내용 가운데 문제 해결을 위한 피드백처럼 쓸모 있는 부분은 살리고 불필요한 부분은 덜어내도록 키미 K3를 추가 학습시켜 엠버-1을 만들었다.

◇ 같은 성능에 비용·시간 모두 줄여=의료 작업 벤치마크 베드사이드 벤치(Bedside Bench)로 여러 AI 모델을 측정한 결과 엠버-1은 키미 K3와 비슷한 점수를 더 낮은 비용으로 달성했다. 키미 K3는 GPT-5.6 솔보다 성능이 낮으면서 비용은 더 높은 위치에 있었지만 엠버-1은 GPT-5.6 솔보다 성능은 낮아도 비용은 더 적게 드는 위치로 옮겨 갔다. 작업당 처리 시간도 키미 K3보다 짧았다.

파이어웍스AI가 직원들을 대상으로 키미 K3를 엠버-1로 바꿔 쓰는 테스트를 한 결과 문제가 단 1건도 보고되지 않았다. 고객사 2곳을 대상으로 한 A/B 테스트에서도 엠버-1은 키미 K3와 같은 성능을 내면서 작업당 출력 토큰을 35% 줄인 것으로 확인됐다.

엠버-1 API 요금은 100만 토큰당 입력 3달러, 캐시된 입력 0.3달러, 출력 15달러다. 관련 내용은 이곳에서 확인할 수 있다.