ဆန်းသစ်သော startup Fireworks AI အတွင်းရှိ စံပြအဖွဲ့ဖြစ်သည့် Fireworks Research သည် ကုမ္ပဏီမှ ပြောကြားသော အထူးပြုမော်ဒယ် Ember-1 ကို မိတ်ဆက်ခဲ့ပြီး Moonshot AI ၏ Kimi K3 ကဲ့သို့ တူညီသောအဖြေများကို ထုတ်လွှတ်ကာ အကြမ်းဖျင်းအားဖြင့် 40% တိုကင်များကို ထုတ်လွှတ်သည်။ မော်ဒယ်သည် စက်တင်ဘာလ 23 ရက်နေ့တွင် Fireworks ၏ပလပ်ဖောင်းပေါ်တွင် တိုက်ရိုက်ထုတ်လွှင့်ခဲ့ပြီး လွန်ခဲ့သည့်ရက်အနည်းငယ်အတွင်း ၎င်းသည် ဆော့ဖ်ဝဲရေးသားသူအသိုင်းအဝိုင်းတွင် ဆွေးနွေးမှုအများဆုံးထုတ်ဝေမှုများထဲမှတစ်ခုဖြစ်လာပြီး Hacker News တွင် ရာနှင့်ချီသော ထောက်ခံမဲများရယူထားသည့် coders များသည် ကျိုးကြောင်းဆင်ခြင်ခြင်းတိုကင်များသည် နောက်ထပ်ကုန်ကျစရိတ်နယ်နိမိတ်ဖြစ်မဖြစ် အခြေအတင်ဖြစ်ခဲ့သည်။
မော်ဒယ်စွမ်းရည်မဟုတ်ဘဲ အနုအရင့် ဘေလ်တောင်းခံမှုများသည် မည်သည့်အသင်းများ တင်ပို့နိုင်သည်ကို ပိုမိုဆုံးဖြတ်သည့်အခါတွင် ကွင်းအတွင်းသို့ ရောက်ရှိလာပါသည်။ အေးဂျင့်အလုပ်များကြည့်ရှုသည့်အဖွဲ့များအတွက် ဘတ်ဂျက်သုံးစွဲမှုအား၊ နောက်ဆုံးပေါ် AI ဖွံ့ဖြိုးတိုးတက်မှုများ တွင် ရှင်းလင်းပြတ်သားစွာဖော်ပြခဲ့သည်- စက်မှုလုပ်ငန်း၏စျေးအကြီးဆုံးအလေ့အထမှာ ယခုခေတ်ရှေ့တန်းမော်ဒယ်များကို လေ့ကျင့်ပေးခြင်းမဟုတ်ဘဲ ၎င်းတို့ကို လုပ်ဆောင်နေခြင်းဖြစ်သည်။ Ember-1 သည် အဆိုပါပြဿနာကို တိုက်ရိုက်တိုက်ခိုက်ရန် Fireworks ၏ကြိုးပမ်းမှုဖြစ်ပြီး ကုမ္ပဏီသည် ပုံမှန်မဟုတ်သောအသေးစိတ်အချက်များနှင့် ထုတ်လုပ်မှုနံပါတ်များဖြင့် ၎င်းအား ကျောထောက်နောက်ခံပေးထားသည်။
Thinking Models တွေက အရမ်းတွေးတယ်။
Ember-1 ၏နောက်ကွယ်တွင် အဓိကလေ့လာတွေ့ရှိချက်မှာ Kimi K3 ကဲ့သို့သော ကျိုးကြောင်းဆင်ခြင်မှုပုံစံများသည် ၎င်းတို့၏ထုတ်လုပ်ထားသောတိုကင်အများစုကို - တစ်ခါတစ်ရံတွင် Fireworks ၏အဆိုအရ 90% ကျော်သည် - အဖြေကိုယ်နှိုက်ထက် အတွင်းပိုင်းကျိုးကြောင်းဆင်ခြင်ခြင်းအတွက် သုံးစွဲခြင်းဖြစ်သည်။ တောင်းဆိုချက်တစ်ခုတည်းအတွက်၊ ဒါကစျေးကြီးတယ်။ အေးဂျင့်အလုပ်များထဲတွင်၊ ၎င်းသည် ပေါင်းစပ်ထားသည်- အေးဂျင့်စကားပြောဆိုမှု၏ အလှည့်တိုင်းသည် မော်ဒယ်သို့ ကြိုတင်အကြောင်းပြချက်အားလုံးကို ပြန်လည်ပြသသည်၊ ထို့ကြောင့် အလှည့်အပြောင်းအရေအတွက်နှင့်အတူ အကြောင်းအရာသည် အကြမ်းဖျင်းအားဖြင့် လေးပုံတစ်ပုံ ကြီးထွားလာပြီး အစောပိုင်းအလှည့်များမှ ရှည်လျားသော ကျိုးကြောင်းဆင်ခြင်မှုခြေရာများသည် နောက်ဆက်တွဲခေါ်ဆိုမှုတိုင်းတွင် ပြန်လည်ဖတ်ရှုပြီး ပြန်လည်ကောက်ခံပါသည်။
ဖောက်သည်များသည် Kimi K3 ၏ ကုဒ်ရေးနိုင်စွမ်းကို ကုန်ကျစရိတ်သက်သာစွာဖြင့် လိုချင်ကြကြောင်း Fireworks မှ ပြောကြားခဲ့သည်၊ သို့သော် မော်ဒယ်၏ ကျိုးကြောင်းဆင်ခြင်အားထုတ်မှုကို ရပ်တန့်လိုက်ရုံဖြင့် အလုပ်မဖြစ်ခဲ့ပါ — ကြိုးစားအားထုတ်မှုနည်းသော ဆက်တင်များသည် အရည်အသွေးများစွာကို စွန့်လွှတ်လိုက်ပါသည်။ အခြားရွေးချယ်စရာမှာ အရေးကြီးသော ကျိုးကြောင်းဆင်ခြင်မှုကို ထိန်းသိမ်းထားစဉ်တွင် အကြောင်းပြချက်များကို ပိုမိုထိရောက်စွာ လေ့ကျင့်ပေးသည့် မော်ဒယ်ကို လေ့ကျင့်ရန်ဖြစ်သည်။
အမှိုက်စွန့်ပစ်ခြင်းသင်တန်း
Building Ember-1 သည် လေ့ကျင့်ရေး စမ်းသပ်မှုပေါင်း 50 ကျော်နှင့် အကဲဖြတ်မှု 200 ကျော်ကို ပြုလုပ်ခဲ့ပြီး Fireworks ၏ ကိုယ်ပိုင် Serverless Training platform ပေါ်တွင် လုံးလုံးလျားလျား လုပ်ဆောင်ခဲ့ကြောင်း ကုမ္ပဏီ၏ ဘလော့ဂ်ပို့စ်အရ သိရသည်။ တိကျမှုမဆုံးရှုံးစေဘဲ ကျိုးကြောင်းဆင်ခြင်မှုကို အတိုချုံ့နိုင်စေရန် လေ့ကျင့်ရေးဆိုင်ရာ အယ်လဂိုရီသမ်အသစ်များကို တီထွင်ခဲ့ကြောင်း အဆိုပါအဖွဲ့မှ ပြောကြားခဲ့သည်။
သိသာထင်ရှားသည်မှာ ကုမ္ပဏီသည် ကျိုးကြောင်းဆီလျော်မှုကို ဖယ်ရှားရန် မကြိုးစားခဲ့ပေ။ Kimi K3 ၏ ပေါ်လွင်ထင်ရှားသော စကားလုံးအချို့သည် အကျိုးဖြစ်ထွန်းသော မိမိကိုယ်ကို ရောင်ပြန်ဟပ်ခြင်းဖြစ်သည် — ယူဆချက်တစ်ခုအား ပြန်လည်ကြည့်ရှုခြင်း၊ တုံ့ပြန်ချက်များကို တုံ့ပြန်ခြင်း သို့မဟုတ် အစောပိုင်းဆုံးဖြတ်ချက်တစ်ခုမှ ရလဒ်ကို ခြေရာခံခြင်းသည် မော်ဒယ်အမှားများမှ ပြန်လည်ကောင်းမွန်လာစေရန် ကူညီပေးပါသည်။ လေ့ကျင့်ရေးစနစ်သည် ရလဒ်မထွက်သော အကွက်များကို ဖြတ်တောက်ရာတွင် ထိုစွမ်းရည်ကို ထိန်းသိမ်းထားရန် ဒီဇိုင်းထုတ်ထားသည်။
လေ့ကျင့်ရေးဒေတာသည် သင်္ချာ၊ ကုဒ်၊ ညွှန်ကြားချက်နောက်ဆက်တွဲ၊ စကားဝိုင်း၊ ရှာဖွေမှု၊ ကိရိယာအသုံးပြုမှုနှင့် ဆော့ဖ်ဝဲလ်အင်ဂျင်နီယာတို့ကို လွှမ်းခြုံထားပြီး တစ်ဦးတည်းသောပြဿနာများနှင့် တိုးချဲ့ဘက်စုံ အပြန်အလှန်တုံ့ပြန်မှုများကို လွှမ်းခြုံထားသည်။ မီးရှူးမီးပန်းများက ၎င်းသည် ၎င်း၏ကိုယ်ပိုင်ဒေတာကိုသာ အသုံးပြုခဲ့ပြီး သုံးစွဲသူဒေတာမရှိကြောင်း ပြောကြားခဲ့သည်။
စံသတ်မှတ်ချက်များ- Pareto Frontier ပေါ် သို့မဟုတ် အနီး
ကုန်ကျစရိတ်ကိစ္စအတွက်၊ Fireworks သည် Kimi K3 ၏ အများသူငှာ API စျေးနှုန်း — $3 per-cached input tokens တစ်သန်းလျှင် $3, cache input tokens တစ်သန်းလျှင် $0.30 နှင့် output tokens $15 million per-benchmark — နှင့် Ember-1 သည် K3 နှင့် Ember-1 ကို အနိမ့်၊ မြင့်၊ အမြင့်ဆုံး ကျိုးကြောင်းဆီလျော်သောအားထုတ်မှုဖြင့် နှိုင်းယှဉ်ပါသည်။ စမ်းသပ်နမူနာ 50 ကျော်ပါရှိသော စံနှုန်းတိုင်းတွင် Ember-1 သည် Pareto နယ်နိမိတ်တွင် သို့မဟုတ် အနီးတွင်ထိုင်နေပြီး ကုန်ကျစရိတ်၏တစ်စိတ်တစ်ပိုင်းအတွက် အမြင့်ဆုံးအားထုတ်မှုတွင် K3 နှင့် ကိုက်ညီပြီး K3 အား အားထုတ်မှုနည်း၍ တင်းကြပ်စွာစိုးမိုးထားကြောင်း ကုမ္ပဏီမှအစီရင်ခံသည်။
Fireworks မှ အစီရင်ခံထားသည့်အတိုင်း K3 နှင့် နှိုင်းယှဉ်ထားသော ခေါင်းစီးသည် အမြင့်ဆုံးအားထုတ်မှုဖြစ်သည်-
| စံသတ်မှတ်ချက် | နမူနာများ | K3 (အများဆုံးအားထုတ်မှု) | Ember-1 |
|---|---|---|---|
| Terminal Bench 2.1 | 89 | 80.9% | 82.0% |
| SWE-ခုံတန်းရှည် စိစစ်ပြီး | 500 | 93.2% | 92.2% |
| SWE-Interact | 75 | 21.3% | 20.0% |
| DeepSWE 1.1 | 113 | 66.4% | 75.2% |
| τ²-Bench လေကြောင်းလိုင်း | 50 | 64% | 66% |
လုပ်ငန်းတစ်ခုစီအတွက် ကုန်ကျစရိတ်အရ Fireworks မှ Ember-1 သည် Terminal Bench 2.1 တွင် 51.9% ၊ SWE-Interact တွင် 32.5%၊ DeepSWE 1.1 တွင် 23.7% နှင့် SWE-bench Verified တွင် 15.5% တို့သည် K3 နှင့် နှိုင်းယှဉ်ပါက အများဆုံးအားစိုက်ထုတ်မှုဖြင့် ဖြတ်တောက်ထားသည် — ကုမ္ပဏီတစ်ခုလျှင် DeepSWE ၏ အလုပ်တစ်ယူနစ်လျှင် $16 ကွာခြားချက်ဖြင့် တွက်ချက်ပါက၊ နှုန်းထားများ။
ကုမ္ပဏီသည် မီးရှူးမီးပန်းများသည် အသစ်ထွက်ရှိထားသော အထူးပြုထောက်လှမ်းရေးညွှန်းကိန်းမှတဆင့် လုပ်ဆောင်သည့် အထူးပြု 10 တွင် ဆေးခန်းဆိုင်ရာရောဂါဖြစ်ပွားမှု 500 ၏ သမားတော်မှအတည်ပြုထားသော စံနှုန်းဖြစ်သည့် Doximity's Bedside Bench တွင် Ember-1 ကို အကဲဖြတ်ခဲ့သည်။ GPT-5.6 Sol၊ GPT-6 Astra နှင့် Claude Opus 5 အပါအဝင် အဖွင့်နှင့်အပိတ် မော်ဒယ်နှစ်ခုလုံးတွင် အလုပ်တစ်ခုအတွက် Pareto Frontier အသစ်ကို Ember-1 မှ ကုန်ကျစရိတ်အဖြစ် Fireworks မှ သတ်မှတ်ပေးခဲ့သည်ဟု ဆိုသည်။ ၎င်းတောင်းဆိုမှုသည် Fireworks ၏ ကိုယ်ပိုင်အညွှန်းမှ ထွက်ပေါ်လာပြီး သီးခြားအတည်ပြုနိုင်ခြင်းမရှိသေးပါ။
တိုက်ရိုက်သွားလာမှု- တိုကင်အနည်းငယ်၊ တူညီသောရမှတ်များ
စံသတ်မှတ်ချက်များသည် တစ်ခုတည်းသောအရာဖြစ်သည်။ ထုတ်လုပ်မှုသည်အခြား။ မီးရှူးမီးပန်းများသည် ၎င်းတို့၏ ထုတ်လုပ်မှုကုဒ်လုပ်ခြင်းဆိုင်ရာ အလုပ်တာဝန်များတွင် သုံးစွဲသူနှစ်ဦးနှင့် တိုက်ရိုက် A/B စမ်းသပ်မှုများကို လုပ်ဆောင်ခဲ့ပြီး Ember-1 သည် အလုပ်တစ်ခုလျှင် နှိုင်းယှဉ်နိုင်သော အရည်အသွေးဖြင့် 35% တိုကင်များ ခန့်မှန်းခြေနည်းပါးကြောင်း အစီရင်ခံပါသည်။ တိုင်းတာသည့် နှိုင်းယှဉ်မှုတစ်ခုတွင်၊ Kimi K3 သည် အလုပ်တစ်ခုလျှင် အထွက်တိုကင် 49,300 ကိုထုတ်ပေးနေစဉ် 0.751 ရမှတ်ရရှိကာ Ember-1 အတွက် 29,900 တိုကင်များအတွက် 0.753 နှင့် နှိုင်းယှဉ်ပါက 0.753 တိုကင်များ — ကျိုးကြောင်းဆီလျော်သောတိုကင်များ 71.3% နှင့် စုစုပေါင်းတိုကင်များ 39% ပိုနည်းသည်။ စမ်းသပ်မှုများအပြီးတွင် သုံးစွဲသူတစ်ဦးသည် Ember-1 ကို အခြေခံမော်ဒယ်ကို လုံးလုံးအစားထိုးရန်အတွက် ၎င်းကို အတိုင်းအတာအထိ အတိုင်းအတာအထိ ချဲ့ထွင်ရန် အစီအစဉ်ဖြင့် တိုက်ရိုက်ထုတ်လုပ်ရေးသို့ ပြောင်းရွှေ့ခဲ့သည်။
Fireworks ကိုယ်တိုင်အတွင်းတွင်၊ မော်ဒယ်ကို မစတင်မီ ကုမ္ပဏီ၏ ကိုယ်ပိုင် coding workflows သို့ တိတ်တဆိတ် ကူးပြောင်းခဲ့သည်။ ရလဒ်က ဂုဏ်ယူစရာအကောင်းဆုံးလို့ အသင်းကပြောတယ် - ဘယ်သူမှ သတိမထားမိဘူး။ ဆော့ဖ်ဝဲရေးသားသူများသည် တိုကင်များကို သိသိသာသာနည်းပါးစွာစားသုံးနေစဉ်တွင် ခလုတ်ကို ထောက်လှမ်းခြင်းမရှိဘဲ ၎င်းတို့၏လုပ်ငန်းကို လုပ်ဆောင်ခဲ့သည်။
အထူးပြု ထောက်လှမ်းရေး ဗျူဟာ
Ember-1 သည် Fireworks Research မှ စီစဉ်ထားသော စီးရီးတစ်ခုတွင် ပထမဆုံး မော်ဒယ်ဖြစ်ပြီး ၎င်းသည် ကျွမ်းကျင်သူဖန်တီးထားသော လက်တွေ့ကမ္ဘာအလုပ်များအတွက် အဖွင့်၊ အပိတ်နှင့် အထူးပြုမော်ဒယ်များကို နှိုင်းယှဉ်ရန် ယခုလအစောပိုင်းတွင် မိတ်ဆက်ခဲ့သည့် ကုမ္ပဏီ၏ အထူးပြုထောက်လှမ်းရေးအညွှန်းကိန်းနှင့်အတူ ရောက်ရှိလာပါသည်။
ဗျူဟာကစားနည်းသည် ဖတ်ရလွယ်ကူသည်။ Frontier model ကို အစကနေ လေ့ကျင့်ပေးမယ့်အစား Fireworks ဟာ ပြင်းထန်တဲ့ open-weight မော်ဒယ်ကိုယူပြီး၊ လေ့ကျင့်ပေးထားတဲ့ တိုကင်ထိရောက်မှုကို ယူပြီး၊ ယခု တူညီတဲ့စွမ်းရည်ကို လုပ်ငန်းတစ်ခုအတွက် ကုန်ကျစရိတ်သက်သာစွာနဲ့ ရောင်းချနေပါတယ်။ Moonshot ကဲ့သို့သော ဓာတ်ခွဲခန်းများမှ အလေးမထုတ်လွှတ်မှုများသည် စွမ်းရည်ကွာဟချက်ကို ဆက်လက်ပိတ်နေသဖြင့်၊ ခိုင်ခံ့သောလေ့ကျင့်မှုနှင့် ဝန်ဆောင်မှုပေးသည့် အခြေခံအဆောက်အအုံဆိုင်ရာကုမ္ပဏီများကို ဦးစားပေးသည့် အပြောင်းအလဲတစ်ခုထက် တာရှည်ခံသောခြားနားမှုသည် ပြီးမြောက်သည့်လုပ်ငန်းတစ်ခုအတွက် ကုန်ကျစရိတ်တွင် အကျုံးဝင်ကြောင်း ကောက်ချက်ပေးသူများသည် ရှာဖွေတွေ့ရှိကြသည်။
သတိပေးချက်များသည် ရှင်းရှင်းလင်းလင်းဖော်ပြရကျိုးနပ်သည်- အထက်ဖော်ပြပါနံပါတ်များသည် Fireworks ၏ကိုယ်ပိုင်ဘလော့ဂ်၊ ၎င်း၏ကိုယ်ပိုင်အကဲဖြတ်ချက်များနှင့် ၎င်း၏ကိုယ်ပိုင်ပေးဆောင်သောဖောက်သည်များမှ လာပါသည်။ ပြင်ပအလုပ်များပေါ်ရှိ တိုကင်ချွေတာမှု၏ သီးခြားပုံတူကူးခြင်းသည် တကယ့်စမ်းသပ်မှုဖြစ်သည်။ သို့သော် ရလဒ်များ တည်ငြိမ်နေပါက၊ Frontier-class open model ကို လည်ပတ်ရန် ကုန်ကျစရိတ် အထိရောက်ဆုံးနည်းလမ်းမှာ ၎င်းကို လျှော့ပေါ့စဉ်းစားရန် မဖြစ်နိုင်တော့ပေ — ၎င်းသည် ထိရောက်စွာတွေးခေါ်တတ်အောင် သင်ယူထားသော မော်ဒယ်ကို လုပ်ဆောင်ရန် ဖြစ်နိုင်သည်။
---
နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။
AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →
