模型戒了内心戏，账单瘦了四成
Fireworks AI 发布了 Ember-1，口号写得像减肥广告：一半的token，同样的答案。官方数字：生成token省40%，公开基准、客户A/B测试、自家编码与智能体负载全面持平。底座是 Kimi K3，背后是50多个训练实验、200多轮评估。但真正值钱的不是这40%，是它顺手承认的一件事：思考模型的推理token，占比经常超过90%。
一、九成的内心戏，是演给谁看的
先把那个数字咀嚼一下：一个”思考模型”的输出里，推理token占比常常超过90%。也就是说，你付钱请它回答问题，它九成的时间在自言自语——”让我想想”“首先”“等等，刚才不对”“再检查一遍”。你看到的答案，只是这场独角戏最后落下的那一记锤子。
这套戏是怎么养成的？链条其实很清楚。思维链被证明能提分之后，整个行业把”展示工作过程”变成了标配训练目标；评测榜单奖励想得多的模型；于是模型学到了一条铁律：想得越长，分越高。唠叨不是bug，是被分数喂出来的习性。
Ember-1的贡献，是用实验数据捅破了这层窗户纸：砍掉40%的生成token，公开基准不掉，客户A/B测试不掉，编码和智能体负载也不掉。翻译一下——至少四成的内心戏，删了没人看得出来。这四成既不影响对错，也不影响好坏，它的全部功能是过场。就像注水的剧集：正片四十分钟，剧情推进十分钟，剩下三十分钟是回眸、慢镜头和回忆杀。
二、动手戒唠叨的不是科学家，是账房
有意思的是这件事的发起方。Fireworks不是研究”思维本质”的地方，它是卖推理的。推理是按token计费的生意，而智能体的出现让唠叨从个人习惯变成了财务问题：聊天场景里模型啰嗦两句，用户多等一秒，忍了；智能体场景里，一个循环跑上百次调用，每次多吐四成token，成本曲线直接翻上去。唠叨在聊天里是性格，在智能体里是负债。
所以再看那50多个训练实验、200多轮评估——这不是哲学思辨的排场，是工业级的行为矫正。团队的目标函数里没有”什么是思考”，只有”哪些token删了不掉分”。而结果显示，这个可删除空间大得惊人。
我猜接下来一年，”教模型少想”会成为一个正经赛道，就像当年”教模型多想”一样。这里有一组不太舒服的对照：当初给模型加上思维链，理由是”想得多=想得好”；如今给模型做减法，依据是”删得多=掉分少”。两个方向的指挥棒都不是认识论，是评测榜和账本。模型的内心生活究竟是什么样，从来没人在乎——大家在乎的只是分数和发票。顺带一句，token便宜了用量会不会反扑，杰文斯老先生的那个问题，这回先按下不表。
三、被静默删掉的40%，原本还兼职我们的”安全旁白”
还有一层，聊的人不多：思维链不只是性能部件，它长期兼任着透明度的卖点和安全观测的窗口。监管者看它，安全团队盯它，”可解释AI”的宣传也指着它——我们安慰自己：至少模型把推理过程写出来了，出了事能查。
现在这个窗口被证明掺了四成的水。这不只是浪费钱的问题，它动摇的是一个假设：模型写出来的”思考”，等价于它实际的”思考”。如果四成旁白可以无损删除，那保留下来的六成，是更接近本质了，还是只是被修剪得更得体了？我们盯着思维链做安全审计的样子，会不会像检查学生笔记的家长——笔记越工整心里越踏实，离孩子的真实想法却越来越远。
不过我也不想把这事只讲成阴暗面。往好处说，”该沉默时沉默”本来就是智力的组成部分。资深医生看片子，不会把鉴别诊断逐条念出来；老编辑改稿，不会为每处语病开个短会。真正的专家省掉的是过场，留下的是判断。如果Ember-1这类工作最终让模型学会把token花在刀刃上，那不是思考的退化，是思考的成年。只是要记住，促成这场成年礼的不是哪个实验室对智能本质的顿悟，而是推理账单上那个刺眼的数字。
结语
Ember-1最诚实的部分，是它那句”一半的token，同样的答案”。它没宣称模型更聪明了，只说钱花得更少了。这很符合这个行业一贯的真相顺序：先有账单，后有洞察；先教模型开口，再教它闭嘴，两头的钱都挣到了。至于被删掉的那四成内心戏里，本来有没有可能长出点什么别的想法——没人会为一个不存在的token立项。
📷 Photo by Paolo Chiabrando on Unsplash
📷 Photo by Tyler on Unsplash