파이어웍스 엠버-1 — 키미 추론 줄인 모델, 연구 미리보기 조건과 실비

엠버-1은 값이 싼 모델이 아닙니다. 백만 토큰당 단가는 키미 K3와 똑같고, 대신 같은 답을 내면서 생각을 덜 해서 토큰을 약 40% 덜 씁니다. 그리고 지금은 2주짜리 연구 미리보기입니다.

추론 모델 서빙 회사 파이어웍스가 자체 모델 엠버-1을 내놨습니다. 국내에서도 「성능은 유지하고 토큰은 40% 줄였다」는 소개와 「토큰을 줄여도 에이전트 비용이 해결되진 않는다」는 비판적인 글이 함께 올라왔습니다. 8월에 키미 K3 무료 API 받는 법을 정리한 적이 있어, 이번에는 엠버-1이 어떻게 토큰을 줄였는지와 실제 청구서에 어떻게 반영되는지를 파이어웍스 공식 블로그와 모델 페이지로 확인했습니다.

짧게 정리하면

• 엠버-1은 키미 K3를 바탕으로 불필요한 추론을 줄이도록 다시 학습한 모델로, 파이어웍스는 품질은 비슷하게 유지하면서 토큰을 약 40% 덜 쓴다고 밝혔습니다.
• 가격은 백만 토큰당 입력 3달러, 캐시 입력 0.30달러, 출력 15달러로 키미 K3 공개 가격과 같고, 문맥 길이는 104만 토큰입니다.
• 서버리스에서 2주 동안 제공하는 연구 미리보기로 풀렸고, 계속 제공할지는 커뮤니티 수요에 따라 정한다고 했습니다.

파이어웍스 공식 블로그의 엠버-1 발표 글과 모델 페이지를 대조했습니다. 절감 비율은 모두 파이어웍스가 잰 값이고, 달러 계산은 제가 한 것이며 직접 호출해 보지는 않았습니다.

왜 생각을 줄였나

발표 글의 출발점은 사용자 요청이었습니다. 키미 K3의 코딩 실력은 좋은데, 추론이 길어서 자동화된 코딩을 대규모로 돌리면 비싸다는 것입니다. 추론 노력 수준을 낮추는 것으로는 해결되지 않았다고 합니다. 낮은 설정은 품질을 너무 많이 잃었기 때문입니다. 그래서 설정을 바꾸는 대신, 모델이 효율적으로 생각하도록 다시 학습시키는 쪽을 택했습니다. 파이어웍스는 50번 넘는 학습 실험과 200번 넘는 평가를 거쳤고, 고객 데이터는 학습에 쓰지 않았다고 밝혔습니다.

흥미로운 대목은 추론 토큰이 왜 에이전트에서 특히 비싼지에 대한 설명입니다. 키미 K3 같은 추론 모델은 만든 토큰의 대부분, 때로는 90% 넘게를 답이 아닌 내부 추론에 쓴다고 합니다. 여러 차례 도구를 부르는 에이전트 작업에서는 매 차례 이전 추론이 다시 모델에 들어가니, 앞 차례의 긴 추론이 이후 호출마다 다시 읽히고 다시 청구됩니다. 다만 모든 추론이 낭비는 아니어서, 가정을 다시 점검하거나 실수를 되짚는 자기 성찰은 남기고 쓸데없는 반복만 줄이는 게 목표였다고 설명합니다.

얼마나 줄었다고 하나

파이어웍스 발표 글 기준, 엠버-1의 토큰 절감 주장(모두 파이어웍스 측정)

어디서 쟀나	결과
요약 수치	키미 K3 품질을 약 40% 적은 토큰으로
공개 벤치마크 7종과 고객 2곳 운영 트래픽	정확도 손실 없이 추론을 35~50% 단축
고객 2곳 코딩 작업 실시간 비교	작업당 토큰 약 35% 감소, 비슷한 품질
파이어웍스 내부 코딩 트래픽	개발자들이 모델 교체를 알아채지 못함
에이전트 코딩처럼 추론 비중이 큰 작업	대략 절반의 토큰 비용으로 같은 품질

숫자가 40%, 35~50%, 35%, 「대략 절반」으로 조금씩 다른 건 잰 곳이 달라서입니다. 요약 수치와 실제 운영 트래픽 수치를 구분해 두는 게 좋습니다. 벤치마크 쪽에서는 의사가 검증한 임상 사례 500개짜리 평가에서 작업당 비용 대비 성능이 GPT-6 아스트라, 클로드 오퍼스 5 등을 포함한 모델들 가운데 가장 효율적인 경계선에 놓였다고 밝혔습니다. 이 평가 지수는 파이어웍스가 같은 주에 직접 내놓은 것이라, 외부 검증을 기다려 볼 필요가 있습니다.

청구서에서는 어떻게 보일까

파이어웍스 모델 페이지·발표 글 기준, 백만 토큰당 달러(2026년 9월 30일 확인·변동 가능)

항목	엠버-1	키미 K3 공개 가격
입력	3.00	3.00
캐시 입력	0.30	0.30
출력	15.00	15.00
문맥 길이	104만 토큰	-

단가가 같으니 절감은 오로지 「덜 쓰는 토큰」에서 나옵니다. 제가 단순하게 계산해 보면, 키미 K3로 출력 토큰 10만 개가 나오던 작업은 15달러의 10분의 1인 1.5달러이고, 엠버-1이 40% 덜 쓴다면 6만 개로 약 0.9달러가 됩니다. 에이전트 작업이라면 이전 차례 추론이 다음 입력으로 다시 들어가니 입력 쪽에서도 절감이 겹쳐 생길 수 있습니다. 다만 실제 비율은 작업마다 다르니, 내 작업 몇 개를 두 모델로 돌려 사용량 화면의 토큰 수를 직접 비교하는 게 가장 정확합니다. 호출은 파이어웍스 서버리스 API로 하며, 파이어웍스 전용 파이썬 클라이언트나 오픈AI 파이썬 클라이언트로도 부를 수 있다고 모델 페이지에 적혀 있습니다.

엠버-1은 2주짜리 연구 미리보기로 풀렸습니다. 발표 글에 따르면 파이어웍스는 새 연구 모델을 서버리스에서 2주 동안 먼저 제공하고, 커뮤니티 수요를 보고 정식으로 남길지 정합니다. 운영 중인 서비스를 엠버-1로 통째로 옮겼다가 미리보기가 끝나면 호출이 막힐 수 있다는 뜻입니다. 지금은 비교 실험과 비용 측정에 쓰고, 운영 전환은 정식 제공이 확정된 뒤에 하는 편이 안전합니다. 원래 키미 K3를 함께 돌릴 수 있는 설정도 남겨 두세요.

추론을 줄이는 접근은 우리가 쓰는 코딩 에이전트의 토큰 관리와도 맞닿아 있습니다. 클로드 코드에서 토큰을 아끼는 방법은 토큰 아끼는 실전 10가지에, 에이전트에 요금 상한을 걸 때 빠지기 쉬운 함정은 에이전트 요금 상한의 함정에 정리해 뒀습니다.

자주 묻는 질문

무료로 써 볼 수 있나요

모델 페이지는 서버리스 API에서 토큰당 요금을 낸다고만 적었고, 무료 제공 조건은 이번에 확인한 글에 없었습니다. 파이어웍스 계정의 무료 크레딧 여부는 가입 화면에서 직접 확인하세요. 키미 계열을 무료로 코딩 에이전트에 붙이는 다른 방법은 무료 모델로 코딩 에이전트 쓰기에 있습니다.

키미 K3의 추론 노력을 낮추는 것과 뭐가 다른가요

파이어웍스는 키미 K3를 낮은 노력 수준으로 돌리면 품질이 너무 떨어졌고, 엠버-1은 최대 노력 수준의 품질을 훨씬 적은 비용으로 맞춘다고 설명합니다. 설정으로 생각을 줄이는 게 아니라 학습으로 효율적으로 생각하게 만들었다는 차이입니다.

내 데이터로 더 맞출 수 있나요

발표 글에 기업이 자기 데이터로 엠버-1을 추가 학습해 토큰 효율 모델을 만들 수 있게 학습 지원도 시작한다고 적혀 있습니다. 조건과 가격은 이 글에 나오지 않습니다.

이번 발표에서 가장 설득력 있는 문장은 「우리 개발자들이 모델이 바뀐 걸 몰랐다」는 대목이었습니다. 같은 답을 덜 생각해서 낸다면 사용자는 차이를 못 느끼고 청구서만 줄어듭니다. 저라면 2주 미리보기 동안 평소 돌리던 에이전트 작업 몇 개를 키미 K3와 엠버-1로 나란히 돌려, 작업 성공률과 토큰 수를 표로 남겨 두겠습니다. 정식 제공 여부가 정해졌을 때 바로 판단할 근거가 됩니다.

확인한 곳: 파이어웍스 블로그 「엠버-1」 발표 글(학습 배경, 추론 토큰 설명, 벤치마크·고객 비교·내부 사용 결과, 연구 미리보기 조건, 키미 K3 공개 가격), 파이어웍스 모델 페이지(가격, 문맥 길이, 호출 방식). 2026년 9월 30일 기준입니다.