출처: https://x.com/GeekNewsHada/status/2104396303275033035 (GeekNews) · 본문: https://news.hada.io/topic?id=34379
개요
Ember-1은 kimi-k3를 추가 학습해 같은 성능에 토큰을 덜 쓰도록 만든 모델이다. GeekNews 소개에 따르면 토큰 사용량을 40% 줄였다.
핵심
- 줄인 것: 불필요한 추론과 같은 내용의 반복.
- 남긴 것: 오류를 바로잡는 재검토. 추론을 무작정 짧게 자르면 품질이 떨어지므로, 쓸모 있는 자기 점검은 보존하는 쪽으로 학습했다.
- 현장 검증: 실제 고객 두 곳의 코딩 A/B 테스트에서 품질은 비슷하게 유지하면서 작업당 토큰을 약 35% 줄였다.
왜 중요한가
에이전트 코딩 비용은 토큰 단가보다 작업당 토큰 수에 더 크게 좌우된다. 큰 오픈 가중치 모델을 그대로 두고 추론 습관만 다듬어 비용을 낮추는 접근이다. 비용 절감을 하니스 쪽에서 푸는 방법은 2026-10-04-x-hwchase17-coding-agent-cost-reduction 참고. 수치는 GeekNews 요약 기준이며 원 발표는 따로 확인하지 않았다.