Beam 1.0 على أربع وحدات B300: حسابات تقديم الخدمة، وادعاء الإنتاجية الذي لم ينشره أحد

الرقم الذي يستحق التوقف عنده في إصدار Reflection لـ Beam 1.0 ليس 501 مليار. إنه أربعة. نموذج يضم 501.3 مليار معامل إجمالي و23.4 مليار معامل نشط لكل توكن أصبح الآن يتسع على خادم واحد بأربع وحدات NVIDIA B300 على NVLink، والفارق بين هذين الرقمين — نحو 4.7 بالمئة من النموذج تكون مستيقظة عند أي توكن معين — هو السبب الكامل وراء أن نقطة تفتيش بهذا الحجم قابلة للتنزيل من قبل أي شخص لا يملك عنقودًا. نشرت Reflection الأوزان في 16 أكتوبر 2026 بموجب ترخيص Apache 2.0، ومواد الإطلاق محددة على نحو غير معتاد بشأن ما يلزم لخدمتها: أربع وحدات B300 على NVLink لبناء NVFP4، وثماني وحدات H200 لـ FP8، وثماني وحدات B200 أو B300 لـ BF16. جدول العتاد هذا أكثر إثارة للاهتمام من جدول المعايير، لأنه الجزء الذي يمكن للقارئ فعلاً التحقق منه مقابل ورقة المشتريات الخاصة به.

وهو أيضًا الجزء الذي يفصل Beam 1.0 عن النماذج التي تُقارَن بها. يُقدَّمان Kimi K3 وGLM-5.2 عبر واجهات برمجة التطبيقات (APIs)، وأوزانهما إما غير متاحة للعموم أو تأتي بشروط مختلفة؛ Qwen3.8-Max مملوكة في الفئة الرائدة. عرض Beam هو أن النصف الصعب من تلك المقايضة — نموذج قريب من الحدود متاح للتنزيل — قد أُطلق، وأن تكلفة الخدمة هي رفّ وليس مركز بيانات.

ما الذي وصل فعليًا في 16 أكتوبر

منشور Reflection بعنوان «Beam متاح الآن» مؤرّخ في 16 أكتوبر 2026، بعد أحد عشر يومًا من الإعلان عن النموذج في 5 أكتوبر. تم إصدار أربعة مخرجات، ودرجات الدقة تهم أكثر من العنوان الرئيسي:

• BF16 — ‏501.3 مليار معامل، ‏933.81 GiB على القرص، ‏188 جزءًا من safetensors. الدقة المرجعية؛ العمود الأول في جدول المعايير.

• FP8 — نفس عدد المعلمات في E4M3، 468.72 GiB. مُكمَّم باستخدام N​VIDIA ModelOpt. موصى به لـ Hopper والأجهزة الأقدم.

NVFP4 — نسخة مُجمّعة بدقة 4 بتات بحجم 273 جيبي بايت. هذه هي النسخة التي تخبرك أدلة التقديم الخاصة بـ Reflection نفسها بتنزيلها، والوحيدة التي تعمل أصلاً على Blackwell دون تكلفة فك التكميم.

• DFlash2 — مُسوِّدة للفك التخميني بمعاملات 1.93 مليار، نُشرت كمستودع خاص بها ومُدمجة في أوامر العينة كمجموعة أوزان منفصلة.

تتكوّن البنية الكامنة خلف نقاط الحفظ تلك من مزيج متناثر من الخبراء: 52 طبقة، منها 3 طبقات كثيفة و49 طبقة MoE، و256 خبيرًا لكل طبقة MoE، وانتباه مُبوّب للاستعلامات المجمّعة ممزوج بانتباه النافذة المنزلقة، ومفردات من 152,000 رمز. إدخال نص، إخراج نص، وسياق من 1M رمز على بطاقة النموذج، و131,072 رمزًا كحد أقصى للإخراج عبر API. تاريخ قطع المعرفة: 30 يونيو 2026.

رقم الإنتاجية غير الموجود في الوثائق

ثمة رقم يتداول مع هذا الإصدار منذ اليوم الأول: أكثر من 70,000 رمز إخراج في الثانية لكل GPU على Blackwell Ultra. إنه رقم جذاب، ومن الجدير أن نتحرّى الدقة بشأن المواضع التي يظهر فيها والمواضع التي لا يظهر فيها. فهو غير موجود في منشور إطلاق Reflection، ولا في بطاقة النموذج، ولا في ملاحظات إصدار Hugging Face، ولا في وثائق المطوّرين. ولم نتمكّن من العثور عليه في أي مصدر من مصادر الطرف الأول.

ما توثقه مواد المورّد بالفعل هو أمر نسبي لا مطلق. وادعاء الكفاءة الوحيد في بطاقة النموذج هو أن Beam «يبلغ جودة حلول مماثلة لتلك التي تقدمها النماذج المفتوحة الرائدة باستخدام رموز استدلال أقل بنحو 3 أضعاف في زمن الاستدلال»، ويصوغ منشور الإطلاق الفكرة نفسها بعبارة «ذكاء أكثر لكل رمز». والرقم الوحيد المرتبط بالإنتاجية الذي ينشره الإصدار هو تسريع مُقاس لا معدل: إذ يرفع مُسوِّد DFlash2 سرعة فك الترميز بنسبة 1.7× إلى 3.0× مقارنةً بـ Beam وحده، مقاسًا على نقطة تفتيش NVFP4 عبر أربع وحدات B300s، مع أطوال قبول تتراوح من 4.11 إلى 5.88 رمزًا من أصل ثمانية كحد أقصى. وهذه نسبة مقابل خط الأساس الخاص بـ Beam نفسه، لذا لا تقول شيئًا عن العدد المطلق للرموز في الثانية لكل GPU — ولن تحسم الرقم 70,000 بأي من الاتجاهين.

هناك إشارة مستقلة واحدة على أن ادعاء الكفاءة ليس مجرد تسويق. قاس Artificial Analysis نموذج Beam 1.0 عند 79 مليون رمز مُخرَج عبر Intelligence Index، مقابل وسيط قدره 130 مليون للنماذج التي يقارنها بها — ليحتل المرتبة #10 من 46 في ذلك المقياس. هذا طرف ثالث يعد الرموز المولَّدة ويجد Beam أكثر اقتصادية من معظم المجال، وهو ادعاء أضعف من رقم الإنتاجية لكل GPU، لكنه أفضل دعمًا بكثير.

ما الذي تمنحك إياه أربع وحدات B300 فعليًا، من حيث الذاكرة

تُعدّ وثائق الخدمة أكثر ما نشرته Reflection فائدةً، لأنها تجيب عن أسئلة لا يطرحها جدول المعايير قطّ. وتبرز ثلاثة أرقام.

• بصمة ذاكرة KV المؤقتة — تعتمد كل من وصفات vLLM وNVIDIA Dynamo افتراضيًا على ذاكرة FP8 E4M3 بحجم صفحة 64 رمزًا، وتشير وصفة vLLM إلى أن ذلك يتضاعف ليصل إلى ما يقرب من 14 مليون إلى 28 مليون رمز من السياق القابل للتخزين المؤقت على ثماني وحدات H200 تشغّل نقطة تفتيش FP8. هذا هو الرقم الذي يُقاس عليه حجم النشر؛ خطة بثلاث وحدات GPU تفشل قبل أن تفشل الذاكرة المؤقتة بوقت طويل.

• لا تُكمّم نقطة حفظ NVFP4 سوى الخبراء الموجّهين. أما الانتباه وشبكات MLP الكثيفة والموجّه والتضمينات ورأس LM فتبقى بصيغة BF16، ولهذا يبلغ حجم الملف 273 GiB بدلًا من نحو 250 GiB التي كانت ستمنحك إياها تمريرة 4 بت كاملة. على Blackwell يعمل بنمط W4A4؛ وعلى Hopper، يقدّم vLLM خبراء FP4 عبر Marlin مع تنشيطات BF16.

• تُعد نقطة التحقق NVFP4 على أربع وحدات B300s هي التكوين المرجعي، وتُشحن وصفة SGLang كصورة Docker مثبّتة مع ضبط التوازي الموتر على 4، وتفعيل مُسوّد DFlash2 عند حجم الكتلة 8، وتهيئة فك التشفير التخميني إلى جانب ذاكرة KV بتنسيق FP8.

هناك أيضًا أداة تحقق. أداة مفتوحة المصدر beam-verifier واجهة سطر الأوامر تُشغّل مجموعة توافق ضد أي نقطة نهاية حية لـ Beam — عقد الطلب، عقد الاستجابة، بروتوكول الأدوات — ثم تقيّمها على المعايير الرئيسية لتتمكن من مقارنة النشر الخاص بك، أو الخاص بمزوّد، مع النتائج المرجعية لـ Reflection. بالنسبة لنموذج يكون جدول معاييره بأكمله مُبلَّغًا من البائع، فإن توفير أداة الاختبار التي تتيح للمشتري إعادة إنتاجه هو التزام أكثر معنى من أي رقم فردي في ذلك الجدول.

دعم الأطر من اليوم الأول هو النصف الآخر من قصة النشر، وهو أوسع مما تنجح فيه معظم الإصدارات المفتوحة: Transformers، وvLLM، وSGLang، وUnsloth، وAxolotl، وTokenSpeed، وNVIDIA Dynamo، مع وصفات خطوة بخطوة لـ SGLang وvLLM وTokenSpeed بالإضافة إلى مخطط Helm لـ Kubernetes. على جانب التدريب، تذكر Reflection مجموعات التقنيات التي بنت سير العمل بها — NeMo RL وAutoModel وMegatron Bridge من NVIDIA، وMiles من RadixArk، وTRL من Hugging Face، وSkyRL من Anyscale وAxolotl — وتنشر أرقام دليل تشغيل RL الخاص بها بدلاً من رقم عتاد لها: 10.5K من وحدات معالجة الرسومات GB300 على مدى أربعة أسابيع، وأكثر من 100 مليون عملية تشغيل، وسياق أقصى يبلغ 256K رمزًا أثناء التدريب، وحوالي 1.3 مليار صندوق رمل.

الـAPI موجود، ولا يزال بلا سعر

إلى جانب الأوزان، توجد نقطة نهاية من الطرف الأول على api.reflection.ai بواجهة متوافقة مع OpenAI ومعرّف النموذج Beam-1.0-501B-A23B. وهي تحمل عقدًا موثّقًا: استدلال إلزامي بمستويات جهد max وxhigh وhigh وmedium وlow، حيث يكون max هو الافتراضي؛ ومخرجات منظمة واستدعاء أدوات؛ وحدود معدل على مستوى المؤسسة تُقاس بالطلبات والرموز في الدقيقة وفي اليوم بتوقيت UTC، ومشتركة عبر كل مشروع ومفتاح بحيث لا تؤدي إضافة مفتاح إلى رفعها؛ واستجابة 429 تضبط x-should-retry على false بمجرد استنفاد الحصة اليومية، وهو التفصيل الذي يمنع حلقة إعادة محاولة ساذجة من الدوران حتى منتصف الليل.

لا تتضمن الوثائق سعرًا لكل مليون رمز، ولا يفعل الإعلان ذلك. هذا الإغفال الوحيد هو ما يجعل حجة الكفاءة غير قابلة للحسم بالنسبة للمشتري: فالنموذج الذي يستدل دائمًا، ويعتمد افتراضيًا على أقصى جهد، ويزعم استخدام رموز استدلال أقل بثلاث مرات، هو عرض تجاري مختلف بسعر دولار واحد لكل مليون رمز إخراج عنه بعشرة دولارات، ولا يمكن لأحد خارج Reflection حاليًا أن يقول أيهما هو. الاستضافة الذاتية تزيل السؤال تمامًا وتستبدله برقم رأسمالي، وهو على الأقل رقم يمكنك حسابه.

ما الذي يعنيه هذا بالنسبة لفريق يريد تجربته

Beam 1.0 ليس أحد مساراتنا، لذا لا يمكننا تقديمه لك، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء توفر من جانبنا. ما يمكننا فعله هو جعل التقييم رخيصًا. إذا كان القرار المعروض أمامك هو ما إذا كنت ستنفق ربع وقت الهندسة على تجربة Beam لمدة أسبوعين، فإن الخطوة المفيدة هي إبقاء الإنتاج على نموذج له بطاقة أسعار منشورة وسجل خدمة أثناء تشغيل التجربة، وأن تكون خطة الاحتياط جاهزة بالفعل. يشغّل OrcaRouter مفتاحًا واحدًا متوافقًا مع OpenAI عبر أكثر من 200 نموذج مع تمرير سعر القائمة الخاص بالمزوّد دون أي إضافة، لذا فإن أي تخفيض في أسعار المورّد يصل إلى فاتورتك في اليوم نفسه، ويعني التبديل التلقائي عند الفشل أن تجربة يتبيّن أنها غير متاحة الشهر المقبل ليست سوى تغيير في التوجيه بدلاً من عملية ترحيل.

النماذج الأقرب إلى Beam في أحمال العمل التي يستهدفها يمكن الوصول إليها جميعًا بتلك الطريقة. الثلاثة التي تستحق تسعير التجربة الأولية مقابلها، من كتالوجنا الخاص:

• GLM-5.2 — سياق يبلغ 1,000,000 رمز، و1.40 دولار لكل مليون رمز إدخال و4.40 دولار لكل مليون رمز إخراج. النموذج الذي يُقاس مقابلَه ادعاء Reflection الخاص بالكفاءة

• Kimi K3 — سياق بـ 1,048,576 رمزًا، 3.00 دولار لكل مليون رمز إدخال، 0.30 دولار للمخزّن مؤقتًا، 15.00 دولار للإخراج. يعترف منشور إطلاق Reflection بأن K3 لا يزال متقدمًا في القدرة الخام.

• Qwen3.8-Max — سياق يبلغ 1,000,000 رمز، وبسعر 2.00 دولار لكل مليون رمز إدخال و6.00 دولار للإخراج، وهي الفئة ذات 2 تريليون معامل التي تدّعي Beam أنها تمتلك أكبر ميزة كفاءة عليها.

الأمور الثلاثة التي يجب مراقبتها

الأول هو السعر. وإلى أن تنشر Reflection قائمة أسعار، تظل أطروحة الكفاءة فرضية عن الحوسبة لا حقيقة عن المال، وتبقى المقارنة مع GLM-5.2 أو Kimi K3 نقاشًا حول المنهجية.

الثاني هو قياس مستقل للإنتاجية. يُدرج Artificial Analysis حاليًا Beam بمؤشر ذكاء قدره 30، وبلا سرعة وبلا سعر، لأنه يسجّل "لا توجد واجهة برمجة تطبيقات متاحة للعموم" للنموذج. وعندما يتغير ذلك، يحصل السؤال الخاص بكل GPU على إجابة لم يكن المورّد مصدرها.

الثالث هو ما إذا كان المُتحقِّق يُستخدم فعلاً. فمجموعة اختبارات المطابقة التي لا يشغّلها أحد ليست سوى وثائق؛ أما مجموعة اختبارات المطابقة التي تنشر اثنتا عشرة عملية نشر نتائجها منها فهي معيار قياس. لقد أطلقت Beam 1.0 الأداة من اليوم الأول. أما ما إذا كانت ستطلق الأرقام، فذلك هو الجزء الذي لا يزال مفتوحاً.

لا شيء من ذلك افتراضي: تم جمع إخفاقات الذكاء الاصطناعي الموثقة وحوادث الوكلاء الكامنة وراء إصدارات مثل هذا في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة النزاع الخاصة به.