تقديم Beam 1.0 في اليوم صفر: ما الذي تثبّته وصفة SGLang فعليًا

نقطة تحقق يمكنك تنزيلها ليست نموذجًا يمكنك نشره، والمسافة بين الاثنين تُقاس عادةً بأسابيع من العمل على الأطر ينجزه من هو غير صبور بما يكفي لفعل ذلك. يمثّل Reflection Beam 1.0 الحالة النادرة التي وصل فيها ذلك العمل مع الأوزان. أعلنت Reflection عن النموذج في 5 أكتوبر 2026؛ وفي 16 أكتوبر 2026، وصلت الأوزان ورخصة Apache 2.0 ونقطة نهاية تابعة للجهة المطوّرة ودعم من اليوم الأول عبر سبع حزم استدلال، جميعها معًا، وواحدة من تلك الحزم — SGLang، التي قال حساب مشروعها في السادس عشر إنها تخدم Beam في الإنتاج لدى Reflection — أصدرت وصفة مفصلة بما يكفي للجدال حولها.

تلك الوصفة هي المُخرَج المثير للاهتمام، أكثر من جدول القياسات المعيارية. منشور الإطلاق يخبرك أن النموذج جيد. أما مصفوفة النشر فتخبرك بكم يكلّفك أن تكتشف ذلك، وأين ستحدد الخيارات التي تتخذها بهدوء زمن الاستجابة لديك. إن توثيق SGLang الخاص بـ Reflection Beam 1.0 هو مولِّد: تختار منصة عتاد واستراتيجية، فيُصدر أمر Docker مُثبَّتًا. الخيارات التي يفرض عليك المرور بها هي الخبر الفعلي لأي شخص ينوي تشغيل هذا بدلًا من استدعائه.

المحاور الثلاثة التي ترفض الوصفة إخفاءها

تطلب الصفحة المنصة العتادية والاستراتيجية والتكميم، ثم تبني الأمر. هذه مساحة قرار أصغر مما تعترف به معظم إصدارات النماذج، ولكل محور نتيجة حقيقية:

• منصة الأجهزة — B300 أو GB300 أو H200. تأخذ شرائح Blackwell بنية NVFP4 أصليًا؛ أما H200 فهو مسار FP8 وBF16. هذا هو نفس الحد الأدنى الذي تصفه ملاحظات إصدار Reflection، معادًا صياغته كقائمة منسدلة.

• الاستراتيجية — زمن استجابة منخفض أو إنتاجية عالية، وهذا هو المحور الذي تخطئ فيه معظم عمليات النشر افتراضيًا. يشغّل نمط زمن الاستجابة المنخفض التوازي التنسوري مع تمكين نموذج المسودة DFlash2 عند حجم الكتلة 8. أما الإنتاجية العالية فتعطّل DFlash2 بالكامل.

• التكميم — NVFP4 أو FP8 أو BF16، التي يجب أن تتوافق مع المنصة والاستراتيجية بدلًا من أن تكون قابلة للدمج بحرّية.

الإعدادان المسبقان للاستراتيجية ليسا مقبض تحكم في الأداء، بل هما تغيير في الخوارزمية. تقايض عملية الفك التخميني زمن استجابة الفك مقابل عمل إضافي لنموذج المسودة في كل خطوة؛ وعند حجم كتلة 8 مع نموذج مسودة بمعاملات 1.93 مليار، تستحق تلك المقايضة القبول عندما تخدم مستخدمًا واحدًا في كل مرة، ويستحق رفضها عندما تجمّع الدفعات بشكل مكثف. إيقاف DFlash2 في وصفة الإنتاجية العالية ليس تراجعًا، بل هو الجواب الصحيح لسؤال مختلف.

حيث تكف الوصفات عن كونها قابلة للتبادل

تجاوز الإعدادات المسبقة، فالصفحة توثّق عددًا من تقسيمات التكوين الموجودة لأسباب عتادية ملموسة، ويجدر بك معرفتها قبل أن تنسخ أول أمر Docker تراه:

• يشغّل H200 BF16 إعداد TP8 مع كسر ذاكرة ساكن تلقائي. لا تتّسع نقطة التحقق BF16 بحجم 933.81 GiB على عدد أقل من الأجهزة، ويُحسب كسر الذاكرة بدلًا من كشفه — ما يعني أن هذه هي الوصفة الوحيدة التي لا يمكنك ضبطها يدويًا دون الخروج عن المسار المدعوم.

• كل وصفة أخرى تستخدم التوازي التنسوري بالإضافة إلى DPA. وDPA هنا هو ترتيب الانتباه الموازي للبيانات الذي يفصل الانتباه عن تقسيم التوازي الخاص بالخبراء، وهو السبب في أن الوصفات غير الخاصة بـ BF16 تتحمل أعدادًا من الأجهزة لا تتحملها وصفة BF16.

• تمكّن Blackwell NVFP4 أيضًا من التوازي على مستوى الخبراء وFlashInfer MegaMoE. هذا هو المزيج الذي تشير إليه أدلة Reflection الخاصة، ولا يصبح متاحًا إلا عندما تكون نقطة التحقق هي البناء المعبّأ 4-بت بحجم 273 GiB بدلًا من FP8 عند 468.72 GiB.

المحصلة العملية: عبارة "نحن نشغّل Beam 1.0 على SGLang" ليست تصريحًا عن العتاد. يمكن لفريقين أن يردداها معًا بينما يشغّلان دقات مختلفة، وتخطيطات توازٍ مختلفة، وخوارزميات فك ترميز مختلفة، والطريقة الوحيدة لمقارنة الملاحظات هي ذكر الثلاثة جميعًا.

ما قيمة «اليوم صفر»، وما ليس كذلك

يُعدّ دعم الأطر البرمجية في يوم إتاحة الأوزان إشارة حقيقية، وهو نوع محدّد من الإشارات. فوجود دعم SGLang لـ Beam 1.0 سببه أن مهندسي Reflection عملوا مع مجتمع SGLang قبل الإصدار — وهذا ما قاله مشروع SGLang علنًا في 16 أكتوبر، وهو يتسق مع إدراج Reflection لـ SGLang ضمن شركائه في اليوم صفر إلى جانب Transformers وvLLM وUnsloth وAxolotl وTokenSpeed وNVIDIA Dynamo، مع وصفات مكتوبة لـ SGLang وvLLM وTokenSpeed، إضافة إلى مخطط Helm لـ Kubernetes.

• ما الذي يرسّخه — مسار موثّق ومُصان من نقطة التحقق المنشورة إلى نقطة نهاية مُخدَّمة، على عتاد محدَّد بالاسم، مع مراعاة متغيّرات التكميم. وهذا في الحقيقة أكثر مما تنجح معظم الإصدارات المفتوحة في تحقيقه خلال الأسبوع الأول.

• ما لا يثبته — أن التكوين هو الأمثل، أو أن أرقام الإنتاجية التي ستحصل عليها ستطابق أرقام أي جهة أخرى. إن ادعاء الإنتاج في Reflection هو ادعاء المورّد وإطار العمل، وقد نقله القائمون على التقديم. لم نرَ إعادة إنتاج مستقلة له، ولم يُنشر أي قياس مرجعي من طرف ثالث لنشر Beam المستضاف ذاتيًا.

هذا التمييز مهم هنا أكثر من المعتاد، لأن هذا نموذج خليط متناثر من الخبراء يضم 501.3 مليار معلمة، مع 23.4 مليار معلمة نشطة لكل رمز، والقيمة الكاملة لهذه البنية تكمن في أن تكلفة التقديم لديك لا تمثل إلا جزءاً صغيراً من الرقم الذي يحمله اسم النموذج. دعم الأطر هو ما يحوّل هذا الادعاء من مخطط معماري إلى ميزانية ذاكرة. لكنه لا يحوّله إلى رقم إنتاجية مقيس، ولا توجد أي مادة رسمية تمكّنا من العثور عليها تنشر رقماً واحداً للاستدلال — الرقم الملموس الوحيد لعدد الرموز في الثانية في الإصدار يصف الضبط الدقيق الخاضع للإشراف باستخدام LoRA على عقدة واحدة تضم 8 وحدات معالجة رسومية من نوع B300، وهو خطوة تدريب، وليس معدل تقديم.

نمط الفشل الذي تمتلكه فعليًا حزمة اليوم صفر المستضافة ذاتيًا

هناك طريقة محددة يسير بها هذا على نحو خاطئ، وهي ليست المشكلة في النموذج. إنه الأسبوع الثاني. صورة Docker مثبّتة بُنيت لتكميم واحد وتخطيط توازٍ واحد ليست خيارًا احتياطيًا لنفسها: إذا كان لنموذج المسودة تفاعل سيئ مع نمط حركة المرور لديك، أو إذا غيّر تحديث برنامج تشغيل ما تخصّصه نسبة الذاكرة، أو إذا كانت سعتك في قائمة انتظار خلف مستأجر آخر، فلن يتبقّى لديك إعداد يمكنك الرجوع إليه — بل لديك انقطاع في الخدمة مع وجود نموذج بالغ القدرة فيه.

‏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 وضع البديل الاحتياطي في مكان مفيد. يشغّل OrcaRouter مفتاحًا واحدًا متوافقًا مع OpenAI عبر أكثر من 200 نموذج مع تمرير سعر القائمة الخاص بالمزوّد دون أي إضافة، وتبديل تلقائي عند الفشل بين المزوّدين، لذا فإن تجربة Beam المستضافة ذاتيًا التي تتوقف عن الاستجابة تصبح تغييرًا في التوجيه بدلًا من حادثة. النماذج التي كثيرًا ما يحل نشر Beam محلها، والتي يمكن الوصول إليها بهذه الطريقة، تأتي ببطاقات أسعار منشورة:

• GLM-5.2 — 1.40 دولار لكل مليون توكن إدخال و4.40 دولار لكل مليون توكن إخراج مع سياق يبلغ 1,000,000 توكن. النموذج الذي يُقاس عليه ادعاء الكفاءة الخاص بـ Reflection، والبديل الأكثر مباشرة لعمل Beam في البرمجة طويلة السياق.

• Kimi K3 — $3.00 لكل مليون إدخال، و$0.30 للمخزّن مؤقتًا، و$15.00 للإخراج مع نافذة من 1,048,576 توكن.منشور إطلاق Reflection يقرّ بأن K3 لا يزال متقدّمًا في القدرة الخام.

• Qwen3.8-Max — 2.00 دولار لكل مليون رمز إدخال و6.00 دولارات لكل مليون رمز إخراج عند نافذة سياق تبلغ 1,000,000 رمز، وهو الخيار الاحتكاري من الفئة الرائدة للفرق التي تريد هذه القدرة دون الحاجة إلى رف الخوادم.

ما الذي لا تخبرك به الوصفة حتى الآن

ثلاث فجوات تستحق التسمية، لأن كل واحدة منها قرار ستنتهي إلى اتخاذه بمعلومات أقل مما تريد.

الأول هو السعر. نقطة نهاية Reflection موثّقة ومتوافقة مع OpenAI، مع مستويات جهد الاستدلال: max وxhigh وhigh وmedium وlow، واستدلال إلزامي يقوده افتراضيًا max، وحدود لكل مؤسسة مشتركة عبر كل مفتاح. ولا يوجد لديها سعر منشور لكل مليون رمز، لذا لا يمكن إتمام حجة الكفاءة الخاصة بـ Beam 1.0 كتمرين حسابي. النموذج الذي يستدل دائمًا ويكون أقصى جهد هو الافتراضي فيه هو عرض تجاري مختلف اعتمادًا على ما إذا كان سعر رمز الإخراج دولارًا واحدًا أم عشرة.

الأمر الثاني هو القياس المستقل. يُدرج Artificial Analysis النموذج بمؤشر Intelligence Index قدره 30، دون رقم للسرعة ودون سعر، ولا يسجّل أي API متاح علنًا له — وهو بيان من طرف ثالث بأن السطح المستضاف ليس مرئيًا بعد للأشخاص الذين يقيسون هذه الأمور. نقطة بيانات الكفاءة الوحيدة المحسوبة بشكل مستقل الخاصة به حقيقية: فقد ولّد Beam 79M من توكنات الإخراج عبر مؤشر Intelligence Index الخاص بـ AA مقابل وسيط قدره 130M لمجموعة المقارنة. وهذا يدعم ادعاء "توكنات استدلال أقل". لكنه لا يخبرك بمدى سرعة خروج التوكنات.

الثالث هو انحراف الإصدارات. الوصفات المنشورة مكتوبة وفقاً لنقطة تفتيش محددة وبناء SGLang محدد، ونموذج الصياغة (drafter) مستودع قائم بذاته. وعندما يتحرك أي منهما، تصبح الوصفة التي ثبّتها في أكتوبر تكويناً لم يختبره أحد في نوفمبر. تعامل مع أمر Docker كنقطة انطلاق لها تاريخ انتهاء صلاحية، لا كعملية نشر.

من يجب أن يتصرف بشأن هذا الآن، ومن يجب أن ينتظر

إذا كنت تمتلك بالفعل سعة Blackwell، فإن وصفة SGLang كافية حقًا للبدء: فأربع وحدات B300 هي تكوين NVFP4 المرجعي، وحسابات الذاكرة منشورة، ومجموعة اختبارات المطابقة موجودة، والجانب السلبي محدود بوقت الهندسة. وإذا كنت لا تمتلك العتاد، فإن الحساب لا يزال لا يُغلق، لأن الخيار المستضاف لا يملك بطاقة أسعار تُقارَن بها مع شراء رأسمالي — ودعم أطر العمل من اليوم الأول، مهما كان جيدًا، ليس بديلًا عن السعر.

الشيء الجدير بالمراقبة ليس إطار عمل آخر يعلن الدعم. بل هو أول رقم منشور لم يأتِ من Reflection أو من مشروع إطار عمل: قياس مستقل للإنتاجية على تهيئة مسمّاة، أو قائمة أسعار على نقطة النهاية الخاصة بالطرف الأول. أيٌّ منهما يحوّل هذا من تجربة موثّقة جيدًا إلى بند. وحتى ذلك الحين، فإن القراءة الصحيحة للسادس عشر من أكتوبر هي أن العمل الهندسي الشاق قد سُلِّم في موعده المحدد — وأن الجدوى التجارية هي الجزء الذي لا يزال قيد الإنشاء.

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.