Beam 1.0 vs Clef Flash : L'un écrit du code, l'autre ne sait pas écrire une phrase

Placez Beam 1.0 et Clef Flashcôte à côte, et la comparaison paraît absurde jusqu'à ce que l'on comprenne de quoi il retourne réellement. Beam 1.0 est le modèle à mélange d'experts de 501,3 milliards de paramètres de Reflection, publié sous licence Apache 2.0 le 16 octobre 2026 et conçu pour le codage, le raisonnement et le travail agentique à long horizon ; il lit du texte et écrit du texte. Clef Flash de Cloudflare est un modèle de 9 milliards de paramètres qui n'a aucune voie de sortie textuelle — pas une voie dégradée, aucune. Il prend un état ainsi qu'un schéma de questions typées et renvoie une probabilité pour chaque réponse autorisée. Toute page qui classe ces deux modèles l'un contre l'autre sur des scores de benchmark a mal compris l'un comme l'autre. La question utile est de savoir quelle place chacun occupe dans un pipeline, car dans un système bien conçu ils ne sont pas rivaux ; ce sont des étapes adjacentes.

Cette adjacence mérite d’être comprise avec précision, car elle explique une classe de défaillances en production qu’aucun benchmark portant sur un modèle unique ne fait apparaître : le parseur que vous avez greffé sur un modèle de chat parce que c’était la seule chose dont vous disposiez, et la cinquante et unième réponse sur cent qui ne correspondait pas à votre schéma.

Ce que chaque modèle renvoie réellement

Commencez par la forme du résultat, car tout le reste en découle.

• Beam 1.0 — texte libre, avec raisonnement obligatoire. Les niveaux d'effort pris en charge sont low, medium, high, xhigh et max, et max est la valeur par défaut, donc la configuration par défaut réfléchit le plus longtemps. Le raisonnement, l'appel d'outils et les sorties structurées sont tous pris en charge, et les sorties structurées accompagnées d'un schéma JSON constituent ce qui se rapproche le plus, pour Beam, d'un retour contraint.

• Clef Flash — une distribution sur un ensemble de réponses déclaré. La documentation de Cloudflare décrit une passe avant qui attribue un score à chaque option autorisée ; il n’y a aucune étape de génération et donc aucune étape d’analyse syntaxique. Selon la présentation du fournisseur lui-même, il s’agit d’un modèle de décision, et le deuxième produit de la version était une plateforme de fine-tuning par apprentissage par renforcement destinée à en construire davantage.

La différence pratique réside dans ce qui se passe lorsque l'entrée est hors périmètre. Un modèle de texte à qui l'on demande quelque chose en dehors de sa compétence produira une prose assurée, et votre système doit le remarquer. Clef Flash produira des probabilités qui totalisent un sur les choix que vous lui avez donnés, ce qui signifie qu'une entrée hors périmètre apparaît comme une distribution uniforme plutôt qu'une phrase plausible — à condition que vous ayez construit un seuil pour cela, ce que le fournisseur ne fournit pas. Le propre tableau publié de Cloudflare montre ce cas comme la cellule la plus faible du modèle.

Les évaluations ne se chevauchent pas, et c'est là le constat.

Les scores de Clef Flash proviennent du Jev Decision Index et d'une série de suites spécifiques aux décisions, toutes exécutées par Cloudflare, et plusieurs sont exécutées contre le propre benchmark d'un concurrent — Jev est publié par TypeSafe, le fournisseur du modèle auquel Clef Flash est comparé. Sur ces suites, les chiffres sont solides : BFCL cas exact 98,8, API-Bank 93,1, une simulation d'appareils ménagers à 97,7, ContractNLI macro-F1 84,3, RouterBench 79,9. Clef Flash devance le plus grand Clef 27B sur BFCL, sur API-Bank et sur la suite d'appareils ménagers, cette dernière de quatorze points. Rien de tout cela n'a été reproduit de manière indépendante.

Le régime d'évaluation de Beam est différent par nature. La fiche modèle de Reflection rapporte des benchmarks agentiques et d'ingénierie logicielle — SWEBench Verified 81,6, Terminal Bench v2.1 80,1, DeepSWE v1.1 43,3, GPQA Diamond 90,6 sur le checkpoint BF16 — tous déclarés par le fournisseur. Le seul chiffre extérieur est celui d'Artificial Analysis, qui classe Beam 1.0 à un Intelligence Index de 30, dix-neuvième sur 120 modèles en version d'index v4.3.2, et n'enregistre ni prix ni vitesse parce qu'il voit toujours « No publicly available API » pour le modèle. Il n'y a rien dans la colonne de Clef Flash qui corresponde à un Intelligence Index, et rien dans celle de Beam qui corresponde à un score de routeur exact par cas. Ils ne se situent pas sur le même axe.

Ce que l'on peut comparer, c'est la structure des coûts, et ici les deux se situent à des extrêmes opposés. Cloudflare héberge Clef Flash sur Workers AI à 0,038 $ par million de jetons d'entrée, les jetons de sortie étant facturés à zéro, car il n'y en a pas — soit environ un sixième des 0,24 $ que la même grille tarifaire facture pour le Clef 27B plus grand, et juste en dessous des 0,042 $ que nous facturons pour un modèle de décision qui répond à la même forme de requête. Beam 1.0 n'a aucun prix publié au million de jetons — la documentation de Reflection comporte une page complète sur les limites de débit et aucune grille tarifaire. L'auto-hébergement est la seule voie tarifée, et elle commence à quatre GPU NVIDIA B300.

Où chacun a sa place dans un système réel

La réponse honnête, c'est que Clef Flash remplace une étape que vous faites probablement mal, et Beam 1.0 remplace une étape que vous faites probablement à grands frais.

La cible de Clef Flash, c'est la classification, le routage, le gating et le triage au sein d'une boucle d'agent — partout où la sortie correcte est l'une d'un ensemble connu d'étiquettes et où le coût d'une réponse mal formée se traduit par une exception en aval. Son profil de latence publié, environ 38,8 ms en médiane et 122,4 ms au p95, est la partie qui compte dans ce contexte, car il est mesuré dans un régime où le temps jusqu'au premier token d'un modèle de texte ne l'est pas.

La cible de Beam 1.0, c'est le travail lui-même : résoudre des issues GitHub, opérer dans une CLI, exécuter des workflows d'outils à plusieurs étapes. L'argument que met en avant Reflection est celui de l'efficacité en tokens plutôt que de la capacité de pointe — la fiche modèle revendique une qualité de solution comparable à celle des principaux modèles ouverts avec environ trois fois moins de tokens de raisonnement au moment de l'inférence, et l'élément le plus probant à l'appui est qu'Artificial Analysis enregistre 79 M de tokens de sortie pour Beam sur l'Intelligence Index, contre une médiane de 130 M, soit le dixième rang sur quarante-six pour cette mesure. Sur une longue exécution d'agent où chaque tour rejoue la conversation précédente, c'est le poste qui s'accumule.

Ni l'un ni l'autre ne figure dans notre catalogue, et nous ne comptons pas laisser entendre le contraire. Clef Flash tourne sur les propres GPU en périphérie de Cloudflare, et c'est à vous d'auto-héberger les poids Apache-2.0 ; les poids de Beam 1.0 sont sur Hugging Face sous Apache 2.0, avec une API first-party dont le prix n'est pas publié.

La raison de garder les deux accessibles

Un pipeline qui utilise un modèle de décision à l'entrée et un modèle de raisonnement derrière lui est une architecture strictement meilleure que celle qui utilise un seul modèle de chat pour les deux, et le coût de le construire ainsi est le coût opérationnel d'une seconde dépendance — un second contrat, un second jeu de clés, un second mode de défaillance. C'est la partie qu'un routeur supprime, plutôt que la partie relative au modèle.

Si les étapes de gate de votre système sont celles que décrit Clef Flash, l'équivalent déjà routé le plus proche est Jev 1.13 de TypeSafe — le modèle que Cloudflare a choisi comme contrepartie de référence, compatible au niveau de l'API avec le format de requête de Clef Flash, et dans notre catalogue à 0,042 $ par million de jetons d'entrée, avec une sortie facturée à zéro et un contexte de 65 536 jetons.

Pour l'étape de raisonnement derrière le portail, notre catalogue propose les modèles sur lesquels Beam est calibré : GLM-5.2 à 1,40 $ et 4,40 $ par million de tokens, avec une fenêtre de 1 000 000 de tokens, Kimi K3 à 3,00 $ et 15,00 $ avec 1 048 576, et Qwen3.8-Max à 2,00 $ et 6,00 $. Une seule clé compatible OpenAI les couvre tous, le prix catalogue du fournisseur est répercuté sans aucun supplément, et le basculement automatique garantit que l'étape du portail ne tombe pas en panne parce qu'un fournisseur a connu une mauvaise minute.

Vous pouvez aussi conserver les deux étapes sur des modèles différents sans vous engager sur l'un ou l'autre : une règle de routage qui envoie le trafic de classification de schéma vers le point de terminaison de décision et le travail en texte libre vers un modèle de raisonnement est le cas ordinaire du DSL de routage, et cela signifie que la précision de l'étape de décision et le coût de l'étape de raisonnement peuvent être ajustés indépendamment au lieu d'être mis en balance au sein du nombre de paramètres d'un seul modèle.

Lequel/Laquelle cherchez-vous réellement à acheter ?

Si vous êtes arrivé ici parce que votre agent émet occasionnellement un blob JSON que votre parseur rejette, vous ne voulez pas d’un modèle à 501 milliards de paramètres. Vous voulez le modèle de décision, et la question à poser est de savoir si votre ensemble de réponses est véritablement énumérable et quelle est votre politique d’abstention — car Clef Flash vous donne des probabilités, pas un refus.

Si vous êtes arrivé ici parce que la facture de votre agent de codage est dominée par des jetons de raisonnement que vous ne pouvez pas voir, vous ne voulez pas d'un classifieur à 9 milliards de paramètres. Vous voulez Beam 1.0, ou l'un des modèles par rapport auxquels il est évalué, et la question à se poser est de savoir si vous pouvez l'héberger ou si vous attendez une grille tarifaire qui n'a pas été publiée.

La seule chose qu’un cadrage en confrontation directe voit juste, c’est que les deux sont des paris sur la même thèse à partir d’extrémités opposées : la partie coûteuse d’un agent n’est pas la réponse, c’est tout ce qui l’entoure. La réponse de Cloudflare consiste à retirer la génération des étapes qui n’en ont jamais eu besoin. La réponse de Reflection consiste à rendre la génération moins chère par token de réflexion. Déployées ensemble, elles coûtent moins cher que l’une ou l’autre déployée seule, ce qui est un meilleur résultat que ne vous le dira le tableau de benchmark de l’un ou l’autre fournisseur.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.