Beam 1.0 vs Qwen 3.8 : une version à poids livrés face à une grille tarifaire

Le 5 octobre 2026, Reflection Beam 1.0 a été annoncé comme un modèle à poids ouverts dont les poids n'étaient pas disponibles. Le 16 octobre 2026, ils sont sortis — quatre dépôts sur Hugging Face sous Apache 2.0, en précisions BF16, FP8 et NVFP4, plus un modèle de draft de 2 milliards de paramètres pour le décodage spéculatif. Qwen 3.8 raconte l'histoire inverse depuis deux mois et demi : la génération d'A​libaba est entrée en service le 3 août 2026 avec Qwen3.8-Max en tant qu'API payante à 2,00 $ par million de jetons en entrée et 6,00 $ par million en sortie, un frère à poids ouverts suivant sous licence personnalisée et un modèle dense de 27 milliards de paramètres sous Apache 2.0. Les deux modèles revendiquent un contexte d'un million de jetons. Les deux raisonnent, les deux appellent des outils, les deux sont purement textuels à l'interface. La différence qu'il vaut la peine de comprendre, c'est lequel on peut inscrire à un budget et lequel on peut détenir, car après le 16 octobre, chaque modèle possède exactement l'un des deux et pas l'autre.

Les deux chiffres ci-dessus proviennent du fournisseur, et les deux modèles ont désormais été mesurés par Artificial Analysis — ce qui est suffisamment rare dans ce domaine pour être la raison pour laquelle cette comparaison peut être écrite tout court.

L'état des lieux, modèle par modèle

• Paramètres — Beam 1.0 est un modèle à mélange d’experts clairsemé de 501,3 milliards de paramètres au total, avec 23,4 milliards actifs par token, répartis sur 52 couches, dont trois denses et 49 MoE, avec 256 experts dans la configuration que décrit la fiche. Le nombre de paramètres de Qwen3.8-Max n’a jamais été divulgué par Alibaba ; le frère ouvert de son cœur, Qwen3.8-2.4T-A95B, est un MoE de 2,4 billions de paramètres avec environ 95 milliards actifs, ce qui est le plus proche de la taille du modèle phare qu’il est possible d’atteindre pour quiconque en dehors de l’entreprise.

• Fenêtre de contexte — 1 000 000 de tokens sur la fiche de modèle de Beam 1.0. 1 000 000 de tokens sur la fiche d’OrcaRouter pour qwen/qwen3.8-max, et 984 000 sur la page d’Artificial Analysis pour le même modèle. Les deux correspondent à la même valeur, arrondie différemment, et ne constituent pas un point de différence entre les modèles.

• Modalité — Beam 1.0, c’est du texte en entrée, du texte en sortie, indiqué clairement sur sa fiche. Qwen3.8-Max accepte du texte et des images et renvoie du texte, ce qui constitue une véritable différence de capacités plutôt qu’une différence de formatage.

• Licence — Beam 1.0 est sous Apache 2.0, sans plafond d'utilisateurs et sans palier commercial distinct. La génération Qwen 3.8 est mixte : le checkpoint central 2.4T Max est téléchargeable sous une licence personnalisée, le modèle dense 27B sous Apache 2.0, et le fleuron Max lui-même ne dispose d'aucun poids.

• Prix — non publié pour Beam 1.0 nulle part sur les propres propriétés de Reflection, et enregistré comme indisponible sur la page d’Artificial Analysis dédiée au modèle. 2,00 $ et 6,00 $ par million de tokens pour Qwen3.8-Max, publiés par A​libaba et répertoriés sur notre propre route aux mêmes montants.

• Score indépendant — L’Artificial Analysis Intelligence Index v4.3.2 place Beam 1.0 à 30, classé 19e sur 120 dans sa catégorie de comparaison. Le même indice place Qwen3.8-Max (0902) à 45, classé 33e sur 217, et AA a évalué la gamme Max sur plus d’une version, le chiffre variant d’une version à l’autre.

• Vitesse — non disponible pour Beam 1.0 ; la page indique une vitesse de sortie inconnue, car il n'existe aucun point de terminaison public permettant de la mesurer. 38,8 tokens de sortie par seconde pour Qwen3.8-Max, ce que AA qualifie de particulièrement lent pour son niveau.

Ce que les seize jours entre l'annonce et la sortie ont réellement changé

L'écart mérite d'être décrit avec précision, car c'est le genre de chose qui se retrouve aplatie une fois les poids publiés.

Le billet de lancement de Reflection indiquait que les poids, le rapport technique, la fiche de modèle et les artefacts destinés aux développeurs suivraient « plus tard ce mois-ci », et promettait une licence Apache 2.0. Entre le 5 et le 16 octobre, la seule chose qu'un lecteur pouvait faire avec Beam 1.0 était de s'inscrire sur une liste d'attente. Le modèle disposait d'un tableau de benchmarks, d'un compte rendu d'entraînement publié — 23,8 billions de tokens sur 6 144 GPU GB300 NVL72 en moins de quatre semaines, une phase de RL sur 10 500 GB300, plus de 100 millions de rollouts — et d'aucun téléchargement.

Puis, le 16 octobre, trois variantes de quantification et un drafter sont apparus dans une collection Hugging Face, et la fiche est arrivée avec un tableau d’évaluation complet couvrant les trois précisions. Pour un lecteur qui décide quoi exécuter, la conséquence importante n’est pas les chiffres de benchmark, qui restent ceux de Reflection et n’ont pas été reproduits. C’est que le modèle est passé de la catégorie « annoncé » à la catégorie « à vous d’inspecter, quantifier, affiner et servir ». Une licence sur laquelle vous pouvez agir est un actif différent d’une licence qui vous a été promise.

Qwen 3.8 a emprunté la route inverse pour arriver au même endroit. A​libaba a inauguré cette génération avec un modèle phare tarifé et mis en service le 3 août 2026, puis a publié les poids par étapes : le cœur 2,4 T le 12 août, le modèle dense 27B le 14 août, l'aperçu Flash-Next plus tard ce mois-là. Personne n'a eu à attendre une promesse, car ce que l'on pouvait acheter est arrivé en premier et ce que l'on pouvait télécharger est arrivé en second.

Les deux situations de tarification ne sont pas symétriques.

Qwen3.8-Max est l'une de nos routes. Il se situe à 2,00 $ par million de tokens d'entrée et à 6,00 $ par million de tokens de sortie, avec un contexte d'un million de tokens, au prix catalogue du fournisseur répercuté sans marge — donc si Alibaba modifie ce tarif, votre facture change le jour même plutôt qu'au prochain renouvellement de contrat. C'est ce que signifie « le modèle a un prix » en pratique, et c'est la raison pour laquelle cet article peut présenter un chiffre calculé à un lecteur pour un côté de la comparaison et pas pour l'autre.

Beam 1.0 n’a pas de tel chiffre. Douze jours après l’annonce, ce n’était qu’un aperçu en liste d’attente derrière un mur d’inscription ; le 16 octobre, il est devenu téléchargeable. Aucun de ces deux états ne comporte de tarif associé. Tout montant en dollars que vous voyez cité pour Beam 1.0 est l’estimation matérielle de quelqu’un, et la fiche ne fournit aucune recommandation de service, aucun seuil matériel minimal et aucun chiffre de débit à partir duquel estimer. La ligne de prix est le plus grand trou dans la documentation du modèle, et c’est un trou qu’un nombre de paramètres de 501 B rend coûteux à combler.

Il existe une version de cette comparaison où les tailles plaident d’elles-mêmes pour l’argument du coût — 23,4 B de paramètres actifs contre un 95 B dont on parle, c’est un rapport de quatre pour un en calcul par token, et si le plus petit modèle avait un prix, il serait probablement le moins cher à exécuter. Cet argument ne peut pas être avancé ici, car l’un de ses côtés n’a pas de tarif. Ce que l’on peut dire, c’est qu’un modèle dont le prix est publié et un modèle dont la licence est publiée sont tous deux, à des titres différents, prêts à l’emploi, et qu’un acheteur a besoin des deux lignes pour choisir.

Capacité, avec le sourcing rattaché

La fiche de Beam 1.0 rapporte SWE-bench Verified 81,6 % sur le checkpoint BF16, Terminal Bench v2.1 à 80,1, SWE Bench Pro v1 à 66,1, DeepSWE v1.1 à 43,3, GPQA Diamond à 90,6, AIME 2026 à 97,7, LiveCodeBench à 88,3, MCP Atlas à 80,8, LongBench v2 à 67,5 et IFBench à 79,6, avec les chiffres FP8 et NVFP4 généralement un ou deux points plus bas. Le positionnement de Reflection est prudent : il décrit Beam comme compétitif avec des modèles ouverts plus grands et se rapprochant de Qwen 3.8-Max, égalant GLM-5.2 en raisonnement tout en utilisant trois à quatre fois moins de calcul d'inférence, et reconnaît que Kimi K3 reste en tête sur la capacité brute. Tout cela est rapporté par le fournisseur et rien n'a été reproduit par un tiers.

Les chiffres de Qwen3.8-Max viennent de deux directions. Alibaba rapporte les siens, y compris 86,6 % sur Terminal Bench 2.1, ainsi que les grilles tarifaires d’entreprise qui accompagnent le lancement d’un modèle phare. Le composite indépendant d’Artificial Analysis est la ligne la plus utile : 45 sur Intelligence Index v4.3.2, ce qui place le modèle bien au-dessus de la médiane de sa classe de comparaison de 27, mais sous la frontière, et une vitesse de sortie mesurée de 38,8 tokens par seconde qu’AA qualifie de lente, même face à une médiane de catégorie proche de 88. Un modèle phare qui devance Beam 1.0 de 15 points sur le même indice indépendant et avec lequel dialoguer coûte 2,00 $ est une proposition différente de celle d’un modèle qui est en tête sur le tableau d’un fournisseur.

Le seul chiffre qui trancherait le débat sur l’efficacité — le nombre de jetons par unité d’énergie ou par dollar de calcul, mesuré sur un matériel identique — n’existe pour aucun des deux modèles. Le graphique à l’appui de Reflection approxime les FLOPs à environ deux fois le nombre de paramètres actifs multiplié par le nombre de jetons générés, et précise dans sa propre légende que cela exclut le préremplissage, l’attention et les surcoûts de service. C’est une reconnaissance honnête d’une limite, et ce n’est toujours pas une mesure.

À quoi sert chacun

Tournez-vous vers Qwen3.8-Max lorsque vous avez besoin que la chose soit appelable et qu'elle rende des comptes. Il y a un tarif, un chiffre de contexte et un score indépendant, il lit les images aussi bien que le texte, et il répond sur une clé que vous pouvez détenir dès aujourd'hui. Les coûts sont honnêtes : il est cher, à 2,00 $ et 6,00 $ par million de tokens, et la mesure indépendante indique qu'il est lent pour sa catégorie, donc une charge de travail à fort volume remarquera les deux. Les poids ouverts de la génération existent, mais le checkpoint qui sous-tend l'appellation phare est sous licence personnalisée et à l'échelle d'un centre de données, si bien qu'auto-héberger exactement ce que vous achetez n'est pas la porte de sortie que cela laisse imaginer.

Optez pour Beam 1.0 lorsque vous voulez maîtriser toute la pile. Apache 2.0 avec trois niveaux de quantification, un contexte de 1 M de tokens, un budget de raisonnement toujours actif que vous réglez plutôt que d'activer ou de désactiver, et un tableau d'évaluation orienté vers le codage et les tâches agentiques. Le prix de cette maîtrise, c'est tout ce qui l'entoure : une facture de service que vous devez estimer vous-même, un nombre de paramètres qui rend l'estimation élevée, et aucun score indépendant auquel confronter le tableau du fournisseur — le chiffre de 30 de l'Intelligence Index est réel et provient d'un tiers, mais il s'agit d'un seul composite, et non d'une vérification benchmark par benchmark.

Et pour le cas mixte — une équipe qui veut les poids ouverts à terme mais a besoin d'un endpoint ce trimestre — la réponse habituelle est de faire les deux : faire passer le travail par un modèle servi à un tarif publié pendant que le déploiement auto-hébergé est construit et évalué sur vos propres tâches. OrcaRouter fait tourner plus de 200 modèles derrière une seule clé compatible OpenAI, avec basculement automatique entre les fournisseurs, de sorte qu'une version auto-hébergée peut prendre une fraction du trafic et rendre le reste lorsqu'elle se dégrade, et aucun second contrat n'est nécessaire pour essayer un modèle sur lequel vous ne vous êtes pas encore engagé.

Que regarder ensuite

Une seule chose change cette page, et c’est une seule ligne. Si Reflection ou un partenaire d’inférence publie un tarif Beam 1.0 — pour l’API, ou pour un déploiement hébergé FP8 ou NVFP4 — alors la comparaison se réduit à de l’arithmétique : 23,4 B de paramètres actifs contre 95 B (selon les rumeurs), deux scores d’index indépendants et deux prix. Voilà une page qui vaut la peine d’être lue. D’ici là, le résumé véridique est que Reflection a livré la moitié qu’il avait promise, A​libaba a livré la moitié qu’il avait tarifée, et les deux modèles attendent l’autre moitié.

Cet écart entre ce qu'un tableau de bord mesure et ce qu'un déploiement rencontre est la raison pour laquelle ce bilan compte : les défaillances documentées de l'IA et les incidents d'agents liés aux modèles de cette classe sont recensés dans the OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.