Beam vs Beam 1.0 : le numéro de version qui n’est pas une version

Recherchez deux noms de modèles qui ressemblent à un produit et à son prédécesseur — Beam et Beam 1.0 — et vous trouverez une comparaison qui n'existe pas. Il n'existe pas de Beam 1.0 qui aurait succédé à un Beam antérieur, aucun Beam 1.1 en attente derrière lui, et aucun checkpoint plus ancien qu'un lecteur pourrait encore exécuter. Reflection a publié un modèle à poids ouverts en octobre 2026, l'appelle Beam dans ses propres textes, et classe les dépôts et le point de terminaison hébergé sous l'identifiant Beam-1.0-501B-A23B. Les deux étiquettes désignent le même mélange d'experts creux de 501,3 milliards de paramètres. Le numéro de version est une étiquette de distribution, pas une génération.

Cela ressemble à une note de bas de page. Ce n'en est pas une, car le suffixe de version est la partie qui se propage. Il se retrouve dans les identifiants de modèle, dans la configuration des routeurs, dans les tableaux de bord de coûts, dans la feuille de calcul où quelqu'un compare des options de fournisseurs et ne peut pas dire si la ligne intitulée Beam et la ligne intitulée Beam 1.0 sont deux options ou une seule dupliquée par un import défectueux. Clarifier l'identité est tout l'objet de la comparaison, et cela s'avère plus utile qu'une fiche technique : cela vous indique comment l'objet se comportera dans un catalogue, et ce qu'il faut vérifier avant de l'intégrer à quoi que ce soit.

D'où vient réellement chaque libellé

La division n'est pas arbitraire. Chaque forme a une origine, et savoir laquelle est laquelle est ce qui vous permet de reconnaître le même modèle apparaissant sous deux noms :

• « Beam » — le nom d'usage du fournisseur. Le billet de lancement s'intitule « Introducing Beam: Reflection's 501B open-weight model », le billet de disponibilité du 16 octobre s'intitule « Beam is now available », et la collection Hugging Face est beam-10. C'est aussi le nom qu'a adopté l'écosystème des frameworks : le cookbook SGLang le répertorie sous son intitulé de fournisseur comme « Beam 1.0 — New », et le compte du projet qui l'exploite en production dit « Beam ».

• « Beam-1.0-501B-A23B » — l’identifiant machine. C’est l’ID de modèle sur le point de terminaison compatible OpenAI de Reflection, et il encode les trois mêmes informations dont un développeur a besoin : un modèle, première version, 501 milliards de paramètres au total, 23 milliards actifs. Les traits d’union sont essentiels ; c’est une chaîne à coller, pas un nom à rechercher.

• « Beam 1.0 » — le rendu lisible par l’humain de cet identifiant, et la forme qui apparaît dans les listes de catalogues, les pages d’annuaire de modèles et les résumés de tiers. C’est ce que vous obtenez lorsqu’un identifiant est embelli pour une liste déroulante.

Donc, les deux termes de recherche ne sont pas deux modèles. Ce sont le mot du fournisseur et la restitution par le catalogue d’un même nom de dépôt.

La conséquence qui fait vraiment mal : la correspondance par nom

Tout ce qui se trouve en aval de cela — règles de routage, listes d’autorisation, exports de facturation, harnais d’évaluation — s’appuie sur la chaîne, et la chaîne n’est pas stable selon les endroits où vous la collerez. Trois pièges pratiques en découlent, et aucun n’est hypothétique :

• Une règle écrite pour « Beam » ne correspondra pas à « beam-1.0-501b-a23b », et une règle écrite pour l’identifiant ne correspondra pas à un catalogue qui a stocké le nom d’affichage. La casse et la ponctuation varient selon la plateforme, et rien ne les réconcilie pour vous.

• Un tableau de bord des coûts qui regroupe par nom d’affichage présentera un seul modèle comme deux lignes dès qu’un fournisseur modifiera son affichage, et les totaux ne correspondront pas à votre facture.

• Un tableur comparatif construit en recherchant les deux termes comptera deux fois le modèle, ce qui est précisément l’erreur que cet article a pour but de prévenir. Si vous avez une ligne pour Beam et une ligne pour Beam 1.0, vous avez un modèle et deux lignes.

Le correctif n’a rien de glamour : on fixe l’identifiant, on traite le nom affiché comme une étiquette, et on fait reposer toute comparaison de prix ou de benchmark sur l’identifiant plutôt que sur ce qu’indiquait le menu déroulant. Cela vaut aussi pour la question des tarifs — Beam 1.0 n’a aucun tarif publié par million de tokens, ni sur l’endpoint ni dans l’annonce, donc il n’y a encore aucun chiffre à mettre dans l’une ou l’autre ligne.

La version qui, elle, présente de véritables différences

Il y a un véritable ensemble de distinctions dans cette version, et aucune d’elles ne réside dans le nom du modèle. Elles résident dans l’artefact que vous récupérez, et c’est précisément là que pointe une requête « Beam vs Beam 1.0 » :

• BF16 vs FP8 vs NVFP4 — 933,81 Gio répartis sur 188 fragments safetensors, 468,72 Gio en E4M3, ou une version 4 bits empaquetée à 273 Gio. Même total de 501,3 B et 23,4 B actifs dans les trois cas ; la différence tient à l’exigence matérielle minimale qu’implique chaque option, de 16 GPU à quatre B300 en NVLink.

• Base face au drafter — DFlash2 est un modèle de décodage spéculatif distinct de 1,93 milliard de paramètres, publié dans son propre dépôt, et non une variante de Beam. Un déploiement sans lui n’est pas « Beam 1.0 sans la mise à jour », c’est le même modèle décodé différemment.

• Hébergé ou téléchargeable — un seul identifiant, deux modes de diffusion : le checkpoint sous Apache 2.0, et un point de terminaison compatible avec OpenAI avec raisonnement obligatoire, des niveaux d’effort allant de low à max, max étant la valeur par défaut, et des limites à l’échelle de l’organisation partagées entre toutes les clés.

Si deux équipes ne sont pas d’accord sur « quel Beam 1.0 » elles utilisent, le désaccord porte presque toujours sur l’un de ces trois axes plutôt que sur un numéro de version.

Lire les chiffres du fournisseur à la bonne date

Un autre élément change entre les libellés, et il s'agit d'une véritable source de confusion plutôt que d'un artefact de dénomination. Reflection a publié son tableau de benchmarks plus d'une fois, et les chiffres ont évolué entre les versions de la page. L'annonce du 5 octobre en comportait un jeu ; une note sur ce même billet signale une mise à jour du 8 octobre ; la fiche du modèle dans son état actuel reflète les chiffres actuels. Les différences sont faibles et portent principalement sur le troisième chiffre significatif — une configuration de SWE Bench Pro v2-Hard affiche 77,2 dans le tableau précédent et 78,6 sur la fiche actuelle —, mais elles sont suffisamment importantes pour que deux articles citant « le chiffre du fournisseur » puissent être en désaccord tout en étant exacts à leur date.

Ce qui n’a pas bougé, c’est la forme du résultat. Tous les chiffres ci-dessous sont rapportés par le fournisseur et non reproduits par nos soins, mesurés à une température de 0,7 et avec top_p 0,99, et les trois précisions sont indiquées parce que l’écart entre elles fait partie de l’histoire :

• SWE Bench Verified — 81,6 BF16, 80,2 FP8, 80,7 NVFP4. Le chiffre phare pour le codage, et celui que la précision n’affecte presque pas.

• Terminal Bench v2.1 — 80,1 BF16, 78,9 FP8, 78,4 NVFP4. Travail terminal agentique, où la version FP8 perd environ un point et demi.

• AIME 2026 — 97,7 BF16, 98,0 FP8, 97,5 NVFP4. Pratiquement saturé dans chaque précision, ce qui en fait un faible discriminant entre elles.

• GPQA Diamond — 90,6 BF16, 90,3 FP8, 89,3 NVFP4. L'exemple le plus évident de la version NVFP4 qui perd du terrain, environ 1,3 point.

Le schéma récurrent est que la quantification coûte peu sur les benchmarks de codage et de raisonnement, et un peu plus sur ceux où les connaissances pèsent lourd, FP8 dépassant parfois purement et simplement BF16 — ce qui incite à choisir une précision pour des raisons matérielles plutôt que pour des raisons de classement. C'est aussi une raison de noter la table que vous avez citée. Une ligne intitulée « Beam » et une ligne intitulée « Beam 1.0 » peuvent contenir des nombres réellement différents sans qu'aucune des deux soit erronée, et le suffixe de version n'est pas ce qui les distingue. C'est la date.

Ce que cela signifie si vous devez choisir entre eux

Il n’y a aucune décision à prendre entre Beam et Beam 1.0, car il n’y a qu’un seul modèle. La décision qui se présente réellement à vous comporte trois parties, et chacune a une réponse :

• Si vous avez besoin d'un checkpoint ouvert sur votre propre matériel — une option, trois précisions, et le choix entre elles est une question de matériel. Quatre B300 pour NVFP4, huit H200 pour FP8, seize appareils pour BF16, et le nombre d'appareils doit diviser 256 experts.

• Si vous avez besoin d’un point de terminaison hébergé — l’API first-party est la seule à disposer d’un contrat documenté, et elle n’a actuellement aucun prix publié, ce qui signifie qu’une comparaison d’approvisionnement ne peut pas encore être réalisée sur le critère du coût.

• Si vous en avez besoin à côté des modèles que vous appelez déjà — Beam 1.0 ne fait pas partie de nos routes, donc nous ne pouvons pas le servir pour vous, et rien ici ne doit être interprété comme une affirmation de disponibilité de notre part. Ce que nous pouvons faire, c’est garder peu coûteuse la décision autour de ce point. OrcaRouter utilise une seule clé compatible OpenAI sur plus de 200 modèles, avec le prix catalogue du fournisseur répercuté sans rien ajouter, et un basculement automatique entre fournisseurs, de sorte qu’un pilote Beam 1.0 côtoie le trafic de production au lieu de le remplacer, et que le chemin de repli soit une règle de routage plutôt qu’une migration.

Les modèles sur lesquels le fallback se rabattrait le plus vraisemblablement, d'après notre propre catalogue et leurs grilles tarifaires publiées :

• GLM-5.2 — 1,40 $ par million de jetons d'entrée et 4,40 $ par million de jetons de sortie, avec une fenêtre de 1 000 000 de jetons. Le modèle au regard duquel Reflection mesure sa propre affirmation d'efficacité.

• Kimi K3 — 3,00 $ par million de tokens en entrée, 0,30 $ pour les tokens en cache, 15,00 $ en sortie, avec une fenêtre de 1 048 576 tokens. Le billet de lancement de Reflection admet que K3 conserve une avance en matière de capacités brutes.

• Qwen3.8-Max — 2,00 $ par million de tokens en entrée et 6,00 $ en sortie, avec une fenêtre de 1 000 000 de tokens, l’alternative propriétaire phare à l’achat de capacité Blackwell.

Que regarder à la place d'un Beam 2.0

Trois choses feraient de cette comparaison une véritable comparaison, et aucune d'entre elles n'implique un nouveau numéro de version.

Le premier est une grille tarifaire. Tant que Reflection ne publie pas un prix par million de tokens sur l'endpoint, comparer hébergé et auto-hébergé revient à opposer un montant de capital à rien, et aucune discipline de nommage ne corrigera cela.

Le deuxième est la mesure indépendante. Artificial Analysis répertorie le modèle avec un Intelligence Index de 30, aucun chiffre de vitesse et aucun prix, et ne recense aucune API accessible publiquement — la surface hébergée n'est pas encore visible pour les organisations qui mesurent ces choses. Son unique point de données indépendant en matière d'efficacité, 79 M de tokens de sortie générés sur l'ensemble de l'Intelligence Index contre une médiane de 130 M, étaye l'affirmation du fournisseur de « moins de tokens de raisonnement » sans confirmer le débit qui la sous-tend.

Le troisième point est de savoir si le libellé finit par diverger. Un « Beam 2.0 » qui correspond à un checkpoint différent donnerait enfin un sens au suffixe de version, et le jour où cela arrivera, une requête comme celle-ci cessera de relever de l’hygiène de nommage pour relever de la différence entre deux modèles. Aujourd’hui, c’est une question du premier type. Quiconque compare Beam à Beam 1.0 compare un modèle à son propre nom de dépôt — et le résultat utile de cette comparaison est une note vous invitant à utiliser Beam-1.0-501B-A23B comme clé de votre configuration et à cesser de chercher les deux graphies.

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.