GPT-6.1 Sol contre Reflection Beam : l'affirmation d'un gain d'efficacité de 3 à 4×, et les tableaux de benchmarks qui la contredisent

Le chiffre le plus intéressant dans les éléments de lancement de Reflection Beam n’est pas un score de benchmark. L’annonce de Reflection du 2026-10-05 indique que Beam nécessite environ trois à quatre fois moins de FLOPs d’inférence que GLM 5.2 pour une qualité comparable — une revendication d’efficacité, formulée à l’encontre d’un rival nommément désigné, dans un marché où le coût par token est la contrainte sous laquelle la plupart des équipes opèrent réellement. C’est aussi une affirmation que les propres tableaux de benchmark de cette même annonce compliquent plutôt qu’ils ne la soutiennent : dans ces tableaux, Reflection Beam bat GLM 5.2 sur plusieurs suites et se fait devancer par GLM 5.3, Kimi K3 et d’autres sur DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp et DeepSearchQA. Comparez cela à GPT-6.1 Sol, la sortie d’Open​AI du 2026-09-29, et vous obtenez une comparaison entre un modèle dont l’efficacité est l’argument et un modèle dont l’efficacité est déjà tarifée, mesurée et publiée.

Les deux modèles sont des sorties de niveau frontière de 2026, datant respectivement d’octobre et de fin septembre, et la différence dans ce que l’on peut dire de chacun d’eux constitue la substance de cet article. Tout ce qui suit provient des documents de lancement de Reflection, des pages de modèle et de tarification d’OpenAI, de nos propres fiches de catalogue et de mesures indépendantes d’Artificial Analysis, consultés le 2026-10-12. Lorsqu’un chiffre est celui du fournisseur et que personne ne l’a reproduit, la phrase qui le contient le précise.

Ce qu’est Reflection Beam, pour autant que quiconque en dehors de Reflection le sache

Beam est un modèle de mélange d'experts de 501 milliards de paramètres, dont 23 milliards de paramètres actifs par token. Ce ratio est la décision de conception qu'il vaut la peine de remarquer avant toute autre chose : un MoE 501B/23B est conçu pour être peu coûteux à servir, car seule une petite fraction du réseau s'exécute pour un token donné. L'affirmation d'efficacité dans l'annonce n'est pas une surprise ajoutée après coup à l'architecture — c'est l'objectif déclaré de l'architecture.

• Paramètres totaux et actifs — 501 B au total, 23 B actifs par token, mélange d'experts.

• Modalité — texte uniquement. Pas de vision, pas d'audio, pas d'entrée d'image.

• Contexte — 256 000 tokens dans l’API bêta, avec une sortie maximale de 128 000 tokens et une date de coupure des connaissances au 2026-06-30.

• Poids — non publiés. Reflection a déclaré que les poids seraient publiés sous Apache 2.0 plus tard en octobre, ce qui constitue la question ouverte la plus lourde de conséquences concernant ce modèle et la raison pour laquelle le lancement est, en pratique, un aperçu.

• Prix — aucun tarif publié. Il n'existe pas de grille tarifaire pour l'API de Beam, donc aucun chiffre de coût la concernant n'apparaît nulle part dans cet article, et toute comparaison fondée sur une arithmétique par token doit laisser sa colonne vide.

• Benchmarks indépendants — aucun. Artificial Analysis n’a pas de ligne pour Reflection Beam, donc chaque score dans la section ci-dessous provient de la propre exécution de Reflection, avec ses propres références de base jointes.

Les tables des fournisseurs, lues honnêtement

Reflection a publié un ensemble de comparaisons de benchmarks en même temps que le lancement, et la manière honnête de les rapporter est de dire ce qu’elles montrent dans les deux sens, car elles ne montrent pas une seule direction.

• Là où Beam gagne. Sur les suites que Reflection a choisi de mettre en avant, Beam surpasse GLM 5.2 — le modèle contre lequel l'argument d'efficacité est avancé. Pris au pied de la lettre, c'est un résultat authentique : une meilleure sortie pour environ un quart à un tiers du coût d'inférence constitue une position solide pour quiconque sert à grande échelle.

• Là où Beam perd. Les mêmes tableaux placent Beam derrière GLM 5.3, Kimi K3 et d'autres modèles actuels sur DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp et DeepSearchQA. Ce ne sont pas des suites périphériques ; ce sont les benchmarks d'ingénierie logicielle, d'utilisation d'outils et de recherche approfondie qui déterminent si un modèle est utilisable comme agent autonome.

Lus ensemble, les textes sont cohérents et plus restreints que « l’état de l’art » : Beam apparaît comme une solide sortie de modèle ouvert qui surpasse la génération précédente sur le terrain choisi d’Orion et ne surpasse pas la génération actuelle sur le terrain agentique. C’est une chose légitime qu’un modèle soit. Ce n’est pas la même chose que le meilleur modèle disponible pour l’agentique, et le cadrage de l’annonce invite à le.

Un point structurel à propos du chiffre d'efficacité lui-même, puisque c'est le chiffre phare. Une comparaison de FLOPs par token avec un autre modèle est une propriété de l'architecture et de la configuration de service, et non de la qualité du résultat — et « 3 à 4× moins de FLOPs » est une donnée mesurée par le fournisseur, sans reproduction indépendante. C'est une raison raisonnable de s'attendre à ce que Beam soit peu coûteux à servir. Ce n'est pas une preuve que Beam soit peu coûteux à utiliser, et la différence entre ces deux choses constitue l'intégralité de la discussion sur les coûts de cette page : un modèle qui dépense plus de tokens pour parvenir à une réponse peut être à la fois moins cher par FLOP et plus cher par tâche.

Le côté livré de la comparaison

Voici l’asymétrie que cet article vise à documenter. GPT-6.1 Sol est entré en service sur l’API d’OpenAI le 2026-09-29. Il dispose d’une grille tarifaire publiée — 2,00 $ par million de jetons d’entrée, 10,00 $ par million de jetons de sortie, 0,10 $ pour les entrées mises en cache, 2,50 $ pour les écritures de cache — d’une fenêtre de contexte documentée de 1 050 000 jetons, d’une sortie maximale de 128 000 jetons, et d’une ligne indépendante dans l’Intelligence Index à 52 en effort de raisonnement maximal, avec un coût d’exécution de 0,72 $ par tâche.

Ce chiffre de coût est celui qu'il vaut la peine d'opposer à l'affirmation de Reflection concernant les FLOPs. 0,72 $ par tâche n'est ni un décompte de FLOPs ni une grille tarifaire ; c'est ce que coûte le travail une fois terminé, mesuré par un tiers qui a exécuté le modèle. C'est le chiffre qu'il faudrait battre pour que l'argument d'efficacité de Beam porte comme argument d'achat — et Beam n'a pas de chiffre équivalent, car Beam n'a ni prix publié ni exécution indépendante.

Deux autres différences sont aujourd’hui concrètes et vérifiables :

• Contexte et sortie — GPT-6.1 Sol documente 1 050 000 tokens de contexte contre 256 000 pour Beam en bêta, et les deux plafonnent la sortie à 128 000 tokens. Pour un travail à l'échelle d'un dépôt ou d'un ensemble de documents, cela représente une différence d'un facteur quatre sur la quantité de matière qui tient dans un seul appel.

• Modalité — GPT-6.1 Sol accepte le texte, les images et les fichiers ; Beam est uniquement textuel. Si votre pipeline lit des captures d'écran, des scans ou des schémas, Beam n'est pas un candidat, quels que soient ses scores.

Là où Beam dispose d’un argument auquel GPT-6.1 Sol ne peut structurellement pas répondre, c’est celui des poids ouverts. Si les poids Apache 2.0 arrivent selon le calendrier promis, un modèle 501B/23B dont le nombre de paramètres actifs est de 23B devient un candidat à l’auto-hébergement d’une manière qu’un modèle propriétaire ne sera jamais. Vingt-trois milliards de paramètres actifs est un nombre sur lequel une équipe bien équipée peut raisonner ; le contexte de 256 000 tokens en bêta et l’absence de poids publiés expliquent pourquoi cet argument doit attendre la sortie réelle plutôt que d’être tranché au lancement.

Qui devrait agir sur quel modèle, maintenant

La réponse concrète varie selon ce que vous achetez, et la distinction est assez nette pour être énoncée directement.

Si vous avez besoin d'un modèle en production cette semaine pour le codage agentique, l'utilisation d'outils ou le traitement de documents à contexte long, le modèle disponible est GPT-6.1 Sol et la décision porte sur son prix, non sur son existence. Son tarif de sortie est le compteur qui compte, son tarif d'entrée en cache est inhabituellement bas à 0,10 $ par million, et au-delà de 272 000 jetons d'entrée, la requête entière est retarifée à la hausse — un seuil qu'il vaut la peine d'intégrer à votre conception avant de passer à l'échelle avec une boucle qui lit un gros préfixe. Il figure dans notre catalogue aux tarifs publics d'Open​AI avec 0 % de marge, donc le tarif affiché sur la fiche est celui de la facture, et une modification de prix du fournisseur apparaît dans le catalogue le jour même, plutôt qu'après le cycle de mise à jour d'un revendeur : https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Si votre intérêt pour Beam porte sur la publication open-weights plutôt que sur l'API bêta, ce qu'il faut surveiller, c'est la publication sous Apache 2.0 que Reflection a promise pour la fin de ce mois. Tant que les poids n'existent pas, chaque chiffre de capacité dans cet article est celui du fournisseur, le prix est inconnu, et ni un plan d'auto-hébergement ni une comparaison des coûts ne peut être finalisé. S'il sort selon le calendrier prévu, Beam devient immédiatement intéressant comme palier efficace dans une configuration à deux modèles — et c'est une configuration qu'un point de terminaison avec basculement automatique sur plus de 200 modèles gère sans seconde intégration, ce qui est l'argument en faveur de l'essai d'un modèle non éprouvé sur une couche de routage plutôt que de lui confier un chemin de production.

Reflection Beam n'est pas quelque chose que nous proposons. Lorsque ses poids et son API s'ouvriront correctement, il sera, comme la plupart des versions ouvertes, sur la plateforme du fournisseur lui-même et sur plusieurs services tiers — et cette page vaudra alors la peine d'être réécrite, car les deux choses qu'elle ne peut actuellement pas dire, ce que coûte Beam et quels résultats il obtient lorsque quelqu'un d'autre que son fabricant l'exécute, sont exactement les deux choses dont dépend la réponse.