Beam 1.0 : Reflection a publié les poids en open source, et Artificial Analysis lui a attribué la note de 30

Deux choses sont arrivées à Beam 1.0 de Reflection cette semaine, et elles pointent dans des directions opposées. Le modèle — Beam 1.0-501B-A23B, un système de mélange d'experts clairsemé avec 501 milliards de paramètres au total et 23 milliards actifs par token — n'est plus une promesse : les poids sont sur Hugging Face sous Apache 2.0, la build NVFP4 de 273 GiB est téléchargeable dès maintenant, et il existe une API first-party avec un contrat documenté et une véritable page de limitation de débit. En même temps, le premier chiffre indépendant que quiconque ait publié à son sujet est 30 sur l'Artificial Analysis Intelligence Index — dix-neuvième sur 120 modèles évalués sur la version v4.3.2 de l'index, et au-dessus de la médiane de 19 qu'Artificial Analysis enregistre pour des modèles open-weight comparables de taille similaire. Les éditeurs ayant publié un modèle peuvent généralement choisir lequel de ces deux faits domine. Ici, les deux sont vrais en même temps, et la lecture honnête est que Beam 1.0 est arrivé moins cher que prévu mais a obtenu un score inférieur à ce que son propre article de lancement laissait entendre.

Ceci fait suite à notre précédente couverture, et le cadrage est délibéré : Beam 1.0 n’est pas nouveau. Reflection l’a annoncé le 5 octobre 2026 et a mis à jour ses tableaux de benchmarks le 8 octobre. Ce qui a changé au cours des sept derniers jours, c’est tout ce dont un acheteur a réellement besoin — les poids, l’hébergement, une API, les limites et une mesure externe. Si vous avez lu la couverture du lancement et avez décidé d’attendre, la raison d’attendre a disparu.

Ce qui a réellement été livré cette semaine

L'article « Beam est désormais disponible » de Reflection est daté du 16 octobre 2026 et il comble l'écart qui rendait l'article de lancement si évasif. Le 5 octobre, les poids étaient quelque chose que Reflection disait qu'elle « publierait ». Depuis cette semaine, ils existent, en trois précisions, plus un modèle de draft pour le décodage spéculatif :

• BF16 — 501,3 milliards de paramètres répartis sur 188 shards safetensors, téléversés dans le dépôt reflection/Beam-1.0-501B-A23B le 7 octobre, puis révisés depuis.

• FP8 — même nombre de paramètres de 501,3B en E4M3, 468,72 GiB sur disque.

• NVFP4 — un build 4 bits empaqueté de 273 GiB, celui que les propres guides de serving de Reflection vous disent de télécharger.

• DFlash2 — un ébaucheur de décodage spéculatif de 1,93 milliard de paramètres, téléversé le 13 octobre, publié en tant que dépôt distinct et documenté comme sa propre optimisation de service.

Les quatre portent l’étiquette apache-2.0, et le fichier de licence se trouve dans le dépôt plutôt que dans une phrase de blog, ce qui fait la différence entre une licence et une promesse. Reflection déclare également qu’il ne restreint pas la distillation, le fine-tuning, la quantification ou la fusion.

Le récit du serving est tout aussi concret. Il y a une prise en charge dès le jour zéro dans Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed et NVIDIA Dynamo, et la documentation de Reflection contient des guides pas à pas pour SGLang, vLLM, TokenSpeed ainsi qu'un chart Helm pour Kubernetes. L'exigence d'auto-hébergement de référence est de quatre GPU NVIDIA B300 SXM sur NVLink — une seule machine, pas un cluster, ce qui est un seuil bien plus bas que ce qu'implique normalement un modèle 500B et découle directement du ratio d'activation de 23B.

Il existe également un outil de vérification. La CLI open source beam-verifier exécute une suite de conformité contre n'importe quel point de terminaison Beam en direct, puis l'évalue sur les principaux benchmarks afin que vous puissiez comparer votre déploiement, ou celui d'un fournisseur, aux scores de référence de Reflection. Tout ce qui permet à un acheteur de vérifier les chiffres d'un fournisseur plutôt que de leur faire confiance mérite d'être connu.

Le premier score externe, et ce n'est pas le numéro du post de lancement

Artificial Analysis classe Beam 1.0 avec un Indice d’intelligence de 30, au 19e rang sur 120. La même fiche indique que le modèle a utilisé 79 M de jetons de sortie sur l’ensemble de l’Indice — « #10 / 46 », contre une médiane de 130 M —, ce qui constitue la première apparition de l’argument d’efficacité en jetons dans un banc d’essai indépendant. Artificial Analysis n’affiche par ailleurs ni tarification ni vitesse pour Beam, car à l’heure où ces lignes sont écrites, le site indique encore « Aucune API accessible publiquement » pour ce modèle, en renvoyant uniquement à l’auto-hébergement. Cet écart est en soi une information : l’API existe, mais pas encore sous une forme que les sociétés de mesure ont reprise.

Lisez attentivement ce 30. Il ne s'agit pas d'un verdict sur le tableau de référence du fournisseur — les deux mesurent des choses différentes sur des harnais différents. La fiche modèle de Reflection, publiée avec les poids, rapporte 81,6 % sur SWEBench Verified, 80,1 % sur Terminal Bench v2.1 et 90,6 % sur GPQA Diamond pour le checkpoint BF16, et le billet de lancement précise explicitement que des modèles de pointe comme Kimi K3 restent en tête sur la capacité brute, l'argument de Beam étant « l'efficacité au moment de l'inférence » plutôt qu'une parité au sommet. Ces chiffres restent déclarés par le fournisseur et, pour autant que nous puissions en juger, personne ne les a encore reproduits. Mais la mise à disposition d'un endpoint public ainsi que de la CLI de vérification est précisément ce qui rend la reproduction possible, et un 30 sur un index de 120 modèles est le premier chiffre de cette histoire que Reflection n'a pas produit.

Le prix, les limites et ce qu’elles signifient par tâche

The API side is now documented rather than waitlisted. The endpoint is https://api.reflection.ai/openai/v1, O​penAI-compatible for Chat Completions and Models, with a native base URL at api.reflection.ai/v1 if you want Reflection's own shape. Model ID: Beam-1.0-501B-A23B. The docs give the served limits precisely, and they are narrower than the 1M-token training figure that circulated at launch:

• Fenêtre de contexte — 1 048 576 jetons, avec une sortie maximale de 131 072 jetons et une valeur par défaut pour max_tokens de 32 768.

• Raisonnement — obligatoire, pas facultatif. Les niveaux d’effort pris en charge sont low, medium, high, xhigh et max, max étant la valeur par défaut. Les tokens de raisonnement sont comptabilisés dans vos limites de débit.

• Capacités — raisonnement, appel d’outils et sorties structurées, texte en entrée et texte en sortie.

• Limites de débit — mesurées par organisation en requêtes et en jetons par minute et par jour UTC, avec des plafonds de requêtes simultanées et une allocation quotidienne de jetons facultative. Les dépassements renvoient un 429 avec soit rate_limit_exceeded soit daily_allowance_exhausted, et lorsque l'allocation quotidienne est épuisée, la réponse définit x-should-retry: false, de sorte que les boucles de nouvelle tentative naïves tourneront simplement à vide.

Ce que la documentationnefournit pas, c'est un prix public par million de tokens. L'annonce de Reflection indique seulement qu'il est « gratuit au démarrage », et ni la documentation ni l'annonce ne publient de grille tarifaire. C'est la ligne qui manque encore au tableau, et c'est celle qui décide si l'argument d'efficacité signifie quoi que ce soit sur une facture. Un modèle qui raisonne à chaque requête, utilise par défaut l'effort maximal et revendique un calcul d'inférence 3 à 4 fois inférieur à celui de GLM 5.2 en raisonnement avancé n'est pas la même proposition à 0,50 $ par million de tokens de sortie qu'à 5,00 $ — et personne en dehors de Reflection ne peut actuellement dire dans quel cas on se trouve.

Deux mises en garde pratiques issues de la documentation méritent d’être prises en compte pour un pilote. Premièrement, l’effort par défaut est max, donc la configuration prête à l’emploi est la plus coûteuse ; une intégration soucieuse des coûts devrait définir reasoning_effort explicitement dès le premier appel. Deuxièmement, les limites sont par organisation et partagées entre les projets et les clés — l’ajout de clés ne les augmente pas, c’est le genre de détail qui ne vous rattrape qu’après avoir déjà construit la deuxième intégration.

Où il se situe par rapport aux modèles auxquels vous le compareriez réellement

La comparaison intéressante n'est pas avec les modèles phares de la frontière, où Reflection concède le point, mais avec les modèles à poids ouverts par rapport auxquels Beam est positionné en prix et en taille. Sur notre propre catalogue aujourd'hui :

• GLM 5.2 — contexte de 1 M, 1,40 $ par million de jetons d'entrée et 4,40 $ par million de jetons de sortie, entièrement servi.

• Kimi K3 — contexte de 1 048 576 jetons, 3,00 $/15,00 $, et le propre tableau du modèle Reflection le place en tête sur Terminal Bench.

• Qwen 3.8-Max — 1 M de contexte, 2,00 $/6,00 $, la classe 2T-plus sur laquelle Beam revendique un avantage d’efficacité plus important.

L'argument de vente de Beam est qu'il approche GLM 5.2 en matière de raisonnement avancé pour une fraction des ressources de calcul d'inférence. Si cela se vérifie dans un harnais d'évaluation indépendant, cela vaut de vraies sommes d'argent lorsque le volume de requêtes est élevé. Le chiffre de verbosité de 79M de tokens est la première preuve que cela pourrait bien être le cas. C'est le prix manquant qui vous empêche encore de terminer le calcul.

C'est aussi le cas de figure où le routage élimine l'essentiel du risque de se tromper. Beam ne figure pas dans notre catalogue au moment de la rédaction de ces lignes, nous ne pouvons donc pas vous le fournir — mais tous les modèles ci-dessus y sont, derrière une seule clé compatible OpenAI avec le prix catalogue du fournisseur répercuté tel quel et sans marge, de sorte qu'une baisse de tarif d'un fournisseur se répercute sur votre facture le jour même, et non au prochain contrat. Le réflexe à adopter est de garder votre chemin de production sur un modèle dont la grille tarifaire est publiée et de placer la bêta publique de Beam derrière une règle de routage, afin qu'une API propriétaire non éprouvée ne devienne jamais un point de défaillance unique. Le basculement automatique fait le reste : si la bêta vous applique une limite de débit avec un 429 à 02:00, la requête atterrit ailleurs, là où cela ne se produira pas.

Qui devrait bouger, et sur quelles preuves ?

Si votre contrainte est celle de poids ouverts et d’une licence permissive, cette semaine est la semaine où la réponse est devenue oui plutôt que bientôt. Apache 2.0, trois précisions, une version de 273 GiB qui tient sur un seul nœud B300 à quatre GPU, la prise en charge de vLLM et SGLang dès le premier jour, un vérificateur pour contrôler votre propre déploiement, et aucune restriction sur le fine-tuning ou la distillation. Pour quiconque avait pour blocage « les poids ne sont pas disponibles », ce blocage a disparu, et l’auto-hébergement élimine entièrement la question du prix de l’API.

Si votre contrainte est une dépendance de production à un point de terminaison hébergé, soyez plus prudent. L’API est réelle et documentée, mais elle a été lancée cette semaine, elle applique des limites à l’échelle de l’organisation qu’une deuxième clé ne fera pas augmenter, elle raisonne à effort maximal par défaut, et son prix n’est pas publié. Exécutez la suite de conformité du vérificateur contre elle avant de lui confier quoi que ce soit qui a une échéance.

Si votre contrainte est la capacité à la frontière, rien cette semaine ne change votre réponse. Un 30 sur l’Intelligence Index, un tableau publié par un fournisseur qui cède du terrain à Kimi K3 sur Terminal Bench et à GLM 5.2 sur AIME, et aucune réplication indépendante des chiffres phares donnent un modèle qui vaut la peine d’être essayé, pas un modèle sur lequel parier.

La seule chose à surveiller pour la suite, c’est le prix. Reflection a livré la moitié difficile d’un lancement — les poids, les stacks de serving, la documentation et un point de terminaison public — et a laissé la moitié facile, une grille tarifaire, non publiée. Quand ce chiffre sera connu, l’affirmation d’une efficacité de 3 à 4× deviendra un tableur plutôt qu’un slogan, et la comparaison avec GLM 5.2 ou Kimi K3 deviendra une décision plutôt qu’un débat sur la méthodologie.

Un résultat comme celui-ci rappelle aussi que les erreurs de modèle sont déjà documentées : les incidents d'IA et les défaillances d'agents liés aux modèles de cette catégorie sont recensés dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son degré de gravité, sa note de confiance et son indicateur de contestation.