Beam 1.0 לעומת Clef Flash: האחד כותב קוד, השני אינו מסוגל לכתוב משפט
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 61 tok/s
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 76 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 723 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 36 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 821 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040אינטליגנציה
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 109 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 לכל 1M טוקנים · 185 tok/s
העמידו Beam 1.0 וClef Flash זה לצד זה וההשוואה נראית אבסורדית עד שמבחינים במה היא באמת עוסקת. Beam 1.0 הוא מודל mixture-of-experts של Reflection עם 501.3 מיליארד פרמטרים, ששוחרר עם משקולות Apache 2.0 ב-16 באוקטובר 2026 ונבנה לקידוד, להסקה ולעבודה סוכנית באופק ארוך; הוא קורא טקסט וכותב טקסט. Clef Flash של Cloudflare הוא מודל עם 9 מיליארד פרמטרים שאין לו כלל נתיב פלט טקסטואלי — לא נתיב ירוד, אלא פשוט אין. הוא מקבל מצב בתוספת סכמה של שאלות עם טיפוסים ומחזיר הסתברות לכל תשובה מותרת. כל עמוד שמדרג את השניים זה מול זה לפי ציוני בנצ'מרק לא הבין את שניהם. השאלה המועילה היא איזו משבצת בצינור כל אחד מהם ממלא, כי במערכת בנויה היטב הם אינם יריבים; הם שלבים סמוכים.
כדאי להבין את הצמידות הזו במדויק, כי היא מסבירה סוג של כשל ייצור שאף בנצ'מרק של מודל בודד לא חושף: המנתח שחיברת למודל צ'אט כי זה היה הדבר היחיד שהיה לך, והתשובה החמישים ואחת מתוך מאה שלא התאימה לסכימה שלך.
מה שכל מודל למעשה מחזיר
התחל מצורת הפלט, כי כל השאר נובע ממנה.
• Beam 1.0 — טקסט חופשי, עם הנמקה מחייבת. רמות המאמץ הנתמכות הן low, medium, high, xhigh ו-max, ו-max היא ברירת המחדל, כך שתצורת ברירת המחדל מנמקת במשך הזמן הארוך ביותר. הנמקה, קריאה לכלים ופלטים מובנים נתמכים כולם, ופלטים מובנים יחד עם סכמת JSON הם הדבר הקרוב ביותר ש-Beam מגיע אליו להחזרה מוגבלת.
• Clef Flash — התפלגות מעל קבוצת תשובות מוצהרת. התיעוד של Cloudflare מתאר מעבר קדמי שמעניק ציון לכל אפשרות מותרת; אין שלב יצירה ולכן אין שלב פענוח. המסגור של הספק עצמו הוא שזהו מודל החלטה, והמוצר השני בהשקה היה פלטפורמת כוונון עדין בלמידת חיזוק לבניית עוד כאלה.
ההבדל המעשי הוא מה קורה כשהקלט מחוץ לתחום. מודל טקסט שנשאל משהו שמחוץ ליכולתו יפיק prose בטוח, והמערכת שלך צריכה לשים לב לכך. Clef Flash יפיק הסתברויות שמסתכמות לאחת על פני האפשרויות שנתת לו, כלומר קלט מחוץ לתחום יופיע כהתפלגות שטוחה ולא כמשפט סביר — בתנאי שבנית סף לכך, דבר שהספק אינו מספק. הטבלה שפרסמה Cloudflare בעצמה מציגה את המקרה הזה כתא החלש ביותר של המודל.
ההערכות אינן חופפות, וזהו הממצא
הציונים של Clef Flash מגיעים מ-Jev Decision Index ומאוסף סוויטות ייעודיות להחלטות, כולן מורצות על ידי Cloudflare, וכמה מהן מורצות מול הבנצ'מרק של מתחרה — Jev מפורסם על ידי TypeSafe, הספק של המודל שמולו נמדד Clef Flash. בסוויטות האלה המספרים חזקים: BFCL case-exact 98.8, API-Bank 93.1, סימולציית מכשירי בית ב-97.7, ContractNLI macro-F1 84.3, RouterBench 79.9. Clef Flash עוקף את Clef 27B הגדול יותר ב-BFCL, ב-API-Bank ובסוויטת מכשירי הבית, באחרונה בארבע עשרה נקודות. שום דבר מזה לא שוחזר באופן עצמאי.
שיטת ההערכה של Beam שונה במהותה. כרטיס המודל של Reflection מדווח על בנצ'מרקים סוכניים והנדסת תוכנה — SWEBench Verified 81.6, Terminal Bench v2.1 80.1, DeepSWE v1.1 43.3, GPQA Diamond 90.6 על נקודת הבדיקה BF16 — כולם מדווחים על ידי הספק. המספר החיצוני היחיד הוא Artificial Analysis, שמציג את Beam 1.0 עם Intelligence Index של 30, במקום ה-19 מתוך 120 מודלים בגרסת המדד v4.3.2, ואינו רושם מחיר או מהירות כי הוא עדיין רואה "אין API זמין לציבור" עבור המודל. אין דבר בעמודה של Clef Flash שמתאים ל-Intelligence Index, ואין דבר בעמודה של Beam שמתאים לציון ראוטר מדויק ברמת המקרה. הם לא על אותו ציר.
מה שאפשר להשוות הוא מבנה העלויות, וכאן השניים נמצאים בקצוות מנוגדים. Cloudflare מארחת את Clef Flash ב-Workers AI במחיר של $0.038 למיליון טוקני קלט, כאשר טוקני פלט מחויבים באפס, כי אין כאלה — בערך שישית מ-$0.24 שאותו מחירון גובה עבור ה-27B Clef הגדול יותר, וממש מתחת ל-$0.042 שאנחנו גובים עבור מודל החלטות שעונה לאותו מבנה בקשה. ל-Beam 1.0 אין בכלל מחיר מפורסם למיליון טוקנים — התיעוד של Reflection כולל עמוד מלא של מגבלות קצב ואין בו מחירון. אירוח עצמי הוא המסלול היחיד עם תמחור, והוא מתחיל בארבעה מעבדים גרפיים מדגם NVIDIA B300.
היכן כל אחד מהם שייך במערכת אמיתית
התשובה הכנה היא ש-Clef Flash מחליף שלב שאתה כנראה מבצע בצורה גרועה, ו-Beam 1.0 מחליף שלב שאתה כנראה מבצע בעלות גבוהה.
היעד של Clef Flash הוא סיווג, ניתוב, שער וטריאז' בתוך לולאת סוכן — בכל מקום שבו הפלט הנכון הוא אחד מקבוצה ידועה של תוויות והמחיר של תשובה פגומה הוא חריגה במורד הזרימה. פרופיל ההשהיה המפורסם שלו, כ-38.8 ms בחציון ו-122.4 ms ב-p95, הוא החלק שקובע שם, מפני שהוא נמדד במשטר שבו זמן-עד-הטוקן-הראשון של מודל טקסט אינו.
המטרה של Beam 1.0 היא העבודה עצמה: לפתור בעיות ב-GitHub, לפעול ב-CLI, ולהריץ תהליכי עבודה רב-שלביים של כלים. הטיעון ש-Reflection מציג הוא יעילות טוקנים ולא יכולת שיא — כרטיס המודל טוען לאיכות פתרון דומה למודלים פתוחים מובילים בפי שלושה פחות טוקני חשיבה בזמן הסקה, והתמיכה החזקה ביותר לכך היא ש-Artificial Analysis רשמה 79M טוקני פלט עבור Beam ב-Intelligence Index מול חציון של 130M, עשירי מתוך ארבעים ושישה במדד זה. בהרצת סוכן ארוכה שבה כל תור משחזר את השיחה הקודמת, זה הסעיף שמצטבר.
אף אחד מהם אינו בקטלוג שלנו, ואין בכוונתנו לרמוז אחרת. Clef Flash פועל על מעבדי ה-GPU בקצה של Cloudflare עצמה, והמשקולות ברישיון Apache-2.0 הן שלך לאירוח עצמי; המשקולות של Beam 1.0 נמצאות ב-Hugging Face תחת Apache 2.0 עם API צד-ראשון שאין לו מחיר מפורסם.
הסיבה להשאיר את שניהם נגישים
צינור שמשתמש במודל החלטה בשער ומודל הסקה מאחוריו הוא ארכיטקטורה עדיפה באופן מוחלט מזו שמשתמשת במודל צ׳אט יחיד לשניהם, והעלות של בנייתו כך היא העלות התפעולית של תלות שנייה — חוזה שני, סט מפתחות שני, מצב כשל שני. זהו החלק שנתב מסיר, ולא חלק המודל.
אם שלבי השער במערכת שלך הם אלה ש-Clef Flash מתאר, המקבילה הקרובה ביותר שכבר מנותבת היא Jev 1.13 של TypeSafe — המודל ש-Cloudflare בחרה בו כמקבילת הבנצ'מרק שלה, תואם API למבנה הבקשה של Clef Flash, ובקטלוג שלנו במחיר $0.042 למיליון טוקני קלט, כשהפלט מחויב באפס והקשר הוא 65,536 טוקנים.
לשלב ההיסק שמאחורי השער, הקטלוג שלנו כולל את המודלים שמולם Beam נמדדת: GLM-5.2 במחיר $1.40 ו-$4.40 למיליון טוקנים עם חלון של 1,000,000 טוקנים, Kimi K3 במחיר $3.00 ו-$15.00 עם 1,048,576, ו-Qwen3.8-Max במחיר $2.00 ו-$6.00. מפתח אחד תואם OpenAI מכסה את כולם, מחיר המחירון של הספק עובר הלאה ללא כל תוספת, ומעבר אוטומטי לגיבוי אומר ששלב השער לא נכבה כי לספק אחד הייתה דקה רעה.
אפשר גם להשאיר את שני השלבים על מודלים שונים בלי להתחייב לאף אחד מהם: כלל ניתוב ששולח תעבורת סיווג סכמות לנקודת הקצה של ההחלטה ועבודת טקסט חופשי למודל חשיבה הוא המקרה הרגיל של ה-DSL לניתוב, והוא מאפשר לכוונן בנפרד את הדיוק של שלב ההחלטה ואת העלות של שלב החשיבה, במקום להתפשר בתוך מספר הפרמטרים של מודל אחד.
איזה אחד אתה בעצם מחפש לקנות
אם הגעת לכאן כי הסוכן שלך פולט מדי פעם בלוב JSON שהמנתח שלך דוחה, אתה לא רוצה מודל עם 501 מיליארד פרמטרים. אתה רוצה את מודל ההחלטה, והשאלה שצריך לשאול היא אם קבוצת התשובות שלך באמת ניתנת למנייה ומהי מדיניות ההימנעות שלך — כי Clef Flash נותן לך הסתברויות, לא סירוב.
אם הגעת לכאן מפני שהחשבונית של סוכן הקידוד שלך נשלטת על ידי טוקני חשיבה שאינך יכול לראות, אינך רוצה מסווג בעל 9 מיליארד פרמטרים. אתה רוצה את Beam 1.0, או אחד מהמודלים שכנגדם הוא נמדד, והשאלה שכדאי לשאול היא אם אתה יכול לארח אותו או שאתה ממתין למחירון שטרם פורסם.
הדבר היחיד שמסגור ראש־בראש צודק בו הוא ששניהם הימורים על אותה תזה משני קצוות מנוגדים: שהחלק היקר בסוכן אינו התשובה, אלא כל מה שסביב התשובה. התשובה של Cloudflare היא להסיר את היצירה מהשלבים שמעולם לא נזקקו לה. התשובה של Reflection היא להוזיל את היצירה לכל טוקן של חשיבה. כשהן נפרסות יחד, הן עולות פחות מאשר כל אחת מהן כשהיא נפרסת לבדה, וזו תוצאה טובה יותר ממה שטבלת הבנצ'מרק של כל אחד מהספקים תספר לך.
שום דבר מזה אינו היפותטי: כשלי ה-AI המתועדים ותקריות הסוכנים העומדים מאחורי מהדורות כמו זו מרוכזים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות וסימון שנוי במחלוקת.
