Beam 1.0: Reflection הוציאה את המשקלים בקוד פתוח, ו-Artificial Analysis העניקה לו ציון 30

שני דברים קרו השבוע ל-Beam 1.0 של Reflection, והם מצביעים לכיוונים מנוגדים. המודל — Beam 1.0-501B-A23B, מערכת Mixture-of-Experts דלילה עם 501 מיליארד פרמטרים בסך הכול ו-23 מיליארד פעילים לכל טוקן — אינו עוד הבטחה: המשקלים נמצאים ב-Hugging Face תחת Apache 2.0, מבנה NVFP4 בנפח 273 GiB ניתן להורדה כעת, ויש API של המפתחת עם חוזה מתועד ועמוד מגבלת קצב אמיתי. במקביל, המספר העצמאי הראשון שמישהו פרסם עבורו הוא 30 במדד ה-Intelligence Index של Artificial Analysis — המקום התשעה־עשר מתוך 120 מודלים שנבחנו בגרסת המדד v4.3.2, ומעל החציון של 19 ש-Artificial Analysis מתעדת עבור מודלים ברי־השוואה עם משקלים פתוחים בגודל דומה. ספקים שהשיקו בדרך כלל זוכים לבחור איזו משתי העובדות הללו תוביל. כאן, שתיהן נכונות בעת ובעונה אחת, והקריאה הכנה היא ש-Beam 1.0 הגיע בעלות נמוכה מהצפוי אך השיג ציון נמוך ממה שפוסט ההשקה שלו עצמו רמז.

זהו המשך לסיקור המוקדם שלנו, והמסגור מכוון: Beam 1.0 אינו חדש. Reflection הכריזה עליו ב-5 באוקטובר 2026 ועדכנה את טבלאות הבנצ'מרק שלה ב-8 באוקטובר. מה שהשתנה בשבעת הימים האחרונים הוא כל מה שקונה באמת צריך — משקלים, אירוח, API, מגבלות ומדידה חיצונית. אם קראת את סיקור ההשקה והחלטת לחכות, הסיבה לחכות נעלמה.

מה שבאמת שוחרר השבוע

הפוסט של Reflection "Beam זמין כעת" מתוארך ל-16 באוקטובר 2026 והוא סוגר את הפער שהפך את פוסט ההשקה למסויג כל כך. ב-5 באוקטובר המשקלים היו משהו ש-Reflection אמרה שהיא "תשחרר". נכון לשבוע זה הם קיימים, בשלוש רמות דיוק, ובנוסף מודל טיוטה לפענוח ספקולטיבי:

• BF16 — 501.3B פרמטרים על פני 188 פלחי safetensors, שהועלו אל reflection/Beam-1.0-501B-A23B (המאגר) ב-7 באוקטובר ותוקנו מאז.

• FP8 — אותו מספר פרמטרים של 501.3B ב-E4M3, 468.72 GiB בדיסק.

• NVFP4 — בילד 4-ביט ארוז בגודל 273 GiB, והוא זה שמדריכי ההגשה של Reflection עצמה מורים לך להוריד.

• DFlash2 — מודל טיוטה לפענוח ספקולטיבי בעל 1.93 מיליארד פרמטרים, הועלה ב-13 באוקטובר, פורסם כמאגר נפרד ותועד כאופטימיזציית הגשה משל עצמו.

כל ארבעתם נושאים את התג apache-2.0, וקובץ הרישיון נמצא במאגר ולא במשפט בבלוג, וזה ההבדל בין רישיון להבטחה. Reflection גם מציין שהוא אינו מגביל זיקוק, כיוונון עדין, כימות או מיזוג.

סיפור ההגשה קונקרטי באותה מידה. קיימת תמיכה מיום אפס ב-Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed ו-NVIDIA Dynamo, והתיעוד של Reflection כולל מדריכים שלב אחר שלב עבור SGLang, vLLM ו-TokenSpeed וגם Helm chart עבור Kubernetes. דרישת האירוח העצמי בתצורת הייחוס היא ארבעה מעבדים גרפיים NVIDIA B300 SXM על NVLink — קופסה אחת, לא אשכול, וזה רף נמוך בהרבה ממה שמודל 500B בדרך כלל מרמז עליו, ונובע ישירות מיחס האקטיבציה של 23B.

יש גם כלי אימות. בקוד פתוח beam-verifier CLI מריץ חבילת תאימות מול כל נקודת קצה חיה של Beam ואז מעריך אותה על מדדי הבנצ'מרק העיקריים כך שתוכל להשוות את הפריסה שלך, או של ספק, מול ציוני הייחוס של Reflection. כל דבר שמאפשר לקונה לבדוק את המספרים של ספק במקום להאמין להם שווה לדעת עליו.

הציון החיצוני הראשון, והוא לא מספר פוסט ההשקה

Artificial Analysis מציגה את Beam 1.0 עם Intelligence Index של 30, במקום ה-19 מתוך 120. באותה רשומה מוצג שהמודל השתמש ב-79M טוקני פלט לאורך המדד — "#10 / 46", לעומת חציון של 130M — וזו טענת יעילות הטוקנים שמופיעה לראשונה במערכת בדיקה בלתי תלויה. Artificial Analysis גם אינה מציגה תמחור או מהירות עבור Beam, מכיוון שנכון לזמן כתיבת שורות אלה היא עדיין רושמת "אין API זמין לציבור" עבור המודל, ומצביעה רק על אחסון עצמי. הפער הזה הוא בעצמו מידע: ה-API קיים, אבל עדיין לא בצורה שחברות המדידה קלטו.

קראו את ה-30 בעיון. זה אינו פסק דין על טבלת הבנצ'מרק של הספק — השניים מודדים דברים שונים בהרנסים שונים. כרטיס המודל של Reflection, שפורסם יחד עם המשקולות, מדווח על 81.6% ב-SWEBench Verified, 80.1% ב-Terminal Bench v2.1 ו-90.6% ב-GPQA Diamond עבור צ'קפוינט BF16, ופוסט ההשקה מפורש בכך שמודלים חזיתיים כמו Kimi K3 עדיין מובילים ביכולת גולמית, כשהטיעון של Beam הוא "יעילות בזמן הסקה" ולא השתוות עם הצמרת. הנתונים האלה נותרו בגדר דיווחי ספק, וככל שהצלחנו למצוא, איש עוד לא שחזר אותם. אבל פרסום נקודת קצה ציבורית בתוספת ה-CLI של המאמת הוא מה שמאפשר שחזור בכלל, ו-30 באינדקס של 120 מודלים הוא המספר הראשון בסיפור הזה שלא הופק על ידי Reflection.

המחיר, המגבלות, ומה שהם אומרים לכל משימה

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:

• חלון הקשר — 1,048,576 אסימונים, עם פלט מקסימלי של 131,072 אסימונים וברירת מחדל של max_tokens של 32,768.

• חשיבה — חובה, לא אופציונלית. רמות המאמץ הנתמכות הן low, medium, high, xhigh ו-max, כאשר max הוא ברירת המחדל. טוקני חשיבה נספרים במסגרת מגבלות הקצב שלך.

• יכולות — הסקה, קריאה לכלים ופלטים מובנים, קלט טקסט ופלט טקסט.

• מגבלות קצב — נמדדות לפי ארגון בבקשות ובטוקנים לדקה וליום UTC, עם תקרות בקשות בו-זמניות ומכסת טוקנים יומית אופציונלית. חריגות מחזירות 429 עם rate_limit_exceeded או daily_allowance_exhausted, וכאשר המכסה היומית נגמרת התגובה מגדירה x-should-retry: false, כך שלולאות ניסיון חוזר נאיביות פשוט יסתובבו.

מה שהמסמכים לא מספקים הוא מחיר פומבי למיליון טוקנים. ההכרזה של Reflection אומרת רק שהיא "חופשית להתחלה", ו�Neither המסמכים ולא ההכרזה מפרסמים מחירון. זה השורה היחידה שעדיין חסרה בתמונה, והיא השורה שמכריעה אם לטיעון היעילות יש בכלל משמעות בחשבון. מודל שמנמק בכל בקשה, שברירת המחדל שלו היא מאמץ מקסימלי, ושאומר שהוא מחשב הסקה נמוך פי 3–4 מ-GLM 5.2 בהסקה מתקדמת — הוא הצעה שונה ב-$0.50 למיליון טוקני פלט לעומת $5.00, ואף אחד מחוץ ל-Reflection לא יכול כרגע לומר מה מבין השניים זה.

שתי אזהרות מעשיות מהתיעוד שכדאי לקחת איתכם לפיילוט. ראשית, מאמץ ברירת המחדל הוא max, כך שתצורת ברירת המחדל היא היקרה ביותר; אינטגרציה מודעת לעלויות צריכה להגדיר reasoning_effort במפורש מהקריאה הראשונה. שנית, המגבלות הן לפי ארגון ומשותפות בין פרויקטים ומפתחות — הוספת מפתחות לא מעלה אותן, וזה מסוג הפרטים שנושכים רק אחרי שכבר בנית את האינטגרציה השנייה.

איפה הוא ממוקם לעומת הדגמים שאיתם באמת תשוו אותו

ההשוואה המעניינת אינה מול דגמי הדגל של החזית, שם Reflection מודה בנקודה, אלא מול מודלי המשקולות הפתוחות ש-Beam מתומחרת וממוצבת בגודלה מולם. בקטלוג שלנו היום:

• GLM 5.2 — חלון הקשר של 1M, $1.40 למיליון טוקנים בקלט ו-$4.40 למיליון טוקנים בפלט, זמין במלואו.

• Kimi K3 — חלון הקשר של 1,048,576 טוקנים, $3.00/$15.00, והמודל שהטבלה של Reflection עצמה מדרגה גבוה יותר ב-Terminal Bench.

• Qwen 3.8-Max — חלון הקשר של 1M, $2.00/$6.00, ש-Beam טוענת ליתרון יעילות גדול יותר לעומת מחלקת ה-2T-plus.

המסר השיווקי של Beam הוא שהוא מתקרב ל-GLM 5.2 בהסקה מתקדמת תמורת שבריר מכוח החישוב הנדרש להסקה. אם זה מחזיק מעמד תחת מערכת בדיקה בלתי תלויה, זה שווה כסף אמיתי בנפח בקשות גבוה. נתון האריכות של 79 מיליון טוקנים הוא הראיה הראשונה שאולי זה נכון. המחיר החסר הוא הסיבה שעדיין אינך יכול להשלים את החשבון.

זו גם הסיטואציה שבה ניתוב מסיר את רוב הסיכון לטעות. Beam אינו בקטלוג שלנו בעת כתיבת שורות אלה, כך שאיננו יכולים לספק אותו עבורך — אבל כל דגם שלמעלה כן, מאחורי מפתח אחד תואם OpenAI עם מחיר המחירון של הספק כפי שהוא וללא תוספת, כך שהורדת מחיר מצד ספק מגיעה לחשבון שלך באותו יום ולא בחוזה הבא. המהלך המעשי הוא לשמור את נתיב הייצור שלך על דגם עם מחירון מפורסם, ולהציב את הבטא הציבורית של Beam מאחורי כלל ניתוב, כך ש-API ראשוני שאינו מוכח לא יהפוך לנקודת כשל יחידה. מעבר אוטומטי עושה את השאר: אם הבטא מגבילה אותך בקצב עם 429 בשעה 02:00, הבקשה תנחת במקום שלא יעשה זאת.

מי צריך לזוז, ועל סמך אילו ראיות

אם האילוץ שלך הוא משקלים פתוחים ורישיון מתירני, השבוע הוא השבוע שבו התשובה הפכה ל"כן" ולא ל"בקרוב". Apache 2.0, שלושה דיוקים, בנייה של 273 GiB שנכנסת על צומת B300 אחת עם ארבעה GPUs, תמיכת יום-אפס ב-vLLM וב-SGLang, כלי אימות לבדיקת הפריסה שלך, וללא הגבלה על כוונון עדין או זיקוק. עבור כל מי שהחסם שלו היה "המשקלים לא יצאו", החסם הזה נעלם, ואירוח עצמי מסיר לחלוטין את שאלת מחיר ה-API.

אם האילוץ שלך הוא תלות בסביבת ייצור בנקודת קצה מתארחת, היה זהיר יותר. ה-API אמיתי ומתועד, אך הוא הושק השבוע, הוא אוכף מגבלות ברמת הארגון שמפתח שני לא יעלה, הוא מבצע הסקה במאמץ מרבי כברירת מחדל, ומחירו אינו מפורסם. הרץ את חבילת התאימות מהמאמת מולו לפני שתסמוך עליו עם משהו שיש לו מועד אחרון.

אם האילוץ שלך הוא יכולת בחזית, שום דבר השבוע לא משנה את התשובה שלך. ציון 30 ב-Intelligence Index, טבלת ספק שמכירה בנסיגה מול Kimi K3 ב-Terminal Bench ומול GLM 5.2 ב-AIME, והיעדר שחזור בלתי תלוי של מספרי הכותרת — מסתכמים במודל ששווה לנסות, לא במודל ששווה להמר עליו.

הדבר האחד שכדאי לשים לב אליו בהמשך הוא המחיר. Reflection השלימה את המחצית הקשה של השקה — משקלים, מערכי הגשה, תיעוד ונקודת קצה ציבורית — והשאירה את המחצית הקלה, מחירון, לא מפורסם. כשהמספר הזה יתפרסם, הטענה ליעילות של פי 3–4 הופכת לגיליון אלקטרוני במקום לסיסמה, וההשוואה מול GLM 5.2 או Kimi K3 הופכת להחלטה במקום לוויכוח על מתודולוגיה.

תוצאה כמו זו היא גם תזכורת לכך שטעויות של מודלים כבר מתועדות: תקריות AI וכשלי סוכנים מאחורי מודלים בקטגוריה הזו נאספים בה-OrcaRouter AI Incident Archive, שבו כל רשומה נושאת את המקורות, חומרת האירוע, דירוג הביטחון ודגל המחלוקת שלה.