Beam 1.0 vs Qwen 3.8: Rilis Bobot yang Terkirim versus Daftar Harga

Pada 5 Oktober 2026, Reflection Beam 1.0 diumumkan sebagai model open-weight yang bobotnya belum dirilis. Pada 16 Oktober 2026, bobot itu dirilis — empat repositori di Hugging Face di bawah Apache 2.0, dalam presisi BF16, FP8, dan NVFP4, plus drafter speculative-decoding 2B. Qwen 3.8 telah menjadi cerita yang berlawanan selama dua setengah bulan: generasi Alibaba diluncurkan pada 3 Agustus 2026 dengan Qwen3.8-Max sebagai API berbayar dengan harga $2,00 per juta token input dan $6,00 per juta output, satu saudara open-weight menyusul di bawah lisensi kustom dan model padat 27 miliar parameter di bawah Apache 2.0. Kedua model mengklaim konteks satu juta token. Keduanya bernalar, keduanya memanggil alat, keduanya hanya teks pada antarmuka. Perbedaan yang layak dipahami adalah mana yang dapat Anda anggarkan dan mana yang dapat Anda pegang, karena setelah 16 Oktober setiap model hanya memiliki salah satunya dan bukan yang lain.

Kedua angka di atas adalah milik vendor, dan kedua model kini telah diukur oleh Artificial Analysis — hal yang cukup langka di bidang ini sehingga menjadi alasan mengapa perbandingan ini bisa ditulis sama sekali.

Situasi terkini, model demi model

• Parameter — Beam 1.0 adalah model sparse mixture-of-experts dengan total 501,3B parameter dan 23,4B aktif per token, terdiri dari 52 lapisan, tiga dense dan 49 MoE, dengan 256 pakar dalam konfigurasi yang dijelaskan kartu tersebut. Jumlah parameter Qwen3.8-Max belum pernah diungkapkan oleh Alibaba; model terbuka yang sekerabat dengan intinya, Qwen3.8-2.4T-A95B, adalah MoE berparameter 2,4 triliun dengan sekitar 95 miliar parameter aktif, yang merupakan perkiraan terdekat yang bisa diperoleh siapa pun di luar perusahaan mengenai ukuran model andalannya.

• Jendela konteks — 1.000.000 token pada kartu model Beam 1.0. 1.000.000 token pada daftar OrcaRouter untuk qwen/qwen3.8-max, dan 984.000 pada halaman Artificial Analysis untuk model yang sama. Keduanya adalah angka yang sama yang dibulatkan secara berbeda dan bukan poin pembeda antara model-model tersebut.

Modalitas — Beam 1.0 adalah teks masuk, teks keluar, yang dinyatakan secara gamblang di kartunya. Qwen3.8-Max menerima teks dan gambar lalu mengembalikan teks, yang merupakan perbedaan kemampuan yang nyata, bukan sekadar perbedaan format.

• Lisensi — Beam 1.0 adalah Apache 2.0, tanpa batasan pengguna dan tanpa tingkatan komersial terpisah. Generasi Qwen 3.8 bersifat campuran: checkpoint inti 2.4T Max dapat diunduh di bawah lisensi khusus, yang dense 27B di bawah Apache 2.0, dan Max andalan itu sendiri sama sekali tidak memiliki bobot.

• Harga — tidak dipublikasikan untuk Beam 1.0 di mana pun di properti milik Reflection sendiri, dan tercatat sebagai tidak tersedia di halaman Artificial Analysis untuk model tersebut. $2,00 dan $6,00 per juta token untuk Qwen3.8-Max, dipublikasikan oleh Alibaba dan tercantum di rute kami sendiri dengan angka yang sama.

• Skor independen — Artificial Analysis Intelligence Index v4.3.2 menempatkan Beam 1.0 pada 30, peringkat ke-19 dari 120 di kelas perbandingannya. Indeks yang sama menempatkan Qwen3.8-Max (0902) pada 45, peringkat ke-33 dari 217, dan AA telah mengevaluasi lini Max pada lebih dari satu build dengan angkanya berubah di antara build-build tersebut.

• Kecepatan — tidak tersedia untuk Beam 1.0; halaman tersebut mencatat kecepatan output sebagai tidak diketahui, karena tidak ada endpoint publik untuk mengukurnya. 38,8 token output per detik untuk Qwen3.8-Max, yang oleh AA digambarkan sebagai tergolong lambat untuk tingkatannya.

Apa yang sebenarnya berubah selama enam belas hari antara pengumuman dan peluncuran

Kesenjangan itu layak dijelaskan secara tepat, karena hal semacam itu akan diratakan begitu bobotnya keluar.

Pos peluncuran Reflection mengatakan bobot, laporan teknis, kartu model, dan artefak pengembang akan menyusul "belakangan bulan ini," dan menjanjikan Apache 2.0. Antara 5 Oktober dan 16 Oktober, satu-satunya hal yang bisa dilakukan pembaca dengan Beam 1.0 adalah bergabung dengan daftar tunggu. Model itu memiliki tabel tolok ukur, catatan pelatihan yang diterbitkan — 23,8 triliun token pada 6.144 GPU GB300 NVL72 dalam waktu kurang dari empat minggu, tahap RL pada 10.500 GB300, lebih dari 100 juta rollout — dan tanpa unduhan.

Kemudian pada 16 Oktober, tiga varian kuantisasi dan sebuah drafter muncul dalam koleksi Hugging Face, dan kartu modelnya hadir dengan tabel evaluasi lengkap untuk ketiga presisi tersebut. Bagi pembaca yang sedang memutuskan apa yang akan dijalankan, konsekuensi pentingnya bukanlah angka benchmark, yang masih milik Reflection sendiri dan belum direproduksi. Yang penting adalah bahwa model itu berpindah dari kategori "diumumkan" ke kategori "milik Anda untuk diperiksa, dikuantisasi, disetel halus, dan disajikan." Lisensi yang dapat Anda tindak lanjuti adalah aset yang berbeda dari lisensi yang telah dijanjikan kepada Anda.

Qwen 3.8 menempuh jalur yang berlawanan menuju tempat yang sama. A​libaba membuka generasi ini dengan flagship yang dibanderol dengan harga dan telah tersedia pada 3 Agustus 2026, lalu merilis bobotnya secara bertahap setelahnya — inti 2.4T pada 12 Agustus, 27B padat pada 14 Agustus, pratinjau Flash-Next pada akhir bulan itu. Tidak ada yang perlu menunggu janji, karena yang bisa Anda beli datang lebih dulu dan yang bisa Anda unduh datang kemudian.

Kedua situasi penetapan harga itu tidak simetris.

Qwen3.8-Max adalah salah satu rute kami. Harganya $2,00 per juta token input dan $6,00 per juta token output dengan konteks satu juta token, pada harga daftar penyedia yang diteruskan tanpa markup — jadi jika A​libaba mengubah tarif itu, tagihan Anda berubah pada hari yang sama, bukan pada pembaruan kontrak berikutnya. Itulah arti "model memiliki harga" dalam praktik, dan itulah sebabnya artikel ini dapat menyajikan angka yang sudah dihitung kepada pembaca untuk satu sisi perbandingan dan bukan sisi lainnya.

Beam 1.0 tidak memiliki angka semacam itu. Dua belas hari setelah pengumuman, versi tersebut merupakan pratinjau dengan daftar tunggu dan penghalang pendaftaran; pada 16 Oktober, versi itu menjadi unduhan. Tidak ada tarif yang dikaitkan dengan kedua status tersebut. Angka dolar apa pun yang Anda lihat dikutip untuk Beam 1.0 adalah estimasi perangkat keras seseorang, dan kartu tersebut tidak menyediakan rekomendasi penyajian, tidak menetapkan batas minimum perangkat keras, dan tidak mencantumkan angka throughput untuk dijadikan dasar estimasi. Baris harga adalah lubang tunggal terbesar dalam dokumentasi model ini, dan itu adalah lubang yang mahal untuk diisi karena jumlah parameter 501B.

Ada versi perbandingan ini di mana ukurannya sendiri sudah memperjuangkan argumen biaya untuk Anda — 23,4B parameter aktif versus 95B yang dirumorkan adalah rasio empat berbanding satu dalam komputasi per token, dan jika model yang lebih kecil itu diberi harga, bisa jadi model itulah yang lebih murah untuk dijalankan. Argumen itu tidak bisa diajukan di sini, karena salah satu sisinya tidak memiliki tarif. Yang bisa dikatakan adalah bahwa model dengan harga yang dipublikasikan dan model dengan lisensi yang dipublikasikan keduanya, dalam pengertian yang berbeda, siap digunakan, dan pembeli memerlukan kedua baris itu untuk memilih.

Kapabilitas, dengan sourcing yang terlampir

Kartu Beam 1.0 melaporkan SWE-bench Verified 81,6% pada checkpoint BF16, Terminal Bench v2.1 di 80,1, SWE Bench Pro v1 di 66,1, DeepSWE v1.1 di 43,3, GPQA Diamond di 90,6, AIME 2026 di 97,7, LiveCodeBench di 88,3, MCP Atlas di 80,8, LongBench v2 di 67,5 dan IFBench di 79,6, dengan angka FP8 dan NVFP4 biasanya satu atau dua poin lebih rendah. Positioning Reflection sendiri berhati-hati: ia menggambarkan Beam sebagai kompetitif dengan model terbuka yang lebih besar dan mendekati Qwen 3.8-Max, setara dengan GLM-5.2 pada penalaran tetapi menggunakan komputasi inferensi tiga hingga empat kali lebih sedikit, dan mengakui bahwa Kimi K3 masih memimpin pada kemampuan mentah. Semuanya dilaporkan vendor dan tidak satu pun telah direproduksi oleh pihak ketiga.

Angka-angka Qwen3.8-Max datang dari dua arah. Alibaba melaporkan angkanya sendiri, termasuk 86,6% pada Terminal Bench 2.1, dan lembar harga enterprise yang menyertai peluncuran model unggulan. Komposit independen Artificial Analysis adalah baris yang lebih berguna: 45 pada Intelligence Index v4.3.2, yang menempatkan model ini jauh di atas median untuk kelas pembandingnya yang berjumlah 27 tetapi di bawah garis terdepan, dan kecepatan keluaran terukur 38,8 token per detik yang digambarkan AA sebagai lambat bahkan dibandingkan median tier di sekitar 88. Model unggulan yang berada 15 poin di depan Beam 1.0 pada indeks independen yang sama dan berbiaya $2,00 untuk diajak bicara adalah proposisi yang berbeda dari model yang unggul pada tabel milik vendor sendiri.

Angka tunggal yang bisa menyelesaikan perdebatan efisiensi — token per unit energi atau per dolar komputasi, yang diukur pada perangkat keras yang identik — tidak ada untuk kedua model tersebut. Bagan pendukung Reflection memperkirakan FLOPs sebagai sekitar dua kali jumlah parameter aktif dikalikan token yang dihasilkan dan menyatakan dalam keterangannya sendiri bahwa ini tidak mencakup prefill, atensi, dan overhead penyajian. Itu adalah pengungkapan batasan yang jujur, dan tetap saja itu bukan sebuah pengukuran.

Untuk apa masing-masing

Gunakan Qwen3.8-Max ketika Anda membutuhkan sesuatu yang dapat dipanggil dan akuntabel. Ada tarif, angka konteks, dan skor independen, ia membaca gambar serta teks, dan ia merespons melalui kunci yang dapat Anda pegang hari ini. Biayanya jujur: ia mahal, yaitu $2,00 dan $6,00 per juta token, dan pengukuran independen mengatakan bahwa ia lambat untuk kelasnya, sehingga beban kerja bervolume tinggi akan merasakan keduanya. Bobot terbuka pada generasi ini memang ada, tetapi checkpoint yang mendukung nama unggulan berada di bawah lisensi khusus dan skala pusat data, jadi melakukan hosting sendiri atas hal yang persis Anda beli bukanlah jalan keluar seperti yang terdengar.

Pilih Beam 1.0 saat Anda ingin memiliki stack sepenuhnya. Apache 2.0 dengan tiga tingkat kuantisasi, konteks 1M token, anggaran penalaran yang selalu aktif yang Anda setel alih-alih diaktifkan/nonaktifkan, dan tabel evaluasi yang ditujukan untuk pekerjaan coding dan agentik. Harga dari kepemilikan itu adalah segala hal di sekitarnya: tagihan serving yang harus Anda perkirakan sendiri, jumlah parameter yang membuat perkiraan itu besar, dan tidak ada skor independen untuk mengecek tabel vendor — angka Intelligence Index 30 itu nyata dan berasal dari pihak ketiga, tetapi itu hanya satu komposit, bukan verifikasi per-benchmark.

Dan untuk kasus campuran — tim yang pada akhirnya menginginkan bobot terbuka tetapi membutuhkan endpoint kuartal ini — jawaban biasanya adalah keduanya: alihkan pekerjaan melalui model yang disajikan dengan tarif yang dipublikasikan sementara deployment self-hosted dibangun dan di-benchmark pada tugas Anda sendiri. OrcaRouter menjalankan lebih dari 200 model di balik satu kunci yang kompatibel dengan OpenAI dengan failover otomatis antar penyedia, sehingga deployment self-hosted dapat mengambil sebagian kecil trafik dan mengembalikan sisanya saat kualitasnya menurun, dan tidak diperlukan kontrak kedua untuk mencoba model yang belum Anda komitmenkan.

Tontonan Berikutnya

Satu hal mengubah halaman ini, dan itu adalah satu baris. Jika Reflection atau mitra penyedia layanan menerbitkan tarif Beam 1.0 — untuk API, atau untuk deployment FP8 atau NVFP4 yang dihosting — maka perbandingannya menjadi aritmetika: 23.4B parameter aktif versus 95B yang dirumorkan, dua skor indeks independen, dan dua harga. Itu halaman yang layak dibaca. Sampai saat itu, ringkasan yang jujur adalah bahwa Reflection telah memberikan separuh yang dijanjikannya, Alibaba telah memberikan separuh yang telah diberi harganya, dan kedua model menunggu separuh lainnya.

Kesenjangan antara apa yang diukur oleh papan skor dan apa yang dihadapi oleh suatu deployment adalah alasan catatan ini penting: kegagalan AI dan insiden agen yang terdokumentasi seputar model di kelas ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda disengketakan.