Beam vs Beam 1.0: Nomor Versi yang Bukan Versi

Cari dua nama model yang tampak seperti sebuah produk dan pendahulunya — Beam dan Beam 1.0 — dan Anda akan menemukan perbandingan yang tidak ada. Tidak ada Beam 1.0 yang menggantikan Beam sebelumnya, tidak ada Beam 1.1 yang menunggu di belakangnya, dan tidak ada checkpoint lama yang masih bisa dijalankan oleh pembaca. Reflection merilis satu model berbobot terbuka pada Oktober 2026, menyebutnya Beam dalam prosa mereka sendiri, dan menyimpan repositori serta endpoint yang dihosting dengan pengenal Beam-1.0-501B-A23B. Kedua label menunjuk pada campuran pakar jarang 501,3 miliar parameter yang sama. Nomor versi adalah tag distribusi, bukan generasi.

Itu terdengar seperti catatan kaki. Bukan begitu, karena akhiran versi adalah bagian yang menyebar. Ia masuk ke ID model, ke konfigurasi router, ke dasbor biaya, ke spreadsheet tempat seseorang membandingkan opsi vendor dan tidak bisa membedakan apakah baris berlabel Beam dan baris berlabel Beam 1.0 adalah dua opsi atau satu opsi yang terduplikasi oleh impor yang buruk. Memastikan identitasnya benar adalah seluruh isi perbandingan, dan ternyata lebih berguna daripada lembar spesifikasi: ini memberi tahu Anda bagaimana benda itu akan berperilaku dalam katalog, dan apa yang perlu diperiksa sebelum Anda menghubungkannya ke apa pun.

Dari mana setiap label sebenarnya berasal

Pembagian ini tidak sembarangan. Setiap bentuk memiliki sumber, dan mengetahui mana yang mana itulah yang memungkinkan Anda mengenali model yang sama muncul dengan dua nama:

• "Beam" — nama prosa vendor tersebut. Postingan peluncurannya berjudul "Introducing Beam: Reflection's 501B open-weight model", postingan ketersediaan 16 Oktober berjudul "Beam is now available", dan koleksi Hugging Face-nya adalah beam-10. Ini juga yang diadopsi oleh ekosistem framework: cookbook SGLang mencantumkannya di bawah judul vendornya sebagai "Beam 1.0 — New", dan akun proyek yang menyajikannya di produksi menyebutnya "Beam".

• "Beam-1.0-501B-A23B" — pengenal mesin. Ini adalah ID model pada endpoint milik Reflection sendiri yang kompatibel dengan OpenAI, dan ini menyandikan tiga fakta sama yang dibutuhkan seorang pengembang: satu model, rilis pertama, 501 miliar total parameter, 23 miliar aktif. Tanda hubungnya penting secara struktural; ini adalah string untuk ditempel, bukan nama untuk dicari.

• "Beam 1.0" — representasi yang dapat dibaca manusia dari pengenal tersebut, dan bentuk yang muncul dalam daftar katalog, halaman direktori model, serta ringkasan pihak ketiga. Itulah yang Anda dapatkan ketika sebuah pengenal dipercantik untuk dropdown.

Jadi, dua istilah pencarian itu bukanlah dua model. Itu adalah kata dari vendor dan penyajian katalog dari satu nama repositori.

Konsekuensi yang benar-benar terasa: pencocokan berdasarkan nama

Segala sesuatu di hilir dari itu — aturan perutean, daftar yang diizinkan, ekspor penagihan, perangkat evaluasi — mencocokkan string tersebut, dan string itu tidak stabil di berbagai tempat Anda akan menempelkannya. Berikut tiga jebakan praktis, dan tidak satu pun bersifat hipotetis:

• Aturan yang ditulis untuk "Beam" tidak akan cocok dengan "beam-1.0-501b-a23b", dan aturan yang ditulis untuk pengenal tersebut tidak akan cocok dengan katalog yang menyimpan nama tampilan. Huruf besar-kecil dan tanda baca berbeda-beda antar platform, dan tidak ada yang merekonsiliasikannya untuk Anda.

• Dasbor biaya yang mengelompokkan berdasarkan nama tampilan akan menampilkan satu model sebagai dua item baris begitu penyedia mengubah renderingnya, dan totalnya tidak akan cocok dengan faktur Anda.

• Spreadsheet perbandingan yang dibuat dengan mencari kedua istilah akan menghitung model dua kali, yang justru merupakan kegagalan yang hendak dicegah oleh artikel ini. Jika Anda memiliki baris untuk Beam dan baris untuk Beam 1.0, Anda memiliki satu model dan dua baris.

Perbaikannya tidak glamor: sematkan pengenal, perlakukan nama tampilan sebagai label, dan dasarkan perbandingan harga atau tolok ukur apa pun pada pengenal, bukan pada apa yang ditampilkan dropdown. Hal itu juga berlaku untuk pertanyaan harga — Beam 1.0 sama sekali tidak memiliki tarif per juta token yang dipublikasikan, baik di endpoint maupun dalam pengumuman, jadi belum ada angka yang bisa dimasukkan ke baris mana pun.

Versi yang memang membawa perbedaan nyata

Ada serangkaian perbedaan yang nyata dalam rilis ini, dan tidak satu pun darinya terletak pada nama model. Semuanya terletak pada artefak yang Anda ambil, dan di sinilah pertanyaan "Beam vs Beam 1.0" sebenarnya mengarah:

• BF16 vs FP8 vs NVFP4 — 933,81 GiB di seluruh 188 shard safetensors, 468,72 GiB dalam E4M3, atau build 4-bit terkemas berukuran 273 GiB. Total 501,3B yang sama dan 23,4B aktif pada ketiganya; perbedaannya terletak pada batas bawah perangkat keras yang disiratkan masing-masing, dari 16 GPU hingga empat B300 dalam NVLink.

• Model dasar versus drafter — DFlash2 adalah model dekode spekulatif 1,93 miliar parameter yang terpisah, diterbitkan sebagai repositori tersendiri, bukan varian dari Beam. Penerapan tanpanya bukan "Beam 1.0 tanpa pembaruan", melainkan model yang sama yang didekodekan secara berbeda.

• Hosted versus downloadable — satu identifier, dua jalur pengiriman: checkpoint di bawah Apache 2.0, dan endpoint yang kompatibel dengan O​penAI dengan penalaran wajib, tingkat upaya dari low hingga max dengan max sebagai default, serta batas seluruh organisasi yang dibagi ke setiap kunci.

Jika dua tim tidak sepakat tentang "Beam 1.0 yang mana" yang mereka jalankan, ketidaksepakatan itu hampir selalu terletak pada salah satu dari tiga sumbu tersebut, bukan pada nomor versi.

Membaca angka-angka vendor pada tanggal yang tepat

Satu hal lagi yang berubah di antara label, dan ini benar-benar sumber kebingungan, bukan artefak penamaan. Reflection telah menerbitkan tabel benchmark-nya lebih dari sekali, dan angka-angkanya berubah di antara versi-versi halaman. Pengumuman 5 Oktober memuat satu set angka; catatan pada postingan yang sama mencatat pembaruan pada 8 Oktober; kartu model yang ada saat ini mencerminkan angka terkini. Perbedaannya kecil dan sebagian besar pada angka signifikan ketiga — satu konfigurasi SWE Bench Pro v2-Hard tertulis 77.2 pada tabel sebelumnya dan 78.6 pada kartu saat ini — tetapi cukup besar sehingga dua artikel yang mengutip "angka vendor" dapat berbeda sementara keduanya akurat untuk tanggalnya masing-masing.

Yang tidak berubah adalah bentuk hasilnya. Semua angka di bawah ini dilaporkan oleh vendor dan tidak kami reproduksi, diukur pada temperature 0,7 dan top_p 0,99, dan ketiga presisi dicantumkan karena selisih di antara ketiganya adalah bagian dari ceritanya:

• SWE Bench Verified — 81.6 BF16, 80.2 FP8, 80.7 NVFP4. Angka coding utama, dan satu-satunya yang hampir tidak terpengaruh oleh presisi.

• Terminal Bench v2.1 — 80.1 BF16, 78.9 FP8, 78.4 NVFP4. Pekerjaan terminal agentic, di mana build FP8 kehilangan sekitar satu setengah poin.

• AIME 2026 — 97.7 BF16, 98.0 FP8, 97.5 NVFP4. Secara efektif jenuh pada setiap presisi, sehingga menjadikannya pembeda yang lemah di antara presisi-presisi tersebut.

• GPQA Diamond — 90,6 BF16, 90,3 FP8, 89,3 NVFP4. Contoh paling jelas saat build NVFP4 kehilangan keunggulan, sekitar 1,3 poin.

Pola yang konsisten adalah bahwa kuantisasi hanya sedikit memakan biaya pada benchmark pengkodean dan penalaran, dan sedikit lebih banyak pada benchmark yang sarat pengetahuan, dengan FP8 terkadang justru sedikit mengungguli BF16 — yang menjadi alasan untuk memilih presisi atas dasar perangkat keras, bukan atas dasar papan peringkat. Ini juga menjadi alasan untuk mencatat tabel mana yang Anda kutip. Baris berlabel "Beam" dan baris berlabel "Beam 1.0" dapat memuat angka yang benar-benar berbeda tanpa salah satunya keliru, dan akhiran versi bukanlah yang membedakan keduanya. Tanggalnya yang membedakan.

Apa artinya ini jika Anda memilih di antara keduanya

Tidak ada keputusan yang perlu dibuat antara Beam dan Beam 1.0, karena hanya ada satu model. Keputusan yang sebenarnya ada di hadapan Anda terdiri dari tiga bagian, dan masing-masing memiliki jawaban:

• Jika Anda memerlukan checkpoint terbuka di perangkat keras Anda sendiri — satu opsi, tiga presisi, dan pemilihan di antara ketiganya adalah persoalan perangkat keras. Empat B300 untuk NVFP4, delapan H200 untuk FP8, enam belas perangkat untuk BF16, dan jumlah perangkat harus dapat membagi 256 expert.

• Jika Anda memerlukan endpoint yang dihosting — API pihak pertama adalah satu-satunya yang memiliki kontrak terdokumentasi, dan saat ini belum ada harga yang dipublikasikan, yang berarti perbandingan pengadaan belum dapat diselesaikan berdasarkan biaya.

• Jika Anda memerlukannya di samping model yang sudah Anda gunakan — Beam 1.0 bukan salah satu rute kami, jadi kami tidak dapat menyediakannya untuk Anda dan tidak ada apa pun di sini yang boleh ditafsirkan sebagai klaim ketersediaan dari kami. Yang dapat kami lakukan adalah menjaga agar keputusan di sekitarnya tetap murah. OrcaRouter menjalankan satu kunci yang kompatibel dengan OpenAI di lebih dari 200 model dengan harga daftar dari penyedia diteruskan apa adanya tanpa tambahan apa pun, serta failover otomatis antarpenyedia, sehingga uji coba Beam 1.0 berjalan berdampingan dengan lalu lintas produksi, bukan menggantikannya, dan jalur cadangannya adalah aturan perutean, bukan migrasi.

Model-model yang paling mungkin dituju oleh fallback, dari katalog kami sendiri dengan kartu tarif mereka yang telah dipublikasikan:

• GLM-5.2 — $1,40 per juta token masukan dan $4,40 per juta token keluaran dengan jendela 1.000.000 token. Model yang menjadi tolok ukur klaim efisiensi Reflection sendiri.

• Kimi K3 — $3.00 per juta input, $0.30 di-cache, $15.00 output dengan jendela 1,048,576 token. Post peluncuran Reflection mengakui K3 masih unggul dalam kemampuan mentah.

• Qwen3.8-Max — $2,00 per juta untuk input dan $6,00 untuk output pada jendela 1.000.000 token, alternatif unggulan proprietary alih-alih membeli kapasitas Blackwell.

Apa yang harus ditonton sebagai pengganti Beam 2.0

Tiga hal akan membuat perbandingan ini menjadi perbandingan yang sesungguhnya, dan tidak satu pun dari ketiganya melibatkan nomor versi baru.

Yang pertama adalah kartu tarif. Sampai Reflection menerbitkan harga per juta token di endpoint, hosted versus self-hosted adalah perbandingan sebuah angka modal dengan ketiadaan, dan tidak ada tingkat disiplin penamaan berapa pun yang bisa memperbaikinya.

Yang kedua adalah pengukuran independen. Artificial Analysis mencantumkan model tersebut dengan Intelligence Index 30, tanpa angka kecepatan dan tanpa harga, serta tidak mencatat API yang tersedia untuk publik — permukaan yang dihosting belum terlihat oleh organisasi yang mengukur hal-hal tersebut. Satu titik data efisiensi independennya, 79 juta token keluaran yang dihasilkan di seluruh Intelligence Index dibandingkan median 130 juta, mendukung klaim vendor tentang "lebih sedikit token penalaran" tanpa mengonfirmasi throughput di baliknya.

Yang ketiga adalah apakah label itu pernah menyimpang. "Beam 2.0" yang merupakan checkpoint berbeda pada akhirnya akan membuat sufiks versi berarti sesuatu, dan saat itu terjadi, kueri seperti ini tidak lagi soal kebersihan penamaan dan mulai menjadi soal perbedaan antara dua model. Hari ini, ini adalah pertanyaan jenis pertama. Siapa pun yang membandingkan Beam dengan Beam 1.0 sedang membandingkan sebuah model dengan nama repositorinya sendiri — dan keluaran berguna dari perbandingan itu adalah catatan untuk mengunci konfigurasi Anda pada Beam-1.0-501B-A23B dan berhenti mencari kedua ejaan tersebut.

Tidak ada satu pun dari itu yang hipotetis: kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status diperdebatkan.