Reflection Beam vs Claude Opus 5.5: Yang Bisa Anda Hubungi Hari Ini, Yang Harus Anda Tunggu

Reflection Beam dan Claude Opus 5.5 belum benar-benar menjadi rival, dan alasannya administratif, bukan teknis. Beam, model pertama Reflection, diumumkan pada 5 Oktober 2026 dan merupakan model sparse mixture-of-experts dengan 501 miliar parameter yang mengaktifkan 23 miliar parameter per token — tetapi model ini hanya dapat diakses melalui daftar tunggu, bobotnya dijanjikan untuk akhir bulan ini di bawah Apache 2.0, dan belum ada harga yang dipublikasikan di mana pun. Opus 5.5 dirilis pada 22 September 2026 sebagai andalan Anthropic: jendela 1 juta token, input teks, gambar, dan file, serta harga daftar $4.00 per juta token input dan $20.00 per juta token output. Jadi versi jujur dari perbandingan ini adalah bahwa salah satu dari model ini dapat Anda gunakan di produksi sore ini dengan biaya yang diketahui, dan yang lainnya tidak bisa — dan semua hal lain di sini adalah proyeksi tentang apa yang terjadi ketika bobotnya dirilis.

Jawaban singkatnya

Jika pertanyaannya adalah model mana yang harus dibangun minggu ini, jawabannya adalah Opus 5.5 tanpa banyak perdebatan: model ini tersedia secara umum, dinilai secara independen, multimodal, memiliki harga, dan dilayani melalui API yang dapat Anda panggil dalam lima menit. Argumen Beam tidak bertumpu pada mengalahkan Opus 5.5 — tidak ada apa pun dalam materi Reflection sendiri yang mengklaim demikian. Itu bertumpu pada proposisi yang jauh lebih sempit: bahwa pada skor penalaran tertentu, Beam mengonsumsi sekitar seperempat komputasi inferensi. Jika itu terbukti benar ketika seseorang di luar Reflection mengukurnya, Beam menjadi menarik untuk pekerjaan bervolume tinggi yang jawabannya harus bagus tetapi tidak harus terbaik. Jika tidak, Beam adalah model terbuka kelas menengah dengan daftar tunggu.

Yang berikut ini memisahkan bagian-bagian dari pertandingan ini yang merupakan fakta hari ini dari bagian-bagian yang merupakan taruhan.

Apa setiap model itu, secara tepat

Opus 5.5 adalah penerus tertutup dan dihosting dari Claude Opus 5, diposisikan oleh Anthropic untuk perubahan multi-langkah di seluruh basis kode besar, peninjauan kode, dan sesi otonom yang panjang. Ia menerima teks, gambar, dan file, mengembalikan teks, menyediakan jendela konteks 1.000.000 token dengan hingga 128.000 token keluaran, dan mengekspos pemikiran yang diperluas dengan upaya penalaran yang dapat dikonfigurasi. Ini bukan bobot terbuka, dan pengetahuannya dibatasi oleh batas pelatihan Anthropic alih-alih oleh apa pun yang Anda kendalikan.

Reflection Beam adalah konstruksi yang berlawanan. Total parameternya 501 miliar dengan 23 miliar aktif — sekitar 4,6 persen dari model yang terjaga per token, rasio yang agresif bahkan dibandingkan dengan sekitar 5,4 persen milik GLM 5.2 — dibangun agar murah untuk dilayani, bukan murah untuk dilatih. Model ini hanya untuk teks. Konteks API-nya 256.000 token dengan catatan kaki yang memperingatkan bahwa angka itu dapat berubah selama beta, dan keluaran maksimumnya 128.000 token. Endpoint-nya kompatibel dengan OpenAI di api.reflection.ai/openai/v1 dan hanya mengekspos Chat Completions serta daftar Models dan tidak ada yang lain. Parameter reasoning_effort-nya menerima lima nilai, default-nya medium, dan tidak dapat dinonaktifkan.

• Harga — Claude Opus 5.5 $4,00 untuk input dan $20,00 untuk output per juta token, dengan pembacaan cache sebesar $0,20 dan penulisan cache sebesar $5,00, dibandingkan dengan Reflection Beam: tidak dipublikasikan di postingan blog, dokumentasi, maupun daftar model.

• Ketersediaan — Opus 5.5 sudah tersedia secara umum hari ini; Beam adalah daftar tunggu untuk beta, dengan bobot, laporan teknis, dan kartu model yang dijanjikan akhir bulan ini.

• Modalitas — Opus 5.5 menerima teks, gambar, dan file; Beam hanya menerima teks.

• Konteks — 1.000.000 token dibandingkan 256.000, dengan angka Beam yang menyertakan catatan beta.

• Bobot terbuka — tidak ada untuk Opus 5.5, dijanjikan di bawah Apache 2.0 untuk Beam, belum direalisasikan.

• Skor independen — Opus 5.5 memilikinya; Beam tidak.

Harga adalah bagian yang tidak dapat dibandingkan

$4.00 dan $20.00 milik Opus 5.5 adalah tarif daftar penyedia, dan di katalog kami keduanya diteruskan tanpa perubahan tanpa tambahan apa pun. Pembacaan cache sebesar $0.20 dan penulisan cache sebesar $5.00 sangat berpengaruh besar bagi beban kerja yang menjadi sasaran penjualan Opus 5.5 — sesi agentic panjang yang membaca ulang basis kode 200.000 token yang sama dari giliran ke giliran membayar tarif cache untuk hampir seluruhnya, bukan tarif input. Itu adalah pengungkit yang nyata dan sering diremehkan, dan layak dimodelkan sebelum Anda menyimpulkan bahwa model terdepan itu di luar anggaran.

Beam tidak memiliki angka yang sebanding. Tidak ada harga daftar untuk dibandingkan, tidak ada tier cache untuk dimodelkan, dan tidak ada tarif yang dipublikasikan untuk beta. Reflection belum mengatakan apakah Beam akan dijual per token, diukur per kursi, atau diberikan gratis bersama bobotnya. Siapa pun yang mengutip biaya per juta untuk Beam hari ini sedang mengarangnya.

Konsekuensi praktisnya: perbandingan harga bukanlah "Opus 5.5 mahal dan Beam lebih murah." Melainkan "salah satu dari keduanya punya harga, dan yang lain punya tanggal." Bagi tim yang harus memutuskan hari ini, asimetri itu lebih menentukan daripada tolok ukur mana pun.

Benchmark: dua angka yang tumpang tindih, dan mengapa keduanya tidak bisa dibandingkan

Tabel peluncuran Reflection tidak menyertakan Opus 5.5, atau model tertutup terdepan mana pun. Kumpulan pembandingnya sepenuhnya terbuka atau semi-terbuka: Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max, dan DeepSeek V4.1 Flash. Jadi tabel apa pun yang membandingkan Beam dengan Opus harus disusun secara manual, dan menyusunnya secara jujur berarti menyebutkan perbedaan harness alih-alih menghaluskannya.

Ada tepat dua tolok ukur yang keduanya memiliki angka yang dipublikasikan untuk kedua model, dan tidak ada pemasangan yang dikendalikan.

• Humanity's Last Exam — Reflection melaporkan Beam pada 36,2 tanpa alat; Artificial Analysis mencatat Opus 5.5 pada 61,4. Dua harness yang berbeda, dua konfigurasi yang berbeda — angka Opus 5.5 tidak dilabeli tanpa alat — dan selisih dua puluh lima poin yang lebih sedikit mengungkapkan tentang model daripada tentang penyiapannya.

• SciCode — Reflection melaporkan Beam sebesar 49,7; Artificial Analysis mencatat 66,9 untuk Opus 5.5. Benchmark yang sama, masalah yang sama: satu angka adalah hasil pengujian vendor sendiri, yang lain adalah harness pihak ketiga.

Semua hal lainnya sama sekali tidak tumpang tindih. Tabel Beam dibangun di atas Terminal-Bench v2.1, sedangkan indeks Artificial Analysis saat ini menjalankan Terminal-Bench 4.0 — versi berbeda dari suite yang sama, itulah sebabnya angka 80,1 milik Beam dan 59,6 milik Opus 5.5 pada papan tersebut bukanlah perbandingan dan tidak boleh pernah dicetak bersebelahan. Pada indeks itu sendiri, Artificial Analysis menempatkan Opus 5.5 pada 57,6 dalam konfigurasi Max / Default Fallback, berada di peringkat keempat dari 147 model dalam penjalanan tersebut. Beam tidak memiliki baris indeks: halaman-halaman model mengembalikan 404 dan papan peringkat tidak memuat entri Beam per pagi ini.

Satu-satunya pernyataan yang benar-benar independen tentang Beam yang tercatat adalah pernyataan Artificial Analysis, pada 5 Oktober, bahwa Reflection telah memberinya akses dan bahwa ia secara independen sedang melakukan benchmark terhadap model tersebut — dan bahwa indikator awal menunjukkan Beam akan menjadi salah satu model terbuka paling hemat token yang pernah dilihatnya untuk tingkat kecerdasannya. Itu adalah kalimat yang kuat dari sumber yang tepat dan masih merupakan kalimat tanpa angka. Angka itulah yang akan menentukan pertarungan ini.

Di mana klaim efisiensi itu benar-benar berdampak

Argumen Reflection bukanlah bahwa Beam lebih pintar daripada model terdepan. Argumennya adalah bahwa Beam mendapat skor yang sebanding dengan GLM 5.2 sambil menggunakan komputasi inferensi 3 hingga 4× lebih sedikit, dan bahwa kesenjangannya melebar terhadap model-model dalam keluarga 2 triliun parameter tempat Qwen 3.8-Max berada. Grafik di baliknya memperkirakan FLOPs yang dihasilkan sebagai dua kali jumlah parameter aktif dikalikan rata-rata token yang dihasilkan per percobaan, dan keterangannya sendiri mengakui bahwa hal ini tidak mencakup prompt prefill, attention, dan overhead serving.

Jika menerima itu secara apa adanya, sasaran yang menarik sama sekali bukan Opus 5.5 — melainkan pasar menengah. Opus 5.5 bersaing pada kemampuan per tugas dan menang pada tugas-tugas yang membutuhkan pertimbangan: refaktor multi-langkah, tinjauan kode, pekerjaan yang jawaban salahnya lebih mahal daripada tokennya. Model yang hanya 4,6 persen aktif per token bersaing pada biaya per tugas dan menang di area tempat volume mendominasi dan standar kualitasnya adalah "cukup baik dan diverifikasi di hilir." Itu adalah produk yang berbeda, dan perbandingan yang mempertemukan Beam dengan Opus 5.5 pada satu papan skor mengukur hal yang salah.

Ada efek tingkat kedua yang layak disebutkan. Jika klaim efisiensi Beam terbukti benar, tempat alaminya adalah jenis beban kerja yang jika tidak, Anda akan membelanjakan token model frontier untuk tugas yang sebenarnya terlalu rendah bagi model itu. Itu adalah keputusan perutean, bukan pilihan model, dan itulah alasan pertanyaan harga lebih penting daripada pertanyaan benchmark di sini: Anda tidak bisa merutekan berdasarkan biaya ke model yang tidak memiliki biaya.

Menjalankannya secara berdampingan, saat Beam dapat dipanggil

Opus 5.5 sudah ada di katalog kami hari ini dengan harga $4,00 dan $20,00 per juta token, harga daftar diteruskan apa adanya tanpa tambahan apa pun, dan ia bersanding dengan lebih dari 200 model lain di balik satu kunci yang kompatibel dengan OpenAI di api.orcarouter.ai/v1. Jika Anda ingin melakukan uji A/B pada suatu beban kerja antara model terdepan dan model terbuka yang murah, itulah bentuk pengaturannya: dua ID model, satu kunci, tanpa kontrak kedua, dan tanpa perubahan kode — serta failover otomatis dalam perutean berarti penyedia yang sedang mengalami hari buruk tidak akan membuat pipeline Anda ikut tumbang.

Beam belum dapat menjadi bagian dari itu, dan kami tidak akan berpura-pura sebaliknya. Reflection Beam bukan salah satu rute kami, dan kami tidak akan mengarahkan Anda ke siapa pun yang mungkin menjualnya kembali. Saat bobotnya dirilis di bawah Apache 2.0, Anda akan dapat meng-host sendiri dan mengarahkan rute ke endpoint Anda sendiri; sampai saat itu, satu-satunya jalur adalah daftar tunggu Reflection.

Untuk beban kerja yang benar-benar memerlukan model frontier, perbandingan yang perlu dibuat bukanlah dengan Beam. Melainkan dengan semua yang lain di katalog: GLM 5.3 pada $1.26 dan $3.96, Qwen 3.8-Max pada $2.00 dan $6.00, serta DeepSeek V4.1 Flash pada $0.15 dan $0.60, semuanya dibaca langsung pagi ini. Itulah tier tempat Beam akan masuk jika menetapkan harga secara kompetitif, dan itu adalah lingkungan yang jauh lebih sulit daripada yang tersirat oleh grafik peluncuran.

Apa yang akan mengubah putusan ini

Tiga hal, sesuai urutan seberapa besar pengaruhnya.

Baris Artificial Analysis untuk Beam. Bukan pengumuman bahwa itu akan datang — barisnya. Jika indeksnya berada di dekat 57,6 milik Opus 5.5 sementara klaim efisiensi tokennya bertahan saat diuji dengan harness pihak ketiga, pasar menengah menjadi benar-benar tidak nyaman dan Beam menjadi default untuk banyak pekerjaan bervolume tinggi. Jika indeksnya berada lebih dekat ke klaster open-weights di awal empat puluhan, Beam adalah model murah yang solid dan tidak lebih dari itu.

Harga. Model tanpa tarif daftar tidak bisa memenangkan argumen biaya, karena tidak ada yang bisa dibandingkan. Jika Beam masuk di bawah tier GLM 5.3, kisah efisiensi dengan sangat cepat berubah menjadi kisah anggaran. Jika harganya berada di atas $0.15 dan $0.60 milik DeepSeek V4.1 Flash tanpa keunggulan kemampuan, ia akan kesulitan untuk pekerjaan bervolume yang menjadi tujuan pembuatannya.

Bobotnya. Sampai bobot itu ada, "open-weight" adalah pernyataan tentang lisensi yang belum diberikan, dan tidak ada yang bisa memeriksa aritmetika FLOPs per skor terhadap model yang benar-benar dapat mereka jalankan. Itulah pemeriksaan yang diundang Reflection dan belum diaktifkannya.

Sampai setidaknya salah satu dari itu terwujud, pilihan praktisnya tidaklah seimbang. Opus 5.5 adalah model yang bisa Anda pertimbangkan, hitung biayanya, dan gunakan untuk produksi. Beam adalah model yang Anda amati.