Beam 1.0 vs Ember-1: due modi per ridurre il costo del ragionamento, e solo uno ha i pesi

Beam 1.0 e Ember-1 inseguono la stessa voce di dettaglio da direzioni opposte, ed è questo che rende sensato il confronto. Ember-1 è il derivato Kimi K3 di Fireworks Research, pubblicato il 23 settembre 2026 come anteprima di ricerca, che attacca il costo del ragionamento riaddestrando un modello di frontiera esistente a pensare in modo più conciso — il dato di punta del fornitore è circa il 40% in meno di token a qualità comparabile. Beam 1.0 è l'architettura propria di Reflection, rilasciata con pesi Apache 2.0 il 16 ottobre 2026, che attacca lo stesso costo attivando solo 23,4 miliardi di parametri su 501,3 miliardi per token e dichiarando qualità comparabile con circa tre volte meno token di ragionamento in fase di inferenza. Un team ha cambiato le abitudini di un modello; l'altro ha costruito un modello le cui abitudini costano meno. La situazione delle fonti è altrettanto netta: i pesi di Reflection esistono e possono essere scaricati oggi, mentre Fireworks Research non ha pubblicato né i pesi né un prezzo.

Entrambe le affermazioni sono riportate dai fornitori e non riprodotte, ed entrambe sono misurate rispetto a modelli con listini prezzi pubblicati — che è l'unico motivo per cui l'aritmetica è anche solo verificabile.

Due meccanismi, e perché non sono intercambiabili

Fireworks Research ha condotto più di cinquanta esperimenti di addestramento e oltre duecento valutazioni per rimuovere il ragionamento che non cambia la risposta, e afferma che la lunghezza del ragionamento è calata del 35–50% su sette benchmark e due set di traffico di produzione dei clienti. Su una sessione di Terminal Bench 2.1 di 89 attività riporta l'82,0% contro l'80,9% di K3 Max, con il 51,9% di token in meno e 23,10 $ in meno per attività; su τ-2 Bench Airline il risparmio crolla al 5,9%. Quel "circa 40%" è una media su un intervallo che va da circa il 6% a circa il 52%, il che conta enormemente se il vostro carico di lavoro assomiglia all'estremo inferiore di quell'intervallo.

L'approccio di Reflection è strutturale anziché comportamentale. Il risparmio di Beam 1.0 deriva dal rapporto di attivazione — il 4,7 per cento del modello è attivo su qualsiasi token, quindi il calcolo per token è inferiore per costruzione — più un'affermazione sulla verbosità. Il sostegno più forte per la metà relativa alla verbosità è indipendente: Artificial Analysis ha misurato Beam a 79 milioni di token di output sul suo Intelligence Index contro una mediana di 130 milioni, classificandolo decimo su quarantasei. Si tratta di una terza parte che conta i token e trova Beam più frugale della maggior parte del settore, il che non è un'affermazione sul throughput per GPU ma è un'affermazione concreta.

Detto chiaramente: se Ember-1 funziona come pubblicizzato, qualsiasi sua implementazione diventa più economica. Se Beam 1.0 funziona come pubblicizzato, qualsiasi sua implementazione diventa più economica. Nessuna delle due affermazioni ti dice cosa succede quando ne sostituisci uno con l'altro, perché i due modelli non hanno le stesse dimensioni, non sono stati addestrati allo stesso modo e non producono gli stessi token.

Il confronto dimensione per dimensione

• Parametri — Beam 1.0: 501,3B totali, 23,4B attivi per token, un rapporto di attivazione del 4,7%; 52 livelli, 3 densi e 49 MoE, 256 esperti. Ember-1: derivato da Kimi K3, e Fireworks Research non ha pubblicato un conteggio dei parametri per il suo derivato.

• Licenza — Beam 1.0: Apache 2.0, con il file di licenza nel repository e nessuna restrizione su distillazione, fine-tuning, quantizzazione o merging. Ember-1: nessun peso pubblicato; è un'anteprima di ricerca servita.

• Accesso — Beam 1.0: tre precisioni su Hugging Face più un'API compatibile con OpenAI di prima parte su api.reflection.ai, ID modello Beam-1.0-501B-A23B. Ember-1: la piattaforma serverless proprietaria del fornitore, con una finestra di accesso di due settimane la cui permanenza il laboratorio lega alla domanda.

• Prezzo — Beam 1.0: non pubblicato da nessuna parte; la documentazione contiene una pagina dettagliata sui limiti di frequenza e nessuna scheda tariffaria. Ember-1: nemmeno pubblicato; le colonne in dollari nella sua tabella di benchmark sono calcolate dalle tariffe pubbliche di Kimi K3 applicate ai conteggi dei token, non da una tariffa di Ember-1.

• Contesto — Beam 1.0: finestra di 1M token sulla scheda del modello, 131.072 token di output massimo sull'API. Ember-1: non pubblicato per l'anteprima; il suo modello di base contiene 1.048.576 token.

• Controllo del ragionamento — Beam 1.0: cinque livelli di impegno, ragionamento obbligatorio, max come impostazione predefinita. Ember-1: eredita il selettore dell'impegno di K3, e la premessa del rilascio è che il selettore è troppo grossolano e il riaddestramento è lo strumento più fine.

• Valutazione indipendente — Beam 1.0: Artificial Analysis Intelligence Index 30, posizione 19 di 120 su v4.3.2, senza prezzo né velocità registrati. Ember-1: nessuna pubblicata; nessuna terza parte l'ha eseguito.

• Soglia minima per il self-hosting — Beam 1.0: quattro GPU N​VIDIA B300 SXM su NVLink per la build NVFP4 da 273 GiB, otto H200 per FP8 e otto B200 o B300 per la build BF16 da 933,81 GiB. Ember-1: nessun peso, quindi nessuna soglia minima da indicare.

Cosa può effettivamente fare un operatore questa settimana

È qui che i due divergono, e non è una questione di poco conto. Il divario di Beam 1.0 è un prezzo. Il divario di Ember-1 è l'artefatto stesso.

Con Beam puoi scaricare 273 GiB, eseguire la ricetta SGLang su un'immagine pinned e avere il beam-verifier CLI che valuta il tuo deployment rispetto ai punteggi di riferimento di Reflection sui benchmark principali. Non puoi prezzarlo per token, perché nessuno ha pubblicato una tariffa, ma puoi calcolare un numero di capitale e un numero di watt e confrontarli con qualunque cosa tu stia pagando ora. Questa è una posizione insolita in cui trovarsi: un fornitore che ha rilasciato l'harness di verifica prima del listino prezzi.

Con Ember-1 puoi inviare traffico a un endpoint di anteprima che, secondo Fireworks Research, potrebbe non esistere il mese prossimo, e puoi leggere un foglio di benchmark le cui colonne dei costi sono il tariffario di qualcun altro. Il risparmio che descrive è reale se tiene, ma la cosa che genera il risparmio non è qualcosa che puoi tenere.

Entrambi i modelli vengono misurati rispetto a Kimi K3, e K3 è quello dei tre di cui è possibile conoscere i costi. È presente nel nostro catalogo a 3,00 $ per milione di token di input, 0,30 $ per milione di input in cache e 15,00 $ per milione di output, con una finestra di contesto di 1.048.576 token. È lo stesso tariffario utilizzato dal confronto di Fireworks Research, quindi le percentuali di riduzione dei token nella tabella di Ember-1 si traducono in dollari che puoi verificare, anziché in dollari che devi prendere per fede.

Il che suggerisce la sequenza pratica. Valuta il carico di lavoro sulla rotta di K3 oggi, considera le percentuali di Ember-1 come il limite superiore di ciò che un passaggio potrebbe offrire, e aspetta una tariffa Ember-1 pubblicata prima di modellare il risparmio in denaro. Se l'aritmetica è abbastanza interessante da giustificare un intervento, la copertura è mettere l'anteprima dietro lo stesso endpoint della produzione — OrcaRouter gestisce un'unica chiave compatibile con OpenAI su oltre 200 modelli, trasmette il prezzo di listino del provider senza aggiungere nulla e passa automaticamente al failover, così un'anteprima che svanisce è un cambio di routing anziché una migrazione. Nulla di una finestra di due settimane lo richiede. Nulla di essa vi si oppone, del resto.

La domanda che lo decide

Se il tuo vincolo è che il modello deve essere tuo — che devi possedere l'artefatto, quantizzarlo, unirlo o eseguirlo all'interno di un perimetro — allora Beam 1.0 è l'unico dei due che sia anche solo un candidato, e il prezzo mancante è un inconveniente più che un ostacolo. Quattro GPU e un checkpoint scaricato sono un piano.

Se il vostro vincolo è che eseguite Kimi K3 in un lungo ciclo di agenti e la bolletta è dominata da token di ragionamento che non potete vedere, entrambi sono interessanti e a nessuno dei due si può ancora rispondere. Il vantaggio di efficienza di Beam è strutturale e si applicherebbe a qualsiasi carico di lavoro; quello di Ember-1 è comportamentale e, secondo i suoi stessi numeri, si applica in modo disomogeneo: metà dei token su Terminal Bench, un ventesimo su un compito modellato su un benchmark per compagnie aeree. Eseguite entrambi in shadow sul vostro traffico reale prima che l'uno o l'altro diventi una voce di budget. Le tabelle di benchmark, in qualunque direzione puntino, sono state costruite dalle parti che vendono i modelli.

Niente di tutto ciò è ipotetico: i fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.