Beam 1.0 vs Qwen 3.8: un rilascio a peso consegnato contro un listino prezzi

Il 5 ottobre 2026, Reflection Beam 1.0 è stato annunciato come modello open-weight i cui pesi non erano ancora stati rilasciati. Il 16 ottobre 2026 sono usciti — quattro repository su Hugging Face sotto Apache 2.0, nelle precisioni BF16, FP8 e NVFP4, più un drafter da 2B per la decodifica speculativa. Qwen 3.8 ha raccontato la storia opposta per due mesi e mezzo: la generazione di Alibaba è diventata disponibile il 3 agosto 2026 con Qwen3.8-Max come API a pagamento a 2,00 $ per milione di token in input e 6,00 $ per milione in output, un modello sibling open-weight seguito sotto una licenza personalizzata e un modello dense da 27 miliardi di parametri sotto Apache 2.0. Entrambi i modelli dichiarano una finestra di contesto da un milione di token. Entrambi ragionano, entrambi chiamano strumenti, entrambi sono solo testo a livello di interfaccia. La differenza che vale la pena capire è quale dei due puoi mettere a budget e quale puoi tenere, perché dopo il 16 ottobre ogni modello ha esattamente una di queste due cose e non l'altra.

Entrambi i valori sopra riportati sono del fornitore, ed entrambi i modelli sono ormai stati misurati da Artificial Analysis — una cosa abbastanza rara in questo campo da costituire la ragione per cui questo confronto può essere scritto.

Lo stato delle cose, modello per modello

• Parametri — Beam 1.0 è un modello sparse mixture-of-experts da 501,3B di parametri totali con 23,4B attivi per token, su 52 livelli, tre densi e 49 MoE, con 256 esperti nella configurazione descritta dalla scheda. Il numero di parametri di Qwen3.8-Max non è mai stato reso noto da Alibaba; la controparte open del suo core, Qwen3.8-2.4T-A95B, è un MoE da 2,4 trilioni di parametri con circa 95 miliardi di parametri attivi, che rappresenta quanto di più vicino si possa arrivare, al di fuori dell'azienda, alle dimensioni del flagship.

• Finestra di contesto — 1.000.000 di token sulla model card di Beam 1.0. 1.000.000 di token nella scheda di OrcaRouter per qwen/qwen3.8-max, e 984.000 sulla pagina di Artificial Analysis per lo stesso modello. I due sono la stessa cifra arrotondata in modo diverso e non rappresentano un punto di differenza tra i modelli.

• Modalità — Beam 1.0 è testo in ingresso, testo in uscita, dichiarato chiaramente sulla sua scheda. Qwen3.8-Max accetta testo e immagini e restituisce testo, che è una vera differenza di capacità, non di formattazione.

• Licenza — Beam 1.0 è Apache 2.0, senza limiti di utenti e senza un livello commerciale separato. La generazione Qwen 3.8 è mista: il checkpoint core 2.4T Max è scaricabile con una licenza personalizzata, il dense 27B con Apache 2.0, e il flagship Max stesso non ha alcun peso.

• Prezzo — non pubblicato per Beam 1.0 in nessuna delle proprietà di Reflection, e registrato come non disponibile sulla pagina di Artificial Analysis per il modello. $2,00 e $6,00 per milione di token per Qwen3.8-Max, pubblicati da Alibaba e indicati sulla nostra route agli stessi valori.

Punteggio indipendente — l'Artificial Analysis Intelligence Index v4.3.2 assegna a Beam 1.0 un valore di 30, classificandolo 19º su 120 nella sua classe di confronto. Lo stesso indice attribuisce a Qwen3.8-Max (0902) un valore di 45, classificato 33º su 217, e AA ha valutato la linea Max su più di una build, con il numero che varia tra l'una e l'altra.

• Velocità — non disponibile per Beam 1.0; la pagina registra la velocità di output come sconosciuta, perché non esiste un endpoint pubblico per misurarla. 38,8 token di output al secondo per Qwen3.8-Max, che AA descrive come notevolmente lento per la sua fascia.

Cosa hanno davvero cambiato i sedici giorni tra l'annuncio e il rilascio

Vale la pena descrivere il divario con precisione, perché è il genere di cosa che viene appiattita una volta che i pesi sono fuori.

Il post di lancio di Reflection diceva che i pesi, il rapporto tecnico, la model card e gli artefatti per sviluppatori sarebbero seguiti "più avanti questo mese", e prometteva Apache 2.0. Tra il 5 ottobre e il 16 ottobre, l'unica cosa che un lettore poteva fare con Beam 1.0 era iscriversi a una lista d'attesa. Il modello aveva una tabella di benchmark, un resoconto di addestramento pubblicato — 23,8 trilioni di token su 6.144 GPU GB300 NVL72 in meno di quattro settimane, una fase di RL su 10.500 GB300, più di 100 milioni di rollout — e nessun download.

Poi, il 16 ottobre, tre varianti di quantizzazione e un drafter sono comparsi in una collezione di Hugging Face, e la scheda è arrivata con una tabella di valutazione completa su tutte e tre le precisioni. Per un lettore che deve decidere cosa eseguire, la conseguenza importante non sono i numeri del benchmark, che restano quelli di Reflection e non sono stati riprodotti. È che il modello è passato dalla categoria "annunciato" alla categoria "tuo da ispezionare, quantizzare, mettere a punto e servire". Una licenza su cui puoi agire è un asset diverso da una licenza che ti è stata promessa.

Qwen 3.8 ha preso la strada opposta per arrivare allo stesso posto. Alibaba ha aperto la generazione con un flagship a pagamento e disponibile come servizio il 3 agosto 2026, per poi rilasciare i pesi per fasi in seguito — il core da 2,4T il 12 agosto, il modello dense da 27B il 14 agosto, l'anteprima di Flash-Next più tardi quel mese. Nessuno ha dovuto aspettare una promessa, perché ciò che potevi comprare è arrivato prima e ciò che potevi scaricare è arrivato dopo.

Le due situazioni di prezzo non sono simmetriche

Qwen3.8-Max è una delle nostre route. Si colloca a $2,00 per milione di token di input e $6,00 per milione di token di output, con un contesto da un milione di token, al prezzo di listino del fornitore trasferito senza alcun ricarico — quindi se A​libaba modifica quella tariffa, la tua fattura cambia lo stesso giorno anziché al prossimo rinnovo contrattuale. È questo che significa in pratica "il modello ha un prezzo", ed è il motivo per cui questo articolo può mettere un numero calcolato davanti a un lettore per un lato del confronto e non per l'altro.

Beam 1.0 non ha un numero del genere. Dodici giorni dopo l'annuncio era un'anteprima con lista d'attesa e un muro di registrazione; il 16 ottobre è diventato scaricabile. A nessuno dei due stati è associata una tariffa. Qualsiasi cifra in dollari vediate citata per Beam 1.0 è la stima hardware di qualcuno, e la scheda non fornisce alcuna raccomandazione di serving, nessun requisito hardware minimo e nessun valore di throughput su cui basare una stima. La riga del prezzo è la più grande lacuna nella documentazione del modello, ed è una lacuna che un conteggio di 501B parametri rende costosa da colmare.

C'è una versione di questo confronto in cui le dimensioni fanno l'argomento del costo al posto tuo — 23,4 miliardi di parametri attivi contro i presunti 95 miliardi sono un rapporto di quattro a uno nel calcolo per token, e se il modello più piccolo avesse un prezzo potrebbe benissimo essere il più economico da eseguire. Questo argomento non si può fare qui, perché una delle due parti non ha una tariffa. Quello che si può dire è che un modello con un prezzo pubblicato e un modello con una licenza pubblicata sono entrambi, in sensi diversi, pronti all'uso, e un acquirente ha bisogno di entrambe le righe per scegliere.

Capacità, con il sourcing allegato

La scheda di Beam 1.0 riporta SWE-bench Verified all'81,6% sul checkpoint BF16, Terminal Bench v2.1 a 80,1, SWE Bench Pro v1 a 66,1, DeepSWE v1.1 a 43,3, GPQA Diamond a 90,6, AIME 2026 a 97,7, LiveCodeBench a 88,3, MCP Atlas a 80,8, LongBench v2 a 67,5 e IFBench a 79,6, con i numeri FP8 e NVFP4 tipicamente inferiori di uno o due punti. Il posizionamento di Reflection è prudente: descrive Beam come competitivo con modelli open di dimensioni maggiori e vicino a Qwen 3.8-Max, alla pari con GLM-5.2 sul ragionamento pur usando da tre a quattro volte meno calcolo per l'inferenza, e riconosce che Kimi K3 è ancora in testa sulla capacità grezza. Tutto quanto è dichiarato dal fornitore e nulla è stato riprodotto da terzi.

I numeri di Qwen3.8-Max arrivano da due direzioni. Alibaba riporta i propri, incluso l'86,6% su Terminal Bench 2.1, e i listini prezzi enterprise che accompagnano il lancio di un modello di punta. Il composito indipendente di Artificial Analysis è la riga più utile: 45 su Intelligence Index v4.3.2, che colloca il modello ben al di sopra della mediana della sua classe di confronto di 27 ma al di sotto della frontiera, e una velocità di output misurata di 38,8 token al secondo che AA descrive come lenta persino rispetto a una mediana di fascia vicina a 88. Un modello di punta che è 15 punti avanti a Beam 1.0 sullo stesso indice indipendente e costa 2,00 $ per parlarci è una proposta diversa da uno che è avanti nella tabella del fornitore stesso.

L'unico numero che risolverebbe la discussione sull'efficienza — token per unità di energia o per dollaro di calcolo, misurati su hardware identico — non esiste per nessuno dei due modelli. Il grafico a supporto di Reflection approssima i FLOP come all'incirca il doppio del numero di parametri attivi moltiplicato per i token generati e afferma nella propria didascalia che ciò esclude prefill, attenzione e overhead di serving. È una dichiarazione onesta di un limite, e continua comunque a non essere una misurazione.

A cosa serve ciascuno

Affidati a Qwen3.8-Max quando ti serve che la cosa sia invocabile e responsabile. C'è una tariffa, un valore di contesto e un punteggio indipendente, legge sia immagini sia testo e risponde su una chiave che puoi avere già oggi. I costi sono onesti: è costoso, a $2,00 e $6,00 per milione di token, e la misurazione indipendente dice che è lento per la sua categoria, quindi un carico di lavoro ad alto volume noterà entrambe le cose. I pesi aperti della generazione esistono, ma il checkpoint che sostiene il nome di punta è sotto una licenza personalizzata ed è su scala datacenter, quindi ospitare in autonomia esattamente ciò che stai acquistando non è la via di fuga che sembra.

Scegli Beam 1.0 quando vuoi possedere l'intero stack. Apache 2.0 con tre livelli di quantizzazione, un contesto da 1M di token, un budget di ragionamento sempre attivo che si regola invece di essere attivato o disattivato, e una tabella di valutazione orientata al coding e al lavoro agentico. Il prezzo di quel possesso è tutto ciò che gli sta attorno: una bolletta di serving che devi stimare da solo, un numero di parametri che rende la stima elevata, e nessun punteggio indipendente con cui verificare la tabella del fornitore — il valore di 30 dell'Intelligence Index è reale e di terze parti, ma è un unico composito, non una verifica per singolo benchmark.

E per il caso misto — un team che alla fine vuole i pesi aperti ma ha bisogno di un endpoint entro questo trimestre — la risposta ordinaria è entrambi: instradare il lavoro attraverso un modello servito a una tariffa pubblicata mentre il deployment self-hosted viene costruito e sottoposto a benchmark sui vostri task. OrcaRouter esegue più di 200 modelli dietro un'unica chiave compatibile con OpenAI con failover automatico tra provider, così una build self-hosted può ricevere una frazione del traffico e restituire il resto quando peggiora, e non è richiesto un secondo contratto per provare un modello a cui non vi siete impegnati.

Cosa guardare dopo

Una sola cosa cambia questa pagina, ed è una singola riga. Se Reflection o un partner di erogazione pubblica una tariffa Beam 1.0 — per l'API, oppure per un deployment in hosting FP8 o NVFP4 — allora il confronto diventa aritmetica: 23,4B parametri attivi contro i presunti 95B, due punteggi di indice indipendenti e due prezzi. Questa è una pagina che vale la pena leggere. Fino ad allora, il riassunto veritiero è che Reflection ha consegnato la metà che aveva promesso, Alibaba ha consegnato la metà che aveva prezzato, ed entrambi i modelli aspettano l'altra metà.

Quel divario tra ciò che un tabellone dei punteggi misura e ciò che un deployment incontra nella pratica è il motivo per cui il registro conta: i fallimenti documentati dell'IA e gli incidenti degli agenti relativi ai modelli di questa classe sono raccolti in the OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.