Beam vs Beam 1.0: Il numero di versione che non è una versione

Cerca due nomi di modello che sembrano un prodotto e il suo predecessore — Beam e Beam 1.0 — e troverai un confronto che non esiste. Non esiste un Beam 1.0 che abbia sostituito un Beam precedente, nessun Beam 1.1 in attesa dietro di esso e nessun checkpoint più vecchio che un lettore potrebbe ancora stare eseguendo. Reflection ha rilasciato un modello a pesi aperti nell'ottobre 2026, lo chiama Beam nella propria prosa e archivia i repository e l'endpoint ospitato sotto l'identificatore Beam-1.0-501B-A23B. Entrambe le etichette puntano allo stesso mixture of experts sparso da 501,3 miliardi di parametri. Il numero di versione è un tag di distribuzione, non una generazione.

Sembra una nota a piè di pagina. Non lo è, perché il suffisso di versione è la parte che si propaga. Finisce negli ID dei modelli, nella configurazione del router, nelle dashboard dei costi, nel foglio di calcolo dove qualcuno confronta le opzioni dei fornitori e non riesce a capire se la riga etichettata Beam e la riga etichettata Beam 1.0 siano due opzioni o una sola duplicata da un'importazione errata. Mettere a posto l'identità è tutto il contenuto del confronto, e si rivela più utile di una scheda tecnica: ti dice come si comporterà la cosa in un catalogo e cosa controllare prima di collegarla a qualunque cosa.

Da dove proviene effettivamente ogni etichetta

La suddivisione non è arbitraria. Ogni forma ha una fonte, e sapere quale sia quale è ciò che ti permette di riconoscere lo stesso modello che compare sotto due nomi:

• "Beam" — il nome in prosa del fornitore. Il post di lancio è intitolato "Introduzione a Beam: il modello open-weight da 501B di Reflection", il post sulla disponibilità del 16 ottobre è intitolato "Beam è ora disponibile", e la collezione su Hugging Face è beam-10. È anche quello che ha adottato l'ecosistema dei framework: il cookbook di SGLang lo elenca sotto la sua intestazione del fornitore come "Beam 1.0 — Nuovo", e l'account del progetto che lo eroga in produzione dice "Beam".

• "Beam-1.0-501B-A23B" — l'identificatore macchina. È l'ID del modello sull'endpoint compatibile con OpenAI di Reflection, e codifica le stesse tre informazioni di cui ha bisogno un builder: un modello, prima release, 501 miliardi di parametri totali, 23 miliardi attivi. I trattini sono portanti; questa è una stringa da incollare, non un nome da cercare.

• "Beam 1.0" — la resa leggibile dall'uomo di quell'identificatore, e la forma che compare negli elenchi di catalogo, nelle pagine delle directory dei modelli e nei riepiloghi di terze parti. È ciò che si ottiene quando un identificatore viene abbellito per un menu a discesa.

Quindi i due termini di ricerca non sono due modelli. Sono la parola del fornitore e la resa del catalogo di un unico nome di repository.

La conseguenza che morde davvero: la corrispondenza per nome

Tutto ciò che sta a valle di questo — regole di routing, liste di autorizzazione, esportazioni di fatturazione, harness di valutazione — esegue la corrispondenza sulla stringa, e la stringa non è stabile nei luoghi in cui la incollerai. Ne seguono tre trappole pratiche, e nessuna di esse è ipotetica:

• Una regola scritta per "Beam" non corrisponderà a "beam-1.0-501b-a23b", e una regola scritta per l'identificatore non corrisponderà a un catalogo che ha memorizzato il nome visualizzato. Maiuscole/minuscole e punteggiatura variano a seconda della piattaforma, e nulla le riconcilia per te.

• Una dashboard dei costi che raggruppa per nome visualizzato mostrerà un modello come due voci distinte nel momento in cui un provider cambia il suo rendering, e i totali non quadreranno con la tua fattura.

• Un foglio di calcolo comparativo creato cercando entrambi i termini conteggerebbe il modello due volte, che è precisamente l'errore che questo articolo ha lo scopo di prevenire. Se hai una riga per Beam e una riga per Beam 1.0, hai un modello e due righe.

La correzione è poco elegante: fissa l’identificatore, tratta il nome visualizzato come un’etichetta e basa qualsiasi confronto di prezzo o benchmark sull’identificatore anziché su ciò che diceva il menu a discesa. Lo stesso vale per la questione del prezzo — Beam 1.0 non ha alcuna tariffa pubblicata per milione di token, né sull’endpoint né nell’annuncio, quindi non c’è ancora un numero da inserire in nessuna delle due righe.

La versione che presenta davvero differenze reali

Ci sono distinzioni reali in questa versione, e nessuna di esse risiede nel nome del modello. Risiedono nell'artefatto che si sceglie, ed è proprio qui che punta una query "Beam vs Beam 1.0":

• BF16 vs FP8 vs NVFP4 — 933,81 GiB distribuiti su 188 shard di safetensors, 468,72 GiB in E4M3, o una build packed a 4 bit da 273 GiB. Stesso totale di 501,3B e 23,4B attivi in tutte e tre; la differenza è il requisito hardware minimo che ciascuna implica, da 16 GPU fino a quattro B300 in NVLink.

• Base contro drafter — DFlash2 è un modello separato di decodifica speculativa da 1,93 miliardi di parametri, pubblicato come repository a sé stante, non una variante di Beam. Un deployment che ne è privo non è "Beam 1.0 senza l'aggiornamento", è lo stesso modello decodificato in modo diverso.

• Ospitato versus scaricabile — un unico identificatore, due percorsi di distribuzione: il checkpoint con licenza Apache 2.0, e un endpoint compatibile con OpenAI con ragionamento obbligatorio, livelli di impegno da low a max con max come predefinito, e limiti a livello di organizzazione condivisi tra tutte le chiavi.

Se due team non sono d'accordo su "quale Beam 1.0" stanno eseguendo, il disaccordo riguarda quasi sempre uno di quei tre assi anziché un numero di versione.

Leggere i numeri del fornitore alla data corretta

Un'altra cosa cambia tra le etichette, ed è una vera fonte di confusione piuttosto che un artefatto di denominazione. Reflection ha pubblicato la sua tabella di benchmark più di una volta, e i numeri sono cambiati tra le versioni della pagina. L'annuncio del 5 ottobre riportava un set; una nota su quello stesso post registra un aggiornamento dell'8 ottobre; la scheda del modello così com'è riflette le cifre attuali. Le differenze sono piccole e per lo più nella terza cifra significativa — una configurazione di SWE Bench Pro v2-Hard indica 77.2 nella tabella precedente e 78.6 nella scheda attuale — ma sono abbastanza grandi che due articoli che citano "il numero del fornitore" possono essere in disaccordo pur essendo entrambi accurati alla loro data.

Ciò che non è cambiato è la forma del risultato. Tutti i valori riportati di seguito sono dichiarati dal fornitore e non riprodotti da noi, misurati a temperatura 0,7 e top_p 0,99, e tutte e tre le precisioni sono elencate perché lo scarto tra loro è parte della storia:

• SWE Bench Verified — 81,6 BF16, 80,2 FP8, 80,7 NVFP4. Il numero di riferimento per il coding, e l'unico che la precisione tocca appena.

• Terminal Bench v2.1 — 80,1 BF16, 78,9 FP8, 78,4 NVFP4. Lavoro agentico da terminale, dove la build FP8 perde circa un punto e mezzo.

• AIME 2026 — 97,7 BF16, 98,0 FP8, 97,5 NVFP4. Di fatto saturo in ogni precisione, il che lo rende un debole discriminatore tra di esse.

• GPQA Diamond — 90.6 BF16, 90.3 FP8, 89.3 NVFP4. L'esempio più chiaro della build NVFP4 che perde terreno, circa 1,3 punti.

Il pattern costante è che la quantizzazione costa poco sui benchmark di coding e ragionamento e un po' di più su quelli basati sulla conoscenza, con FP8 che a volte supera nettamente BF16 — il che è un motivo per scegliere una precisione in base all'hardware anziché in base alle classifiche. È anche un motivo per annotare quale tabella hai citato. Una riga etichettata "Beam" e una riga etichettata "Beam 1.0" possono contenere numeri realmente diversi senza che nessuna delle due sia sbagliata, e il suffisso di versione non è ciò che le distingue. È la data.

Che cosa significa questo se stai scegliendo tra loro

Non c'è alcuna decisione da prendere tra Beam e Beam 1.0, perché esiste un solo modello. La decisione che hai davvero davanti ha tre parti, e ciascuna ha una risposta:

• Se ti serve un checkpoint aperto sul tuo hardware — un'unica opzione, tre precisioni, e la scelta tra di esse è una questione di hardware. Quattro B300 per NVFP4, otto H200 per FP8, sedici dispositivi per BF16, e il numero di dispositivi deve dividere 256 esperti.

• Se hai bisogno di un endpoint ospitato — l'API first-party è l'unica con un contratto documentato, e attualmente non ha un prezzo pubblicato, il che significa che non è ancora possibile completare un confronto di procurement sul costo.

• Se ti serve accanto ai modelli che già chiami — Beam 1.0 non è una delle nostre rotte, quindi non possiamo servirtelo e nulla di quanto qui presente deve essere interpretato come una nostra dichiarazione di disponibilità. Ciò che possiamo fare è mantenere a basso costo la decisione che lo circonda. OrcaRouter gestisce un'unica chiave compatibile con OpenAI su oltre 200 modelli, con il prezzo di listino del fornitore passato così com'è e senza alcun ricarico, e failover automatico tra fornitori, così un pilot di Beam 1.0 si affianca al traffico di produzione invece di sostituirlo, e il percorso di fallback è una regola di routing anziché una migrazione.

I modelli su cui il fallback più plausibilmente ricadrebbe, dal nostro catalogo con i loro listini prezzi pubblicati:

• GLM-5.2 — 1,40 $ per milione di token in input e 4,40 $ per milione in output con una finestra di 1.000.000 di token. Il modello su cui viene misurata la stessa dichiarazione di efficienza di Reflection.

• Kimi K3 — $3,00 per milione di token in input, $0,30 in cache, $15,00 in output con una finestra di 1.048.576 token.Il post di lancio di Reflection riconosce che K3 resta in vantaggio sulla capacità grezza.

• Qwen3.8-Max — 2,00 $ per milione di token di input e 6,00 $ di output con una finestra di 1.000.000 di token, l'alternativa proprietaria di punta all'acquisto di capacità Blackwell.

Cosa guardare invece di un Beam 2.0

Tre cose renderebbero questo confronto un confronto reale, e nessuna di esse comporta un nuovo numero di versione.

Il primo è un listino prezzi. Finché Reflection non pubblica un prezzo per milione di token sull'endpoint, hosted rispetto a self-hosted è un confronto tra una cifra di capitale e il nulla, e nessuna quantità di rigore nella denominazione lo risolve.

Il secondo è la misurazione indipendente. Artificial Analysis riporta il modello con un Intelligence Index di 30, nessun dato sulla velocità e nessun prezzo, e non registra alcuna API pubblicamente disponibile — la superficie ospitata non è ancora visibile alle organizzazioni che misurano queste cose. Il suo unico dato indipendente di efficienza, 79M di token di output generati attraverso l'Intelligence Index rispetto a una mediana di 130M, supporta l'affermazione del fornitore di "meno token di ragionamento" senza confermare il throughput che vi sta dietro.

La terza è se l'etichetta arrivi mai a divergere. Un "Beam 2.0" che fosse un checkpoint diverso renderebbe finalmente significativo il suffisso di versione, e il giorno in cui ciò si concretizzerà, una query come questa smette di riguardare l'igiene dei nomi e comincia a riguardare la differenza tra due modelli. Oggi è il primo tipo di domanda. Chiunque confronti Beam con Beam 1.0 sta confrontando un modello con il nome del suo stesso repository — e l'output utile di quel confronto è una nota che invita a basare la configurazione su Beam-1.0-501B-A23B e a smettere di cercare entrambe le grafie.

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.