GPT-6.1 Sol vs Reflection Beam: la rivendicazione di efficienza di 3–4×, e le tabelle di benchmark che la ridimensionano

Il numero più interessante nel materiale di lancio di Reflection Beam non è un punteggio di benchmark. L'annuncio di Reflection del 2026-10-05 afferma che Beam gira con circa tre o quattro volte meno FLOP di inferenza rispetto a GLM 5.2 a qualità comparabile: un'affermazione di efficienza, formulata contro un rivale specifico e nominato, in un mercato in cui il costo per token è il vincolo sotto cui la maggior parte dei team opera effettivamente. È anche un'affermazione che le tabelle di benchmark dello stesso annuncio complicano anziché sostenere: in quelle tabelle Reflection Beam batte GLM 5.2 su diverse suite e resta indietro rispetto a GLM 5.3, Kimi K3 e altri su DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp e DeepSearchQA. Se si mette tutto questo a confronto con GPT-6.1 Sol, il rilascio di Open​AI del 2026-09-29, si ottiene un confronto tra un modello la cui efficienza è l'argomento e un modello la cui efficienza è già prezzata, misurata e pubblicata.

Entrambi i modelli sono rilasci di fascia frontier del 2026, rispettivamente di ottobre e fine settembre, e la differenza nella quantità di cose che si possono dire su ciascuno di essi costituisce la sostanza di questo articolo. Tutto ciò che segue proviene dal materiale di lancio di Reflection, dalle pagine del modello e dei prezzi di Open​AI, dai nostri registri di catalogo e da misurazioni indipendenti di Artificial Analysis, consultati il 2026-10-12. Laddove un dato è fornito dal venditore stesso e nessuno lo ha riprodotto, la frase che lo contiene lo indica.

Che cos'è Reflection Beam, per quanto ne sappia chiunque al di fuori di Reflection

Beam è un modello mixture-of-experts da 501 miliardi di parametri, con 23 miliardi di parametri attivi per token. Questo rapporto è la decisione progettuale che vale la pena notare prima di ogni altra cosa: un MoE 501B/23B è progettato per essere economico da servire, perché solo una piccola frazione della rete viene eseguita per ogni dato token. L'affermazione di efficienza nell'annuncio non è una sorpresa aggiunta a posteriori all'architettura — è lo scopo dichiarato dell'architettura.

• Parametri totali e attivi — 501B in totale, 23B attivi per token, mixture-of-experts.

• Modalità — solo testo. Nessuna visione, nessun audio, nessun input di immagini.

• Contesto — 256.000 token nell'API beta, con un massimo di 128.000 token in output e conoscenze aggiornate al 2026-06-30.

• Pesi — non rilasciati. Reflection ha dichiarato che i pesi saranno pubblicati con licenza Apache 2.0 più avanti a ottobre, che è la questione aperta più decisiva in assoluto su questo modello e la ragione per cui il lancio è, in pratica, un'anteprima.

• Prezzo — nessuno pubblicato. Non esiste un listino prezzi per l'API di Beam, quindi nessuna cifra di costo per essa compare in questo articolo, e qualsiasi confronto basato su calcoli per token deve lasciare vuota la sua colonna.

• Benchmark indipendenti — nessuno. Artificial Analysis non ha una riga per Reflection Beam, quindi ogni punteggio nella sezione seguente è un'esecuzione di Reflection stessa, con i baseline di Reflection stessa allegati.

Le tabelle dei fornitori, lette onestamente

Reflection ha pubblicato una serie di confronti di benchmark insieme al lancio, e il modo onesto di riportarli è dire ciò che mostrano in entrambe le direzioni, perché non mostrano una sola direzione.

• Dove vince Beam. Nelle suite che Reflection ha scelto di mettere in primo piano, Beam supera GLM 5.2 — il modello rispetto al quale viene avanzata la rivendicazione di efficienza. Se preso alla lettera, è un risultato autentico: un output migliore a circa un quarto o un terzo del costo di inferenza è una posizione forte per chiunque serva su larga scala.

• Dove Beam perde. Le stesse tabelle collocano Beam dietro a GLM 5.3, Kimi K3 e altri modelli attuali su DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp e DeepSearchQA. Non sono suite periferiche; sono i benchmark di ingegneria del software, di uso degli strumenti e di ricerca approfondita che determinano se un modello è utilizzabile come agente autonomo.

Lette insieme, le tabelle dicono qualcosa di coerente e più ristretto rispetto allo "stato dell'arte": Beam sembra essere un forte rilascio open-model che batte la generazione precedente sul terreno scelto da Reflection e non batte la generazione attuale sul terreno agentico. È una cosa legittima per un modello. Non è la stessa cosa che essere il miglior modello disponibile per il lavoro agentico, e l'impostazione dell'annuncio invita alla lettura più forte.

Un punto strutturale sul numero di efficienza stesso, dato che è il dato principale. Un confronto di FLOP per token rispetto a un altro modello è una proprietà dell'architettura e della configurazione di servizio, non della qualità dei risultati — e un valore di FLOP inferiore di 3–4× è una cifra misurata dal fornitore, senza riproduzione indipendente. È una ragione ragionevole per aspettarsi che Beam sia economico da servire. Non è una prova che Beam sia economico da usare, e la differenza tra queste due cose è l'intera discussione sui costi in questa pagina: un modello che spende più token per arrivare a una risposta può essere allo stesso tempo più economico per FLOP e più costoso per attività.

Il lato rilasciato del confronto

Ecco l'asimmetria che questo articolo ha lo scopo di documentare. GPT-6.1 Sol è entrato in funzione sull'API di Open​AI il 29 settembre 2026. Ha un listino prezzi pubblicato — $2,00 per milione di token di input, $10,00 per milione di output, $0,10 per input in cache, $2,50 per scritture in cache — una finestra di contesto documentata di 1.050.000 token, un output massimo di 128.000 token e una riga indipendente dell'Intelligence Index di 52 con il massimo sforzo di ragionamento e un costo di esecuzione di $0,72 per attività.

Quel dato di costo è quello che vale la pena contrapporre alla dichiarazione sui FLOP di Reflection. 0,72 $ per attività non è un conteggio di FLOP né un listino prezzi; è quanto costa il lavoro quando è terminato, misurato da una terza parte che ha eseguito il modello. È il numero che bisognerebbe battere perché l'argomento sull'efficienza di Beam si affermi come argomento di approvvigionamento — e Beam non ha una cifra equivalente, perché Beam non ha alcun prezzo pubblicato e nessuna esecuzione indipendente.

Altre due differenze sono concrete e verificabili oggi:

• Contesto e output — GPT-6.1 Sol documenta 1.050.000 token di contesto contro i 256.000 di Beam in beta, ed entrambi limitano l'output a 128.000 token. Per lavori su scala di repository o su set di documenti, è una differenza di quattro volte nella quantità di materiale che entra in una singola chiamata.

• Modalità — GPT-6.1 Sol accetta testo, immagini e file; Beam è solo testuale. Se la tua pipeline legge screenshot, scansioni o diagrammi, Beam non è un candidato indipendentemente dai suoi punteggi.

Laddove Beam ha un argomento a cui GPT-6.1 Sol strutturalmente non può rispondere, è quello degli open-weights. Se i pesi Apache 2.0 arrivano secondo il calendario promesso, un modello 501B/23B il cui numero di parametri attivi è 23B diventa un candidato al self-hosting in un modo in cui un modello proprietario non potrà mai esserlo. Ventitré miliardi di parametri attivi è un numero su cui un team ben attrezzato può ragionare; il contesto da 256.000 token in beta e l'assenza di pesi pubblicati sono il motivo per cui quell'argomento deve attendere il rilascio effettivo anziché essere risolto al lancio.

Chi dovrebbe agire su quale modello, ora

La risposta pratica varia a seconda di ciò che si sta acquistando, e la distinzione è abbastanza netta da poter essere enunciata direttamente.

Se hai bisogno di un modello in produzione questa settimana per coding agentico, uso di strumenti o lavoro su documenti a contesto lungo, il modello rilasciato è GPT-6.1 Sol e la decisione riguarda il suo prezzo, non la sua esistenza. La sua tariffa di output è il contatore che conta, la sua tariffa di input in cache è insolitamente bassa a $0,10 per milione, e oltre 272.000 token di input l'intera richiesta viene ricalcolata al rialzo — una soglia da tenere presente in fase di progettazione prima di scalare un ciclo che legge un prefisso di grandi dimensioni. È nel nostro catalogo alle tariffe di listino di OpenAI con 0% di ricarico, quindi la tariffa sulla scheda è la tariffa in fattura, e una variazione di prezzo del fornitore compare nel catalogo lo stesso giorno anziché dopo il ciclo di aggiornamento di un rivenditore: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Se il tuo interesse per Beam riguarda il rilascio open-weights piuttosto che l'API beta, ciò a cui prestare attenzione è la pubblicazione sotto Apache 2.0 che Reflection ha promesso per la fine di questo mese. Finché i pesi non esisteranno, ogni numero sulle capacità in questo articolo è quello del fornitore, il prezzo è sconosciuto e né un piano di self-hosting né un confronto dei costi può essere completato. Se viene rilasciato nei tempi previsti, Beam diventa immediatamente interessante come livello efficiente in una configurazione a due modelli — e questa è una configurazione che un endpoint con failover automatico su oltre 200 modelli gestisce senza una seconda integrazione, che è l'argomento a favore di provare un modello non collaudato su un livello di routing invece di affidargli un percorso di produzione.

Reflection Beam non è qualcosa che serviamo. Quando i suoi pesi e la sua API si apriranno come si deve, lo sarà, come la maggior parte delle release aperte, sulla piattaforma del fornitore stesso e su diversi servizi di terze parti — e allora varrà la pena riscrivere questa pagina, perché le due cose che al momento non può dire, quanto costa Beam e che punteggio ottiene quando a eseguirlo è qualcuno diverso da chi l'ha creato, sono esattamente le due cose da cui dipende la risposta.