Beam 1.0: Reflection ha reso open source i pesi e Artificial Analysis gli ha assegnato 30

Questa settimana sono successe due cose a Beam 1.0 di Reflection, e puntano in direzioni opposte. Il modello — Beam 1.0-501B-A23B, un sistema sparse mixture-of-experts con 501 miliardi di parametri totali e 23 miliardi attivi per token — non è più una promessa: i pesi sono su Hugging Face sotto Apache 2.0, la build NVFP4 da 273 GiB è scaricabile ora, e c'è un'API first-party con un contratto documentato e una vera pagina di rate limit. Allo stesso tempo, il primo numero indipendente che qualcuno abbia pubblicato al riguardo è 30 sull'Artificial Analysis Intelligence Index — diciannovesimo su 120 modelli valutati sulla versione v4.3.2 dell'indice, e sopra la mediana di 19 che Artificial Analysis registra per modelli open-weight comparabili di dimensioni simili. I vendor che rilasciano di solito possono scegliere quale dei due fatti viene prima. Qui, entrambi sono veri allo stesso tempo, e la lettura onesta è che Beam 1.0 è arrivato a costare meno del previsto ma ha ottenuto un punteggio inferiore a quanto lasciava intendere il suo stesso post di lancio.

Questo è un seguito della nostra precedente copertura, e l'impostazione è voluta: Beam 1.0 non è nuovo. Reflection lo ha annunciato il 5 ottobre 2026 e ha aggiornato le sue tabelle di benchmark l'8 ottobre. Ciò che è cambiato negli ultimi sette giorni è tutto ciò di cui un acquirente ha realmente bisogno: pesi, hosting, un'API, limiti e misurazione esterna. Se hai letto la copertura del lancio e hai deciso di aspettare, il motivo per aspettare non c'è più.

Cosa è stato effettivamente pubblicato questa settimana

Il post di Reflection «Beam è ora disponibile» è datato 16 ottobre 2026 e colma la lacuna che rendeva così cauto il post di lancio. Il 5 ottobre i pesi erano qualcosa che Reflection aveva detto che «avrebbe rilasciato». Da questa settimana esistono, in tre precisioni, più un drafter per decodifica speculativa:

• BF16 — 501,3B parametri distribuiti su 188 shard safetensors, caricati nel reflection/Beam-1.0-501B-A23B repository il 7 ottobre e revisionati da allora.

• FP8 — stesso numero di parametri, 501,3 B in E4M3, 468,72 GiB su disco.

• NVFP4 — una build packed a 4 bit da 273 GiB, ovvero quella che le guide di serving di Reflection stessa ti dicono di scaricare.

• DFlash2 — un drafter di decodifica speculativa da 1,93 miliardi di parametri, caricato il 13 ottobre, pubblicato come repo separato e documentato come una propria ottimizzazione di serving.

Tutti e quattro riportano il tag apache-2.0, e il file di licenza si trova nel repository anziché in una frase di un blog, che è la differenza tra una licenza e una promessa. Reflection afferma inoltre di non limitare la distillazione, il fine-tuning, la quantizzazione o il merging.

La storia del serving è altrettanto concreta. C'è supporto dal giorno zero in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e NVIDIA Dynamo, e la documentazione di Reflection contiene guide passo per passo per SGLang, vLLM, TokenSpeed e un Helm chart per Kubernetes. Il requisito di riferimento per il self-hosting è quattro GPU NVIDIA B300 SXM su NVLink — una singola macchina, non un cluster, un'asticella molto più bassa di quella che normalmente implica un modello da 500B, e deriva direttamente dal rapporto di attivazione di 23B.

C'è anche uno strumento di verifica. L'open-source beam-verifier CLI esegue una suite di conformità contro qualsiasi endpoint Beam attivo e poi lo valuta sui principali benchmark, così puoi confrontare il tuo deployment, o quello di un fornitore, con i punteggi di riferimento di Reflection. Qualsiasi cosa che permetta a un acquirente di verificare i numeri di un fornitore anziché fidarsi di essi vale la pena conoscerla.

Il primo punteggio esterno, e non è il numero del post di lancio.

Artificial Analysis elenca Beam 1.0 con un Intelligence Index di 30, classificato #19 su 120. La stessa voce mostra che il modello ha utilizzato 79M di token di output nell'ambito dell'Index — "#10 / 46", rispetto a una mediana di 130M — ovvero la rivendicazione di efficienza dei token che compare per la prima volta in un harness indipendente. Artificial Analysis inoltre non mostra né prezzi né velocità per Beam, perché al momento della stesura continua a registrare "No publicly available API" per il modello, indicando solo il self-hosting. Tale lacuna è di per sé un'informazione: l'API esiste, ma non ancora in una forma che le società di misurazione abbiano rilevato.

Leggi con attenzione il 30. Non è un verdetto sulla tabella di benchmark del fornitore — le due cose stanno misurando cose diverse su harness diversi. La model card di Reflection, pubblicata insieme ai pesi, riporta 81,6% su SWEBench Verified, 80,1% su Terminal Bench v2.1 e 90,6% su GPQA Diamond per il checkpoint BF16, e il post di lancio è esplicito nel dire che modelli di frontiera come Kimi K3 restano avanti in termini di capacità grezza, con l’argomentazione di Beam che è "efficienza in fase di inferenza" anziché parità ai massimi livelli. Quei dati restano dichiarati dal fornitore e, per quanto ci risulta, nessuno li ha ancora riprodotti. Ma il rilascio di un endpoint pubblico insieme alla verifier CLI è ciò che rende possibile la riproduzione, e un 30 su un indice di 120 modelli è il primo numero in questa storia che Reflection non ha prodotto.

Il prezzo, i limiti e cosa significano per attività

The API side is now documented rather than waitlisted. The endpoint is https://api.reflection.ai/openai/v1, O​penAI-compatible for Chat Completions and Models, with a native base URL at api.reflection.ai/v1 if you want Reflection's own shape. Model ID: Beam-1.0-501B-A23B. The docs give the served limits precisely, and they are narrower than the 1M-token training figure that circulated at launch:

• Finestra di contesto — 1.048.576 token, con un output massimo di 131.072 token e un valore predefinito di max_tokens pari a 32.768.

• Ragionamento — obbligatorio, non opzionale. I livelli di sforzo supportati sono low, medium, high, xhigh e max, con max come predefinito. I token di ragionamento contano ai fini dei tuoi limiti di frequenza.

• Capacità — ragionamento, chiamata di strumenti e output strutturati, testo in ingresso e testo in uscita.

• Limiti di velocità — misurati per organizzazione in richieste e token al minuto e per giorno UTC, con tetti alle richieste concorrenti e una quota giornaliera di token opzionale. I superamenti restituiscono 429 con rate_limit_exceeded oppure daily_allowance_exhausted, e quando la quota giornaliera è esaurita la risposta imposta x-should-retry: false, quindi i cicli di tentativi ingenui gireranno semplicemente a vuoto.

Ciò che la documentazione nonriporta è un prezzo pubblico per milione di token. L'annuncio di Reflection dice soltanto che è "gratuito per iniziare", e né la documentazione né l'annuncio pubblicano un listino prezzi. È la riga che ancora manca dal quadro, ed è la riga che decide se l'argomento dell'efficienza significhi qualcosa su una fattura. Un modello che ragiona a ogni richiesta, che per impostazione predefinita punta al massimo sforzo e che dichiara un calcolo di inferenza da 3 a 4 volte inferiore rispetto a GLM 5.2 sul ragionamento avanzato è una proposta diversa a 0,50 $ per milione di token di output rispetto a 5,00 $ — e attualmente nessuno al di fuori di Reflection può dire quale delle due sia.

Due avvertenze pratiche dalla documentazione che vale la pena tenere presenti in un progetto pilota. Innanzitutto, lo sforzo predefinito è max, quindi la configurazione pronta all'uso è quella più costosa; un'integrazione attenta ai costi dovrebbe impostare reasoning_effort esplicitamente fin dalla prima chiamata. In secondo luogo, i limiti sono per organizzazione e condivisi tra progetti e chiavi — aggiungere chiavi non li aumenta, ed è il tipo di dettaglio che si fa sentire solo dopo aver già realizzato la seconda integrazione.

Dove si colloca rispetto ai modelli con cui lo confronteresti davvero

Il confronto interessante non è con i flagship di frontiera, dove Reflection concede il punto, ma con i modelli open-weight rispetto ai quali Beam è posizionato per prezzo e dimensioni. Nel nostro catalogo, oggi:

• GLM 5.2 — contesto da 1M, $1,40 per milione di token di input e $4,40 per milione di output, completamente servito.

• Kimi K3 — contesto di 1.048.576 token, 3,00 $/15,00 $, e la tabella dello stesso modello Reflection lo mette in vantaggio su Terminal Bench.

• Qwen 3.8-Max — 1M context, $2.00/$6.00, la classe 2T-plus Beam rivendica un vantaggio di efficienza maggiore rispetto a.

La proposta di Beam è che si avvicina a GLM 5.2 nel ragionamento avanzato con una frazione del calcolo di inferenza. Se ciò regge in un banco di prova indipendente, vale denaro vero in presenza di un volume elevato di richieste. Il dato di verbosità di 79M token è la prima prova che potrebbe essere vero. Il prezzo mancante è il motivo per cui non puoi ancora completare il calcolo.

Questa è anche la situazione in cui il routing elimina gran parte del rischio di sbagliare. Al momento della stesura, Beam non è nel nostro catalogo, quindi non possiamo fornirtelo — ma ogni modello sopra lo è, dietro una chiave compatibile con OpenAI con il prezzo di listino del fornitore passato così com'è e senza ricarico, così un taglio di prezzo del fornitore arriva sulla tua fattura lo stesso giorno anziché al prossimo contratto. La mossa pratica è mantenere il percorso di produzione su un modello con un listino prezzi pubblicato e mettere la beta pubblica di Beam dietro una regola di routing, affinché un'API first-party non collaudata non diventi mai un singolo punto di guasto. Il failover automatico fa il resto: se la beta ti limita la frequenza con un 429 alle 02:00, la richiesta finisce in un posto che non lo farà.

Chi dovrebbe muoversi, e in base a quali prove

Se il tuo vincolo sono i pesi aperti e una licenza permissiva, questa è la settimana in cui la risposta è diventata «sì» invece di «presto». Apache 2.0, tre formati di precisione, una build da 273 GiB che entra in un singolo nodo B300 con quattro GPU, supporto day-zero per vLLM e SGLang, un verificatore per controllare il tuo deployment, e nessuna restrizione su fine-tuning o distillazione. Per chiunque avesse come ostacolo «i pesi non sono disponibili», quell'ostacolo non c'è più, e il self-hosting elimina del tutto la questione del prezzo delle API.

Se il tuo vincolo è una dipendenza di produzione da un endpoint ospitato, sii più cauto. L'API è reale e documentata, ma è stata lanciata questa settimana, applica limiti a livello di organizzazione che una seconda chiave non aumenterà, ragiona con il massimo impegno per impostazione predefinita e il suo prezzo non è pubblicato. Esegui la suite di conformità del verificatore su di essa prima di affidarle qualsiasi cosa che abbia una scadenza.

Se il tuo vincolo è la capacità all'avanguardia, nulla di questa settimana cambia la tua risposta. Un 30 all'Intelligence Index, una tabella del fornitore che cede terreno a Kimi K3 su Terminal Bench e a GLM 5.2 su AIME, e nessuna riproduzione indipendente dei numeri principali si traducono in un modello che vale la pena provare, non in un modello su cui vale la pena scommettere.

La prossima cosa da tenere d'occhio è il prezzo. Reflection ha consegnato la metà difficile di un lancio — pesi, stack di serving, documentazione e un endpoint pubblico — e ha lasciato non pubblicata la metà facile, un tariffario. Quando quel numero arriverà, l'affermazione di efficienza di 3–4× diventerà un foglio di calcolo invece di uno slogan, e il confronto con GLM 5.2 o Kimi K3 diventerà una decisione invece di una discussione sulla metodologia.

Un risultato come questo è anche un promemoria del fatto che gli errori dei modelli sono già documentati: gli incidenti AI e i fallimenti degli agenti dietro i modelli di questa classe 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.