Day ZeroにBeam 1.0を提供する：SGLangレシピが実際に何を明確にするのか

ダウンロードできるチェックポイントは、デプロイできるモデルではない。そしてその隔たりは通常、誰かせっかちな人がやる数週間分のフレームワーク作業で測られる。Reflection Beam 1.0は、その作業が重みと一緒に届いた稀有な例だ。Reflectionは2026年10月5日にモデルを発表し、2026年10月16日には重み、Apache 2.0ライセンス、ファーストパーティのエンドポイント、7つの推論スタックすべてにおける day-zero サポートが一斉に登場した。しかもそのスタックの一つ——SGLangは、そのプロジェクト自身のアカウントが16日に、Reflectionの本番環境でBeamを提供していると述べた——が、突っ込みたくなるほど詳細なレシピを出荷した。

そのレシピこそが、ベンチマーク表よりも興味深い成果物だ。ローンチ記事は、モデルが優れていると教えてくれる。デプロイメントマトリクスは、それを知るのに何のコストがかかるか、そしてあなたの選択がどこで静かにレイテンシを決めるかを教えてくれる。Reflection Beam 1.0のSGLangドキュメントはジェネレーターだ。ハードウェアプラットフォームと戦略を選ぶと、ピン留めされたDockerコマンドを出力する。それが強制的に通らせるオプションこそ、これを呼び出すだけではなく実際に動かそうとする人にとっての本当のニュースだ。

レシピが隠そうとしない三つの軸

ページではハードウェアプラットフォーム、戦略、量子化を尋ね、その後コマンドを構築します。これは、ほとんどのモデルリリースが認めているよりも小さな決定空間であり、各軸には実際の結果があります：

• ハードウェアプラットフォーム — B300、GB300、または H200。Blackwell のパーツは NVFP4 ビルドをネイティブに利用します。H200 は FP8 および BF16 のパスです。これは、Reflection のリリースノートで説明されているのと同じ最低基準を、ドロップダウンとして言い換えたものです。

• 戦略 — 低レイテンシか高スループットか。そしてこれが、ほとんどのデプロイがデフォルトで間違える軸です。低レイテンシでは、ブロックサイズ8でDFlash2ドラフターを有効にしたテンソル並列を実行します。高スループットではDFlash2を完全に無効にします。

• 量子化 — NVFP4、FP8、BF16 は、自由に組み合わせられるものではなく、プラットフォームと戦略に整合させる必要がある。

2つの戦略プリセットはパフォーマンスの調整ダイヤルではなく、アルゴリズムの変更です。投機的デコーディングは、デコード遅延とステップごとの追加のドラフトモデル作業をトレードオフします。ブロックサイズ8、1.93Bパラメータのドラフターでは、そのトレードオフは一度に1人のユーザーにサービスを提供しているときには取る価値があり、積極的にバッチ処理しているときには拒否する価値があります。高スループットレシピのためにDFlash2をオフにすることはダウングレードではなく、別の問いに対する正しい答えです。

レシピが互換性を失うところ

プリセットを読み飛ばして先を読んでください。このページでは、具体的なハードウェア上の理由から存在するいくつかの構成分割について説明しており、それらは、目に入った最初の Docker コマンドをコピーする前に知っておく価値があります：

• H200 BF16 は、自動静メモリフラクションを使って TP8 で実行されます。933.81 GiB の BF16 チェックポイントは、より少ないデバイスには収まりません。また、メモリフラクションは公開されるのではなく計算されるため、これはサポート対象の経路から外れずに手動で調整できない唯一のレシピです。

• 他のすべてのレシピは、テンソル並列とDPAを使用します。ここでのDPAは、アテンションをエキスパート並列の分割から切り離すデータ並列アテンション構成であり、非BF16レシピが、BF16のレシピでは許容されないデバイス数でも許容できるのはこのためです。

• Blackwell NVFP4 はさらに、エキスパート並列処理と FlashInfer MegaMoE を利用可能にします。これは Reflection 自身のガイドが指し示している組み合わせであり、チェックポイントが FP8 の 468.72 GiB ではなく、273 GiB のパック済み 4 ビットビルドになって初めて利用可能になります。

実用的な結論はこうだ。「私たちはBeam 1.0をSGLangで動かしている」というのは、ハードウェアについての話ではない。2つのチームが、異なる精度、異なる並列化レイアウト、異なるデコーディングアルゴリズムで動かしながら、そろって同じことを言うことはできる。そして、互いに情報交換する唯一の方法は、その3つすべてを明示することだ。

「デイゼロ」に価値があるものと、そうでないもの

重みが公開される当日にフレームワーク対応が揃っていることは、確かなシグナルであり、しかも特定の種類のシグナルだ。SGLang による Beam 1.0 のサポートが存在するのは、Reflection のエンジニアがリリースに先立って SGLang コミュニティと協力したからだ——SGLang プロジェクトが10月16日に公に述べたのはそのことであり、Reflection が day-zero パートナーとして SGLang を、Transformers、vLLM、Unsloth、Axolotl、TokenSpeed、NVIDIA Dynamo とともに挙げていることとも一致する。さらに SGLang、vLLM、TokenSpeed 向けの文書化されたレシピと、Kubernetes 用の Helm チャートも用意している。

• それが確立するもの — 公開されたチェックポイントから、特定のハードウェア上で提供されるエンドポイントまでの、文書化され維持された経路であり、量子化のバリアントも考慮に入れている。これは、ほとんどのオープンリリースが最初の1週間で達成するものを確かに上回っている。

• それが立証しないこと — その構成が最適であること、あるいは、あなたが得るスループットの数値が他の誰かのものと一致すること。Reflection での本番稼働という主張はベンダーとフレームワークのもので、サービングを実際に行っている人々によって報告されたものだ。私たちはその独立した再現を確認しておらず、セルフホスト型 Beam デプロイメントの第三者ベンチマークも公開されていない。

その区別は、ここでは通常よりも重要だ。なぜなら、これは5013億パラメータのスパースな混合エキスパートであり、トークンあたり234億パラメータが有効で、このアーキテクチャの価値のすべては、サービングコストがモデル名が示す規模のほんの一部で済むという点にあるからだ。フレームワーク対応こそが、その主張をアーキテクチャ図からメモリ予算へと変える。しかし、それを実測のスループット値に変えるものではない。また、我々が見つけられたファーストパーティの資料で、推論に関する実測スループット値を公表しているものはない——リリース内で唯一具体的なトークン毎秒の数値は、8基のB300 GPUからなる単一ノード上でのLoRA教師ありファインチューニングについて述べたものであり、これは学習ステップであって、サービングレートではない。

セルフホスト型のDay 0スタックが実際に抱える障害モード

これがうまくいかなくなるのには特定のパターンがあり、それはモデルのせいではない。それは2週目のことだ。単一の量子化と単一の並列化レイアウト向けにビルドされたピン留めされたDockerイメージは、それ自体のフォールバックにはならない。ドラフターがあなたのトラフィックパターンと悪い相互作用を起こす場合、ドライバーの更新によってメモリフラクションが割り当てる内容が変わる場合、あるいはあなたのキャパシティが別のテナントの後ろでキューに入れられる場合、フォールバックできる構成はもう残っていない。あるのは、非常に高性能なモデルがその中に座っている障害だけだ。

Beam 1.0は当社のルートの一つではないため、お客様に提供することはできません。また、ここに記されている内容は、当社による可用性の表明として受け取られるべきものではありません。当社にできるのは、代替手段を役立つ形で用意することです。OrcaRouterは、1つのOpenAI互換キーで200以上のモデルを利用でき、プロバイダーの定価をそのまま適用して一切上乗せせず、プロバイダー間の自動フェイルオーバーにも対応していますそのため、応答を返さなくなったセルフホスト型のBeamパイロットは、インシデントではなくルーティングの変更で対応できます。Beamの導入が最もよく置き換えるモデルで、この方法で利用可能なものには、公開された料金表があります：

• GLM-5.2 — 100万入力トークンあたり$1.40、100万出力トークンあたり$4.40、100万トークンのコンテキストに対応。 Reflection自身の効率性の主張が比較対象としているモデルであり、Beamの長文コンテキストコーディング作業にとって最も直接的な代替手段。

• Kimi K3 — 入力100万トークンあたり$3.00、キャッシュ$0.30、出力$15.00、1,048,576トークンのウィンドウ。Reflectionのローンチ投稿は、K3が生の能力で依然として先行していることを認めている。

• Qwen3.8-Max — 1,000,000トークンのウィンドウで、入力100万トークンあたり$2.00、出力$6.00。自社でラックを用意せずにその能力を手に入れたいチーム向けの、フラッグシップ級プロプライエタリ・オプション。

レシピがまだ教えてくれないこと

三つのギャップには名前を付けておく価値がある。というのも、それぞれが、あなたが望むよりも少ない情報で最終的に下すことになる決断だからだ。

第一の点は価格です。Reflection のエンドポイントは文書化されており OpenAI 互換で、推論エフォートは max、xhigh、high、medium、low の5段階、推論は必須でデフォルトは max、組織ごとの制限はすべてのキーで共有されます。100万トークンあたりの料金は公表されていないため、Beam 1.0 の効率性の主張を算数の練習問題として片付けることはできません。常に推論し、デフォルトで最大エフォートを使うモデルは、出力トークンの価格が1ドルか10ドルかによって、商業上の意味合いが異なってきます。

2つ目は独立した測定です。Artificial Analysis はこのモデルを Intelligence Index 30 として掲載しており、速度の数値も価格もなく、公開利用可能な API も記録していません。これは、こうしたものを測定する人々にホストされた提供面がまだ見えていないという第三者による言明です。独立に計数された効率のデータポイントは1つあり、それは実在します。Beam は AA の Intelligence Index 全体で 7,900万出力トークンを生成し、比較対象セットの中央値は 1億3,000万でした。これは「推論トークンがより少ない」という主張を裏付けます。ただし、トークンがどれだけ速く出てくるかは分かりません。

第三はバージョンドリフトです。公開されているレシピは、特定のチェックポイントと特定のSGLangビルドを前提に書かれており、ドラフターはそれ自体が独立したリポジトリです。どちらかが動くと、10月に固定したレシピは、11月には誰もテストしていない構成になります。Dockerコマンドは、有効期限のある出発点として扱い、デプロイとして扱わないでください。

誰が今すぐこれに対応すべきで、誰が待つべきですか

Blackwell のキャパシティをすでに保有しているなら、SGLang のレシピは本当に始めるのに十分だ。B300 が 4 台というのがリファレンスの NVFP4 構成で、メモリの計算も公開されており、適合性スイートも存在し、ダウンサイドはエンジニアリング工数に抑えられる。ハードウェアを保有していない場合、計算は依然として成立しない。ホステッドオプションには資本購入と比較できる料金表がなく、またデイゼロのフレームワーク対応は、どれほど優れていても、価格の代わりにはならないからだ。

注目すべきは、また別のフレームワークがサポートを発表することではない。注目すべきは、Reflectionからもフレームワークプロジェクトからも出てこない、最初に公表される数値だ。具体的には、名前の明示された構成における独立系のスループット測定か、ファーストパーティ・エンドポイントの料金表である。どちらか一方が出れば、これは十分に文書化された実験から、予算上の一行項目に変わる。それまでは、10月16日の正しい読み方は、難度の高いエンジニアリングは予定どおり出荷された——そして商業的な根拠はまだ構築中の部分だ、ということである。

そうした話は決して仮定ではない。このようなリリースの背景にある、記録に残されたAIの障害やエージェントのインシデントはOrcaRouter AIインシデントアーカイブに集められており、各項目には独自の情報源、深刻度、信頼度グレード、係争中フラグが付されています。