Beam 1.0 vs Qwen 3.8：価格表に対する、配信済みの重みリリース

2026年10月5日、Reflection Beam 1.0は、重みがまだ公開されていないオープンウェイトモデルとして発表された。2026年10月16日、それが出荷された——Hugging Face 上の4つのリポジトリが Apache 2.0 の下、BF16、FP8、NVFP4 の各精度で、さらに 2B の投機的デコーディング用ドラフター付きで。Qwen 3.8は、2か月半にわたって正反対の展開だった。A​ibaba の世代は2026年8月3日に次の構成で始動した：Qwen3.8-Maxは有料APIとして入力100万トークンあたり2.00ドル、出力100万トークンあたり6.00ドルで、オープンウェイトの兄弟モデル1つがカスタムライセンスの下で、そして Apache 2.0 の下の高密度270億パラメータモデルが続いた。両モデルとも100万トークンのコンテキストをうたっている。どちらも推論し、どちらもツールを呼び出し、どちらもインターフェース上はテキストのみだ。理解する価値のある違いは、どちらを予算に組み込めるか、どちらを手元に保持できるかである。なぜなら10月16日以降、各モデルはそのどちらか一方だけを持ち、もう一方は持たないからだ。

上記の数値はどちらもベンダーによるもので、両モデルは今やArtificial Analysisによって測定されている——この分野ではそれだけで十分に珍しく、この比較をそもそも書ける理由になっている。

モデルごとに見る現状

• パラメータ — Beam 1.0はスパースなMixture-of-Expertsモデルであり、総パラメータ数は501.3B、トークンあたりのアクティブパラメータは23.4B。52層構成で、3層がdense、49層がMoE、モデルカードに記載された構成では256のエキスパートを備える。Qwen3.8-Maxのパラメータ数はAlibabaによって一度も開示されたことがない。その中核のオープン版にあたるQwen3.8-2.4T-A95Bは、約95Bがアクティブな2.4兆パラメータのMoEであり、これは社外の誰もがフラッグシップの規模に迫れる最も近い値である。

• コンテキストウィンドウ — Beam 1.0のモデルカードでは1,000,000トークン。OrcaRouterのqwen/qwen3.8-maxの掲載では1,000,000トークン、Artificial Analysisの同じモデルのページでは984,000トークン。両者は同じ数値を異なる形で丸めたものであり、モデル間の相違点ではない。

• モダリティ — Beam 1.0 はテキスト入力・テキスト出力であり、そのカードに明白に記載されている。Qwen3.8-Max はテキストと画像を受け取り、テキストを返す。これは表記上の違いではなく、実際の能力の違いである。

• ライセンス — Beam 1.0はApache 2.0で、ユーザー数上限も別途の商用ティアもありません。Qwen 3.8世代は混在しています。2.4T Maxのコアチェックポイントはカスタムライセンスの下でダウンロード可能、dense 27BはApache 2.0、そしてフラッグシップのMax自体には重みが一切ありません。

• 価格 — Beam 1.0については、Reflection自身のプロパティのどこにも公開されておらず、Artificial Analysisの当該モデルのページでは利用不可として記録されています。Qwen3.8-Maxの100万トークンあたり$2.00および$6.00は、A​によって公開されており、当社自身のルートにも同じ数値で掲載されています。

• 独立スコア — Artificial Analysis Intelligence Index v4.3.2 では、Beam 1.0 は 30 で、比較クラス内で 120 中 19 位です。同じ指標では、Qwen3.8-Max (0902) は 45 で、217 中 33 位であり、AA は Max 系列を複数のビルドで評価しており、その数値はビルド間で変動しています。

• 速度 — Beam 1.0 では利用不可。測定するための公開エンドポイントが存在しないため、このページでは出力速度は不明として記録されています。Qwen3.8-Max は毎秒 38.8 出力トークンで、AA はこれを同ティアとしては際立って遅いと評しています。

発表からリリースまでの16日間が実際に変えたもの

その隔たりは正確に記述する価値がある。なぜなら、それは重みが公開されてしまうと平板化されてしまう類のものだからだ。

Reflectionのローンチ投稿は、重み、技術レポート、モデルカード、開発者向けアーティファクトが「今月中に」続くと述べ、Apache 2.0を約束した。10月5日から10月16日の間、読者がBeam 1.0でできた唯一のことは、ウェイトリストに参加することだけだった。そのモデルにはベンチマーク表、公開されたトレーニング記録 — 6,144台のGB300 NVL72 GPUで4週間未満に23.8兆トークン、10,500台のGB300でのRLステージ、1億回を超えるロールアウト — があったが、ダウンロードはなかった。

そして10月16日、Hugging Faceのコレクションに3つの量子化バリアントとドラフターが現れ、モデルカードには3つの精度すべてにわたる完全な評価表が付いて届いた。何を動かすか決めようとしている読者にとって重要な帰結は、ベンチマークの数値ではない。それは依然としてReflection自身のもので、再現されていない。重要なのは、モデルが「発表済み」というカテゴリから「自分で検査し、量子化し、微調整し、提供できる」カテゴリへと移ったことだ。実際に行使できるライセンスは、約束されたライセンスとは異なる資産である。

Qwen 3.8は、同じ場所へ正反対のルートをたどった。アリババは2026年8月3日、価格が設定され提供中のフラッグシップモデルでこの世代を幕開けし、その後、段階的にウェイトを公開していった——8月12日に2.4Tコア、8月14日に密な27B、同月末にはFlash-Nextのプレビュー版。誰も約束を待つ必要はなかった。買えるものが先に来て、ダウンロードできるものが後に来たからだ。

2つの価格設定の状況は対称的ではない

Qwen3.8-Maxは当社のルートの一つです。入力トークン100万個あたり2.00ドル、出力トークン100万個あたり6.00ドルで、コンテキスト長は100万トークン、プロバイダーの定価をマークアップなしでそのまま反映しています。したがって、Alibabaがその料金を変更すれば、請求額は次回の契約更新時ではなく同じ日に変わります。これが「モデルには価格がある」という言葉が実際に意味するところであり、この記事が比較の一方の側については計算済みの数値を読者の前に示せて、もう一方の側については示せない理由でもあります。

Beam 1.0にそのような数字はない。発表から12日後、それはサインアップの壁を伴うウェイトリスト制プレビューであり、10月16日にはダウンロード可能になった。どちらの状態にも料金は付随していない。Beam 1.0について引用されているドル建ての数字は誰かのハードウェア見積もりであり、カードには提供推奨も、ハードウェアの最低ラインも、そこから推定するためのスループット値も示されていない。価格の行は、このモデルのドキュメントにおける最大の穴であり、501Bというパラメータ数がその穴を埋めるのを高くつくものにしている。

この比較には、規模のほうがコストの論拠を代わりに示してくれる版もある——23.4Bのアクティブパラメータ対噂の95Bは、トークンあたりの計算量で4対1の比率であり、もし小さいほうのモデルに価格が付けられていれば、実行するには安いほうだった可能性が高い。その論拠はここでは持ち出せない。なぜなら、その一方の側には料金が存在しないからだ。言えるのは、価格が公表されているモデルとライセンスが公表されているモデルは、それぞれ異なる意味でどちらもすぐに使える状態にあり、購入者は選ぶために両方の行を必要とする、ということだ。

ケイパビリティ、ソーシング付き

Beam 1.0 のモデルカードでは、BF16 チェックポイントで SWE-bench Verified 81.6%、Terminal Bench v2.1 が 80.1、SWE Bench Pro v1 が 66.1、DeepSWE v1.1 が 43.3、GPQA Diamond が 90.6、AIME 2026 が 97.7、LiveCodeBench が 88.3、MCP Atlas が 80.8、LongBench v2 が 67.5、IFBench が 79.6 と報告されており、FP8 と NVFP4 の数値は通常 1～2 ポイント低い。Reflection 自身の位置づけは慎重で、Beam をより大規模なオープンモデルと競合し、Qwen 3.8-Max に迫るものと説明し、推論では GLM-5.2 に匹敵しつつ、推論計算量は 3～4 分の 1 であるとし、Kimi K3 が生の能力では依然としてリードしていることも認めている。すべてベンダー報告であり、第三者による再現はなされていない。

Qwen3.8-Maxの数値は2つの方向からもたらされる。Alibabaは自社の数値を報告しており、Terminal Bench 2.1での86.6%や、フラッグシップ投入に伴う企業向け価格表が含まれる。Artificial Analysisの独立系複合指標のほうがより有用な行だ。Intelligence Index v4.3.2で45を記録し、これは同モデルを比較クラス27の中央値よりはるかに上に置くが、フロンティアには届かない。また、測定された出力速度は毎秒38.8トークンで、AAはこれを、階層中央値が88近辺であることと比べても遅いと評している。同じ独立指標でBeam 1.0を15ポイント上回り、会話するのに2.00ドルかかるフラッグシップは、ベンダー自身の表で上回っているものとは別の話である。

効率の議論に決着をつけるはずの唯一の数値——同一のハードウェア上で測定された、単位エネルギーあたり、または計算コスト1ドルあたりのトークン数——は、どちらのモデルにも存在しない。Reflectionの裏付けとなるチャートは、FLOPsをおよそ「アクティブなパラメータ数の2倍×生成トークン数」と概算し、そのキャプション自体で、これにはプリフィル、アテンション、サービングのオーバーヘッドが含まれないと述べている。それは限界についての誠実な開示であり、それでもなお測定値ではない。

それぞれの用途

手に取るべきはQwen3.8-Max、呼び出し可能で説明責任を果たせるものである必要があるときです。料金、コンテキストの数値、独立したスコアがあり、テキストだけでなく画像も読み取り、今日持てるキーで応答します。コストは正直なものです。100万トークンあたり$2.00と$6.00で高価であり、独立した測定では同クラスとしては遅いとされているため、大量のワークロードではその両方を実感するでしょう。この世代にオープンウェイトは存在しますが、フラッグシップ名を支えるチェックポイントはカスタムライセンス下にあり、データセンター規模です。そのため、購入しているまさにそのものをセルフホストすることは、聞こえほど簡単な逃げ道にはなりません。

手に取るべきはBeam 1.0、スタックを自前で握りたいときだ。Apache 2.0 で3段階の量子化レベル、100万トークンのコンテキスト、オン／オフを切り替えるのではなく調整する常時有効の推論予算、そしてコーディングとエージェント的作業に照準を合わせた評価表を備える。その所有権の代価は、その周辺のすべてだ。自分で見積もらなければならないサービング費用、その見積もりを膨らませるパラメータ数、そしてベンダーの表を突き合わせて確認できる独立したスコアが存在しないこと——Intelligence Index の数値30は本物で第三者によるものだが、それは単一の合成指標であり、ベンチマーク単位の検証ではない。

そして混合ケース、つまり最終的にはオープンウェイトを求めつつ、今四半期にはエンドポイントが必要なチームにとって、通常の答えは両方だ。自社ホスト型のデプロイを構築し、自社のタスクでベンチマークする間は、公開レートで提供されるモデルを通じてワークロードを流す。OrcaRouterは、プロバイダー間の自動フェイルオーバーを備えた単一のOpenAI互換キーの背後で200以上のモデルを動かしているので、自社ホスト型のビルドがトラフィックの一部を引き受け、性能が低下したときに残りを返すことができ、まだ契約していないモデルを試すのに2つ目の契約は不要だ。

次に見るもの

このページを変えるものはただ1つ、たった1行だ。もしReflectionかサービングパートナーがBeam 1.0の料金を公表すれば——API向けであれ、ホスト型FP8またはNVFP4デプロイ向けであれ——比較は算術になる。23.4Bのアクティブパラメータ対噂の95B、2つの独立したインデックススコア、そして2つの価格。それは読む価値のあるページだ。それまでは、正直な要約はこうだ。Reflectionは約束していた半分を届け、A​libabaは値付けした半分を届け、そして両モデルは残りの半分を待っている。

スコアボードが測定するものと、導入が実際に満たすものとの間にあるこの隔たりこそが、この記録が重要である理由です。このクラスのモデルをめぐる、文書化されたAIの障害やエージェントのインシデントは、the OrcaRouter AI Incident Archiveに集められており、各エントリには独自の情報源、重大度、信頼度グレード、異議ありフラグが付いています。