GPT-6.1 Sol 対 Reflection Beam：3〜4倍の効率性という主張と、それを打ち消すベンチマーク表

のローンチ資料の中で最も興味深い数字はReflection Beam、ベンチマークスコアではない。Reflection の 2026-10-05 の発表によれば、Beam は同等の品質で GLM 5.2 に比べて推論 FLOPs がおよそ 3〜4 分の 1 で済むという——名指しされた特定の競合に対する効率性の主張であり、トークンあたりのコストが大半のチームが実際に置かれている制約である市場における主張だ。同時にこれは、同じ発表自身のベンチマーク表が裏付けるどころかむしろ複雑にする主張でもある。それらの表で Reflection Beam はいくつかのスイートでは GLM 5.2 を上回るが、DeepSWE、SWE-Bench Pro v2-Hard、SWE Atlas Codebase QnA、MCP Atlas、AutomationBench、BrowseComp、DeepSearchQA では GLM 5.3 や Kimi K3 などに後れを取っている。これとGPT-6.1 Sol——OpenAI が 2026-09-29 に発表したモデル——を突き合わせれば、効率そのものが論拠であるモデルと、効率がすでに価格に織り込まれ、測定され、公表されているモデルとの比較が得られる。

両モデルは、それぞれ10月と9月下旬の2026年フロンティア級リリースであり、それぞれについてどれだけ述べられるかの違いが本稿の核心である。以下の内容はすべて、Reflectionの発表資料、OpenAIのモデルページと価格ページ、当社独自のカタログ記録、ならびにArtificial Analysisによる独立した測定に基づくもので、2026年10月12日時点で参照した。数値がベンダー自身によるもので、誰もそれを再現していない場合、その数値を含む文でその旨を明記している。

リフレクション・ビームとは何か、リフレクション外部の誰かが知る限りにおいて

Beamは、トークンごとに230億パラメータがアクティブになる、5010億パラメータのMixture-of-Expertsモデルです。その比率こそ、何よりも先に注目すべき設計判断です。501B/23BのMoEは、任意のトークンに対してネットワークのごく一部しか実行されないため、低コストで提供できるように作られています。発表における効率性の主張は、アーキテクチャに後付けされた驚きではなく、そのアーキテクチャが明言する目的そのものです。

• 総パラメータ数とアクティブパラメータ数 — 合計501B、トークンあたり23Bがアクティブ、mixture-of-experts。

モダリティ：視覚なし、音声なし、画像入力なし。

• コンテキスト — ベータAPIで256,000トークン、最大出力128,000トークン、知識カットオフは2026-06-30。

• 重み — 未公開。Reflection は、重みを 10 月後半に Apache 2.0 の下で公開すると述べており、これはこのモデルに関する最も重大な未解決の問いであり、実質的に今回のローンチがプレビューである理由でもある。

• 価格 — 公開されていない。Beam の API には料金表が存在しないため、本記事のどこにもそのコスト数値は記載されておらず、トークン単位の計算に基づく比較では、その列を空のままにせざるを得ない。

• 独立系ベンチマーク — なし。Artificial Analysis には Reflection Beam の行がないため、以下のセクションのスコアはすべて Reflection 自身による実行であり、Reflection 自身のベースラインが付けられています。

ベンダーの表を、正直に読むこと

Reflectionはローンチに合わせて一連のベンチマーク比較を公開した。そして、それらを誠実に報告する方法は、両方向で何を示しているかを述べることだ。なぜなら、それらは一方向を示しているわけではないからだ。

• Beamが優位に立つ点。 Reflectionが看板として選んだスイートにおいて、BeamはGLM 5.2——効率性の主張が比較対象としているモデル——を上回っている。額面通りに受け取れば、これは紛れもない成果だ。おおよそ推論コストの4分の1から3分の1でより良い出力が得られるなら、大量にサービスを提供する者にとって強い立場となる。

• Beam が後れを取る領域。同じ表では、Beam は DeepSWE、SWE-Bench Pro v2-Hard、SWE Atlas Codebase QnA、MCP Atlas、AutomationBench、BrowseComp、DeepSearchQA において、GLM 5.3、Kimi K3 などの現行モデルに後れを取っている。これらは周辺的なスイートではない。モデルが自律エージェントとして使えるかどうかを決める、ソフトウェアエンジニアリング、ツール利用、ディープリサーチのベンチマークなのだ。

併せて読むと、これらの表が語っているのは、「最先端」よりも首尾一貫していて射程の狭いことだ。Beam は、Reflection が選んだ土俵では前世代を上回るが、エージェント作業の土俵では現行世代を上回らない、強力なオープンモデル公開のように見える。それはモデルとして正当な在り方だ。エージェント作業に利用できる最良のモデルであることとは同じではないし、発表の枠組みはより強い読み方を誘う。

効率の数値そのものについて、構造的な指摘を1つ挙げておきます。これが見出しになっているからです。他のモデルとのトークンあたりFLOPsの比較は、アーキテクチャとサービング構成の性質であり、成果の品質の性質ではありません。また、FLOPsが3〜4分の1というのはベンダーが測定した数値であり、独立した再現はありません。Beamのサービングが安価であると期待する合理的な理由にはなります。しかし、Beamの利用が安価である証拠ではありません。そして、この2つの違いこそが、このページにおけるコスト議論のすべてです。答えに到達するまでにより多くのトークンを消費するモデルは、FLOPあたりでは安価でありながら、タスクあたりでは高くつくということが同時に成り立ちます。

比較の出荷済み側

この記事が記録するために存在する非対称性は次のとおりだ。GPT-6.1 Solは2026年9月29日にOpenAIのAPIで稼働を開始した。公開された料金表があり、入力トークン100万あたり2.00ドル、出力100万あたり10.00ドル、キャッシュ済み入力0.10ドル、キャッシュ書き込み2.50ドル。文書化された1,050,000トークンのコンテキストウィンドウ、最大出力128,000トークン、そして独立したIntelligence Indexの行では、最大推論努力で52、タスクあたりの実行コストは0.72ドルだ。

そのコスト数値こそ、ReflectionのFLOPs主張と突き合わせる価値があるものだ。タスクあたり$0.72は、FLOP数でも料金表でもない。それは、そのモデルを実行した第三者によって測定された、仕事が完了したときにかかるコストだ。Beamの効率性の主張が調達の主張として成立するには、打ち負かさなければならない数値であり、そしてBeamには同等の数値がない。なぜならBeamには公表価格も独立した実行もないからだ。

今日の時点で具体的かつ検証可能な、もう2つの違いがあります：

• コンテキストと出力 — ベータ版の Beam の 256,000 トークンに対して、GPT-6.1 Sol は 1,050,000 トークンのコンテキストを示しています。また、両者とも出力は 128,000 トークンが上限です。リポジトリ規模または文書セットの作業では、1回の呼び出しに収まる資料量が4倍異なります。

• モダリティ — GPT-6.1 Sol はテキスト、画像、ファイルを受け付けますが、Beam はテキスト専用です。パイプラインがスクリーンショット、スキャン、図を読み取るのであれば、スコアに関係なく Beam は候補になりません。

Beamが、GPT-6.1 Solが構造的に答えられない論点を持っているとすれば、それはオープンウェイトのものだ。Apache 2.0の重みが約束どおりのスケジュールで登場すれば、アクティブパラメータ数が23Bである501B/23Bモデルは、プロプライエタリモデルが決してなり得ない形で、セルフホスティングの候補になる。230億のアクティブパラメータは、十分な体制のチームが検討できる数字だ。ベータ版における256,000トークンのコンテキストと、公開された重みが存在しないことが、その論点がローンチ時に決着するのではなく、実際のリリースを待たなければならない理由である。

今、誰がどのモデルに対して行動すべきか

実用的な答えは何を買うかによって変わり、その区分ははっきりと言い切れるほど明確である。

今週にもエージェント型コーディング、ツール使用、長文コンテキストの文書処理向けに本番環境で使えるモデルが必要なら、出荷済みのモデルはGPT-6.1 Solであり、判断すべきはその存在ではなく価格です。その出力レートが重要となる課金指標で、キャッシュ済み入力レートは100万トークンあたり$0.10と異例に低く、入力トークンが272,000を超えるとリクエスト全体の料金が引き上げられます — 大きなプレフィックスを読み込むループをスケールする前に、設計で織り込む価値のあるしきい値です。これは当社のカタログにOpenAIの定価で0%のマークアップで掲載されているため、表示価格がそのまま請求額になり、ベンダーの価格変更はリセラーの更新サイクルを待たずに同じ日にカタログへ反映されます: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

あなたのBeamへの関心がベータAPIではなくオープンウェイトのリリースにあるなら、注目すべきはReflectionが今月中に公開すると約束したApache 2.0のリリースだ。重みが実際に存在するまでは、この記事に出てくるあらゆる性能値はベンダーによるものであり、価格は不明で、セルフホスティングの計画もコスト比較も仕上げることはできない。予定通りにリリースされれば、Beamは2モデル構成における効率的なティアとしてたちまち魅力的になる——そしてそれは、200以上のモデルにまたがる自動フェイルオーバーを備えた単一のエンドポイントが、2つ目の統合なしに処理できる構成だ、つまり、実績のないモデルを本番経路に組み込むのではなく、ルーティング層で試してみるべきだという論拠である。

Reflection Beamは当社が提供しているものではありません。そのウェイトとAPIがきちんと公開されれば、ほとんどのオープンなリリースと同様、ベンダー自身のプラットフォームと複数のサードパーティサービスで利用できるようになるでしょう。そしてそのときには、このページは書き直す価値があります。というのも、現時点でこのページが答えられない2つのこと——Beamのコストと、メーカー以外の誰かが実行したときのスコア——は、まさにその答えが依拠する当のものだからです。