Beam 1.0：Reflectionが重みをオープンソース化し、Artificial Analysisがスコア30をつけた

今週、Reflection の Beam 1.0 に二つのことが起きたが、それらは逆方向を指している。このモデル——Beam 1.0-501B-A23Bは、総パラメータ数5,010億、トークンあたり230億がアクティブなスパース混合エキスパートシステムだが——もはや約束ではない。重みは Apache 2.0 のもと Hugging Face で公開され、273 GiB の NVFP4 ビルドは今すぐダウンロードでき、文書化された契約と実際のレート制限ページを備えたファーストパーティ API も存在する。同時に、これについて誰かが公表した最初の独立した数値は、Artificial Analysis Intelligence Index における 30 である——インデックス バージョン v4.3.2 で評価された 120 モデル中 19 位であり、Artificial Analysis が同程度のサイズの比較可能なオープンウェイトモデルについて記録している中央値 19 を上回っている。リリース済みのベンダーは通常、その二つの事実のどちらを先に出すかを選べる。ここでは両方が同時に真であり、正直な解釈としては、Beam 1.0 は予想より安く登場したものの、自社のローンチ投稿が示唆していたよりも低いスコアだったということだ。

これは以前の報道の続報であり、この切り口は意図的だ。Beam 1.0 は新しいものではない。Reflection は 2026年10月5日にそれを発表し、10月8日にベンチマーク表を更新した。この7日間で変わったのは、購入者にとって実際に必要なすべてだ — 重み、ホスティング、API、制限、そして外部による測定。ローンチ時の報道を読んで待つことにしたなら、待つ理由はもうない。

今週実際にリリースされたもの

Reflectionの「Beamが利用可能になりました」という投稿は2026年10月16日付で、ローンチ投稿をあれほど歯切れの悪いものにしていた隔たりを埋めている。10月5日時点で、重みはReflectionが「リリースする」と述べていたものだった。今週の時点では、それらは3つの精度で存在し、さらに投機的デコーディング用のドラフターもある：

• BF16 — 188個のsafetensorsシャードにわたる501.3Bパラメータ、アップロード先: reflection/Beam-1.0-501B-A23Bリポジトリ（10月7日にアップロード、その後改訂）。

• FP8 — E4M3でパラメータ数は同じ501.3B、ディスク上は468.72 GiB。

• NVFP4 — 273 GiBのパックされた4ビットビルドで、Reflection自身のサービングガイドがダウンロードするよう案内しているものです。

• DFlash2 — 1.93Bパラメータの投機的デコーディング用ドラフター。10月13日にアップロードされ、別個のリポジトリとして公開され、独自のサービング最適化として文書化されています。

4つすべてに apache-2.0 タグが付いており、ライセンスファイルはブログの一文ではなくリポジトリ内にある。これがライセンスと約束の違いだ。Reflection はまた、蒸留、ファインチューニング、量子化、マージを制限しないと述べている。

サービングの話も同じくらい具体的です。Transformers、vLLM、SGLang、Unsloth、Axolotl、TokenSpeed、NVIDIA Dynamo では day-zero サポートが提供されており、Reflection のドキュメントには SGLang、vLLM、TokenSpeed 向けのステップバイステップガイドと、Kubernetes 向けの Helm チャートが掲載されています。リファレンスとなるセルフホスティング要件は、NVLink 接続の NVIDIA B300 SXM GPU 4 基です。これはクラスタではなく単一のボックスで、500B モデルが通常想定させるよりもはるかに低いハードルであり、23B のアクティベーション比率から直接導かれます。

検証ツールもあります。オープンソースのbeam-verifier CLI は、任意の稼働中の Beam エンドポイントに対して適合性スイートを実行し、その後、主要なベンチマークで評価します。これにより、あなたのデプロイメントやプロバイダーのものを Reflection の参照スコアと比較できます。買い手がベンダーの数値を信じるのではなく確認できるようにするものは、知っておく価値があります。

最初の外部スコア、そしてそれはローンチポストの番号ではない

Artificial AnalysisはBeam 1.0をIntelligence Index 30で掲載し、120モデル中19位にランク付けしている。同じエントリでは、このモデルがIndex全体で79Mの出力トークンを使用したこと——「#10 / 46」で、中央値130Mに対して——が示されており、これがトークン効率の主張が独立した計測ハーネスに初めて現れたものだ。Artificial Analysisはまた、Beamの価格と速度を示していない。本稿執筆時点で、同モデルについて依然として「No publicly available API」と記録し、セルフホスティングのみを挙げているためだ。この欠落自体が情報である。APIは存在するが、計測企業が把握できる形にはまだなっていない。

30という数字を注意深く読んでください。これはベンダーのベンチマーク表に対する評決ではありません — 両者は異なるハーネス上で異なるものを測っています。重みとともに公開されたReflectionのモデルカードは、BF16チェックポイントについてSWEBench Verifiedで81.6%、Terminal Bench v2.1で80.1%、GPQA Diamondで90.6%を報告しており、ローンチ投稿は、Kimi K3のようなフロンティアモデルが生の能力では依然として先行していると明言しています。Beamの主張は、トップでの同等性ではなく「推論時の効率」にあります。これらの数値は依然としてベンダー報告であり、我々が調べた限り、まだ誰もそれらを再現していません。しかし、公開エンドポイントとverifier CLIのリリースこそが、そもそも再現を可能にするものであり、120モデルのインデックスにおける30は、この話の中でReflectionが生み出したものではない最初の数字です。

価格、制限、およびタスクごとの意味

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:

• コンテキストウィンドウ — 1,048,576トークン、最大出力131,072トークン、デフォルトの max_tokensは32,768です。

• 推論 — 必須であり、任意ではありません。対応する effort は low、medium、high、xhigh、max で、デフォルトは max です。推論トークンはレート制限にカウントされます。

• 機能 — 推論、ツール呼び出し、構造化出力、テキスト入力とテキスト出力。

• レート制限 — 組織ごとに、1分あたりおよびUTC日あたりのリクエスト数とトークン数で測定され、同時リクエスト数の上限と任意の1日あたりトークン許容量があります。超過時は429を返し、rate_limit_exceededまたはdaily_allowance_exhausted、そして1日の許容量を使い果たすとレスポンスはx-should-retry: falseを設定するため、単純なリトライループはただ空回りするだけです。

ドキュメントが載せていないのは、公開された100万トークンあたりの価格だ。Reflectionの発表は「無料で始められる」と述べているだけで、ドキュメントにも発表にも料金表は公開されていない。それがこの構図からまだ欠けている唯一の一行であり、効率性の主張が請求書の上で意味を持つかどうかを決める一行である。すべてのリクエストで推論を行い、デフォルトで最大限の労力を注ぎ、高度な推論においてGLM 5.2より3～4倍少ない推論コンピュートを主張するモデルは、出力100万トークンあたり$0.50では$5.00とはまったく別の話になる——そして現在、Reflectionの外部でどちらなのかを言える者はいない。

ドキュメントにある、パイロットに持ち込む価値のある実用的な注意点が2つあります。まず、デフォルトのエフォートは maxであるため、初期設定のままでは最も高コストになります。コストを意識した統合では、最初の呼び出しから reasoning_effort を明示的に設定すべきです。次に、制限は組織単位で、プロジェクトやキー間で共有されます。キーを追加しても制限は引き上げられません。これは、2つ目の統合をすでに構築した後になって初めて痛い目を見る類の細かい点です。

実際に比較対象となるモデルと比べて、それがどの位置にあるか

興味深い比較対象は、Reflectionがその点を認めている最先端のフラッグシップではなく、Beamが価格と規模で対抗しているオープンウェイトモデルだ。本日の当社カタログでは：

• GLM 5.2 — 100万コンテキスト、入力トークン100万あたり$1.40、出力トークン100万あたり$4.40、完全に提供されています。

• Kimi K3 — 1,048,576トークンのコンテキスト、$3.00/$15.00、そしてReflection自身の表でTerminal Benchにおいて上位に位置づけられているモデル。

• Qwen 3.8-Max — 1Mコンテキスト、$2.00/$6.00、2T超クラスはBeamがより大きな効率上の優位性を主張する対象である。

Beamの売りは、高度な推論でGLM 5.2に近い性能を、推論計算量のほんの一部で達成するというものだ。もしそれが独立したハーネスの下でも成り立つなら、大量のリクエストを処理する場面では実際の金銭的価値がある。79Mトークンという冗長性の数値は、そうかもしれないという最初の証拠だ。価格が示されていないことが、まだ計算を完了できない理由である。

これは、ルーティングが「判断を誤る」リスクのほとんどを取り除いてくれる状況でもあります。執筆時点でBeamは当社のカタログに掲載されていないため、お客様に提供することはできません。しかし、上記のモデルはすべて提供可能で、1つのOpenAI互換キーの背後にあり、プロバイダーの定価がそのまま適用され、マークアップもありません。そのため、ベンダーが値下げすれば、次回の契約時ではなく当日に請求額へ反映されます。実践的な打ち手は、本番の経路は料金表が公開されているモデルに維持し、Beamのパブリックベータはルーティングルールの背後に置くことです。そうすれば、実績のないファーストパーティAPIが単一障害点になることは決してありません。あとは自動フェイルオーバーが引き受けてくれます。午前2時にベータが429でレート制限をかけてきても、リクエストはそうならない先に届きます。

誰が、どのような証拠に基づいて動くべきか

あなたの制約条件がオープンウェイトと寛容なライセンスなのであれば、今週は、答えが「もうすぐ」ではなく「はい」になった週です。Apache 2.0、3種類の精度、4基のGPUを搭載したB300ノード1台に収まる273 GiBのビルド、vLLMとSGLangの初日対応、自身のデプロイを確認するための検証ツール、そしてファインチューニングや蒸留に関する制限なし。「重みがまだ公開されていない」ことが障壁だった人にとって、その障壁は消え、セルフホスティングにすればAPIの価格の問題も完全になくなります。

ホスト型エンドポイントへの本番依存が制約になっているなら、より慎重になったほうがよい。そのAPIは実在し、文書化されているが、今週リリースされたばかりであり、組織全体の制限を適用するため2つ目のキーでは引き上げられず、デフォルトで最大の推論努力で推論し、料金は非公開だ。期限のあるものを任せる前に、検証者による適合性スイートをそれに対して実行してください。

もしあなたの制約条件がフロンティアの能力にあるなら、今週のことは何もあなたの答えを変えない。Intelligence Index の30、Terminal BenchではKimi K3に、AIMEではGLM 5.2に後れを取るベンダー表、そして主要な数字が独立に再現されていないこと——これらを合わせると、試す価値はあるが賭ける価値のあるモデルではない、ということだ。

次に注目すべきは価格だ。Reflectionはローンチの難しい半分——重み、サービングスタック、ドキュメント、公開エンドポイント——を出荷し、簡単な半分である料金表を未公開のままにした。その数字が公表されれば、3～4倍の効率性という主張はスローガンではなく表計算になり、GLM 5.2やKimi K3との比較は方法論をめぐる議論ではなく意思決定になる。

このような結果は、このクラスのモデルの背後にあるAIインシデントやエージェントの失敗がすでに記録されているという事実を思い起こさせるものでもある。それらはOrcaRouter AI Incident Archiveにまとめられており、各項目には独自の情報源、重大度、信頼度評価、異議ありフラグが付されている。