Beam 1.0 vs Clef Flash: de een schrijft code, de ander kan geen zin schrijven

Zet Beam 1.0 en Clef Flash naast elkaar en de vergelijking ziet er absurd uit tot je merkt waar het eigenlijk over gaat. Beam 1.0 is Reflections mixture-of-experts-model met 501,3 miljard parameters, uitgebracht met Apache 2.0-gewichten op 16 oktober 2026 en gebouwd voor coderen, redeneren en langdurig agentisch werk; het leest tekst en schrijft tekst. Cloudflares Clef Flash is een model met 9 miljard parameters dat helemaal geen pad voor tekstuitvoer heeft — niet een verzwakt pad, geen enkel. Het neemt een toestand plus een schema van getypeerde vragen en retourneert een waarschijnlijkheid voor elk toegestaan antwoord. Elke pagina die deze twee tegen elkaar afzet op basis van benchmarkscores heeft beide verkeerd begrepen. De nuttige vraag is welke plek in een pijplijn elk van beide inneemt, want in een goed gebouwd systeem zijn ze geen rivalen; het zijn aangrenzende fasen.

Die nabijheid is het waard om precies te begrijpen, want ze verklaart een klasse van productiefouten die geen enkele single-modelbenchmark blootlegt: de parser die je aan een chatmodel hebt vastgeschroefd omdat het het enige was dat je had, en het eenenvijftigste antwoord van de honderd dat niet in je schema paste.

Wat elk model daadwerkelijk retourneert

Begin met de vorm van de output, want al het andere volgt daaruit.

• Beam 1.0 — vrije tekst, met verplichte redenering. Ondersteunde inspanningsniveaus zijn laag, gemiddeld, hoog, xhigh en max, en max is de standaard, dus de out-of-the-boxconfiguratie denkt het langst na. Redeneren, tool calling en gestructureerde uitvoer worden allemaal ondersteund, en gestructureerde uitvoer plus een JSON-schema is het dichtst dat Beam bij een beperkte return komt.

• Clef Flash — een verdeling over een gedeclareerde antwoordenset. De documentatie van Cloudflare beschrijft een voorwaartse pass die elke toegestane optie scoort; er is geen generatiestap en dus ook geen parse-stap. De eigen framing van de leverancier is dat dit een beslissingsmodel is, en het tweede product in de release was een fine-tuningplatform voor reinforcement learning om er meer van te bouwen.

Het praktische verschil zit in wat er gebeurt wanneer de invoer buiten het bereik valt. Een tekstmodel dat iets wordt gevraagd buiten zijn competentie, produceert zelfverzekerde tekst, en je systeem moet dat opmerken. Clef Flash produceert kansen die optellen tot één over de keuzes die je het hebt gegeven, wat betekent dat invoer buiten het bereik zich voordoet als een vlakke verdeling in plaats van een plausibele zin — op voorwaarde dat je daarvoor een drempelwaarde hebt gebouwd, die de leverancier niet aanlevert. Cloudflare's eigen gepubliceerde tabel toont dat geval als de zwakste cel van het model.

De evaluaties overlappen niet, en dat is de bevinding

De scores van Clef Flash komen uit de Jev Decision Index en een reeks beslissingsspecifieke suites, allemaal uitgevoerd door Cloudflare, en verschillende worden uitgevoerd tegen de eigen benchmark van een concurrent — Jev wordt gepubliceerd door TypeSafe, de leverancier van het model waartegen Clef Flash wordt gemeten. Op die suites zijn de cijfers sterk: BFCL case-exact 98,8, API-Bank 93,1, een simulatie van huishoudelijke apparaten op 97,7, ContractNLI macro-F1 84,3, RouterBench 79,9. Clef Flash verslaat nipt de grotere 27B Clef op BFCL, op API-Bank en op de apparaten-suite, de laatste met veertien punten. Niets ervan is onafhankelijk gereproduceerd.

Beams evaluatieregime is van een andere aard. De modelkaart van Reflection rapporteert agentische en software-engineering benchmarks — SWEBench Verified 81.6, Terminal Bench v2.1 80.1, DeepSWE v1.1 43.3, GPQA Diamond 90.6 op het BF16-checkpoint — allemaal door de leverancier gerapporteerd. Het enige externe cijfer is Artificial Analysis, dat Beam 1.0 vermeldt met een Intelligence Index van 30, als negentiende van 120 modellen op indexversie v4.3.2, en geen prijs en geen snelheid registreert omdat het nog steeds "No publicly available API" voor het model ziet. Er is niets in de kolom van Clef Flash dat overeenkomt met een Intelligence Index, en niets in de kolom van Beam dat overeenkomt met een case-exacte routerscore. Ze bevinden zich niet op dezelfde as.

Wat je kunt vergelijken, is de kostenstructuur, en hier bevinden de twee zich op tegenovergestelde uitersten. Cloudflare host Clef Flash op Workers AI voor $0,038 per miljoen inputtokens, waarbij outputtokens tegen nul in rekening worden gebracht, omdat die er niet zijn — ongeveer een zesde van de $0,24 die dezelfde tariefkaart rekent voor de grotere 27B Clef, en net onder de $0,042 die wij rekenen voor een beslissingsmodel dat dezelfde aanvraagvorm beantwoordt. Beam 1.0 heeft helemaal geen gepubliceerde prijs per miljoen tokens — de documentatie van Reflection bevat een volledige pagina over rate limits en geen tariefkaart. Zelfhosting is het enige pad met een prijs, en het begint bij vier NVIDIA B300 GPU's.

Waar elk ervan thuishoort in een echt systeem

Het eerlijke antwoord is dat Clef Flash een stap vervangt die je waarschijnlijk slecht uitvoert, en Beam 1.0 een stap die je waarschijnlijk duur uitvoert.

Clef Flash richt zich op classificatie, routering, gating en triage binnen een agent-loop — overal waar de juiste uitvoer een van een bekende set labels is en de kosten van een misvormd antwoord een downstream-exception zijn. Het gepubliceerde latentieprofiel, ongeveer 38,8 ms mediaan en 122,4 ms bij p95, is daar het deel dat ertoe doet, omdat het wordt gemeten in een regime waarin de time-to-first-token van een tekstmodel dat niet wordt.

Het doel van Beam 1.0 is het werk zelf: GitHub-issues oplossen, in een CLI werken, meerstaps toolworkflows uitvoeren. Het argument dat Reflection aandraagt is token-efficiëntie in plaats van piekcapaciteit — de modelkaart beweert een vergelijkbare oplossingskwaliteit als toonaangevende open modellen bij ongeveer drie keer minder redeneertokens tijdens inferentie, en de sterkste ondersteuning daarvoor is dat Artificial Analysis 79M outputtokens voor Beam registreert over de Intelligence Index, tegenover een mediaan van 130M, de tiende van zesenveertig op die maatstaf. Bij een lange agentrun waarin elke beurt het eerdere gesprek opnieuw afspeelt, is dat de post die zich opstapelt.

Geen van beide staat in onze catalogus, en we zullen niet het tegendeel suggereren. Clef Flash draait op Cloudflares eigen edge-GPU's en de Apache-2.0-gewichten kun je zelf hosten; de gewichten van Beam 1.0 staan op Hugging Face onder Apache 2.0, met een first-party-API die geen gepubliceerde prijs heeft.

De reden om beide bereikbaar te houden

Een pipeline die bij de gate een beslissingsmodel gebruikt en daarachter een redeneermodel, is een strikt betere architectuur dan een die voor beide één enkel chatmodel gebruikt, en de kosten om het zo te bouwen zijn de operationele kosten van een tweede afhankelijkheid — een tweede contract, een tweede set sleutels, een tweede faalmodus. Dat is het deel dat een router wegneemt, niet het modeldeel.

Als de gate-stappen in uw systeem dezelfde zijn als die Clef Flash beschrijft, is het dichtstbijzijnde reeds gerouteerde equivalent TypeSafe's Jev 1.13 — het model dat Cloudflare als benchmark-tegenhanger koos, API-compatibel met de requestvorm van Clef Flash, en in onze catalogus voor $0,042 per miljoen inputtokens, met output die tegen nul wordt gefactureerd en een context van 65.536 tokens.

Voor de redeneerfase achter de gate bevat onze catalogus de modellen waartegen Beam wordt afgemeten: GLM-5.2 voor $1,40 en $4,40 per miljoen tokens met een contextvenster van 1.000.000 tokens, Kimi K3 voor $3,00 en $15,00 met 1.048.576, en Qwen3.8-Max voor $2,00 en $6,00. Eén OpenAI-compatibele sleutel dekt ze allemaal, de lijstprijs van de provider wordt doorgegeven zonder dat er iets bovenop komt, en automatische failover betekent dat de gate-stage niet uitvalt omdat één provider even een slechte minuut had.

Je kunt de twee fasen ook op verschillende modellen laten draaien zonder je op een van beide vast te leggen: een routeringsregel die schema-classificatieverkeer naar het decision-endpoint stuurt en vrije-tekstwerk naar een redeneermodel, is het gebruikelijke geval van de routing-DSL, en dat betekent dat de nauwkeurigheid van de decision-fase en de kosten van de redeneerfase onafhankelijk van elkaar kunnen worden afgestemd in plaats van te worden afgewogen binnen het aantal parameters van één model.

Voor welke je eigenlijk aan het shoppen bent

Als je hier bent beland omdat je agent af en toe een JSON-blob produceert die je parser afwijst, dan wil je geen model met 501 miljard parameters. Je wilt het beslissingsmodel, en de vraag die je moet stellen is of je antwoordset echt opsombaar is en wat je abstentiebeleid is — want Clef Flash geeft je waarschijnlijkheden, geen weigering.

Als je hier bent beland omdat de factuur van je codingagent wordt gedomineerd door reasoningtokens die je niet kunt zien, wil je geen classifier met 9 miljard parameters. Je wilt Beam 1.0, of een van de modellen waartegen het wordt afgemeten, en de vraag die je moet stellen is of je het kunt hosten of dat je wacht op een tariefkaart die nog niet is gepubliceerd.

Het enige wat een directe vergelijking goed doet, is duidelijk maken dat beide weddenschappen zijn op dezelfde these, maar dan vanuit tegenovergestelde kanten: dat het dure deel van een agent niet het antwoord is, maar alles eromheen. Het antwoord van Cloudflare is om generatie weg te halen uit de stappen die het nooit nodig hadden. Het antwoord van Reflection is om generatie goedkoper te maken per token aan denkwerk. Samen ingezet kosten ze minder dan elk afzonderlijk ingezet, wat een betere uitkomst is dan wat de benchmarktabel van een van beide leveranciers je zal vertellen.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.