Beam vs Beam 1.0: Het versienummer dat geen versie is

Zoek naar twee modelnamen die lijken op een product en zijn voorganger — Beam en Beam 1.0 — en je vindt een vergelijking die niet bestaat. Er is geen Beam 1.0 die een eerder Beam heeft opgevolgd, geen Beam 1.1 die erachter wacht, en geen oudere checkpoint die een lezer nog zou kunnen draaien. Reflection bracht in oktober 2026 één open-weight model uit, noemt het Beam in zijn eigen teksten, en registreert de repositories en het gehoste endpoint onder de identificatie Beam-1.0-501B-A23B. Beide labels verwijzen naar hetzelfde sparse mixture of experts-model met 501,3 miljard parameters. Het versienummer is een distributietag, niet een generatie.

Dat klinkt als een voetnoot. Dat is het niet, want het versie-achtervoegsel is juist het deel dat zich verspreidt. Het komt terecht in model-ID's, in routerconfiguratie, in kostendashboards, in de spreadsheet waarin iemand leveranciersopties vergelijkt en niet kan zien of de rij met het label Beam en de rij met het label Beam 1.0 twee opties zijn of één optie die door een slechte import is gedupliceerd. De identiteit goed krijgen is de hele inhoud van de vergelijking, en dat blijkt nuttiger dan een specificatieblad: het vertelt je hoe het ding zich in een catalogus zal gedragen, en wat je moet controleren voordat je het ergens aan koppelt.

Waar elk label eigenlijk vandaan komt

De splitsing is niet willekeurig. Elke vorm heeft een bron, en weten welke welke is, is juist wat je in staat stelt hetzelfde model onder twee namen te herkennen:

• "Beam" — de naam die de leverancier in proza gebruikt. Het lanceringsbericht heeft als titel "Introductie van Beam: het 501B open-weightmodel van Reflection", het beschikbaarheidsbericht van 16 oktober heeft als titel "Beam is nu beschikbaar", en de Hugging Face-collectie is beam-10. Dit is ook wat het framework-ecosysteem overnam: het SGLang-kookboek vermeldt het onder de kop van de leverancier als "Beam 1.0 — Nieuw", en het projectaccount dat het in productie serveert, zegt "Beam".

• "Beam-1.0-501B-A23B" — de machine-identificatie. Het is de model-ID op Reflections eigen O​penAI-compatibele endpoint, en het codeert dezelfde drie feiten die een bouwer nodig heeft: één model, eerste release, 501 miljard totale parameters, 23 miljard actief. De koppeltekens zijn dragend; dit is een string om te plakken, geen naam om naar te zoeken.

• "Beam 1.0" — de mensleesbare weergave van die identificatie, en de vorm die verschijnt in catalogusvermeldingen, modeldirectorypagina's en samenvattingen van derden. Het is wat je krijgt wanneer een identificatie wordt verfraaid voor een dropdown.

Dus de twee zoektermen zijn geen twee modellen. Het zijn het woord van de leverancier en de weergave van één repositorynaam door de catalogus.

De consequentie die er echt toe doet: matchen op naam

Alles stroomafwaarts daarvan — routeringsregels, allowlists, facturatie-exports, evaluatieharnassen — matcht op de tekenreeks, en de tekenreeks is niet stabiel op de plekken waar je hem zult plakken. Hier volgen drie praktische valkuilen, en geen ervan is hypothetisch:

• Een regel die is geschreven voor "Beam" komt niet overeen met "beam-1.0-501b-a23b", en een regel die is geschreven voor de identifier komt niet overeen met een catalogus die de weergavenaam heeft opgeslagen. Hoofdlettergebruik en interpunctie verschillen per platform, en niets brengt ze voor je met elkaar in overeenstemming.

• Een kostendashboard dat groepeert op weergavenaam toont één model als twee regelitems zodra een provider de weergave ervan aanpast, en de totalen komen niet overeen met je factuur.

• Een vergelijkingsspreadsheet die wordt gemaakt door beide termen te zoeken, telt het model dubbel, wat precies de fout is die dit artikel wil voorkomen. Als je een rij voor Beam hebt en een rij voor Beam 1.0, heb je één model en twee rijen.

De oplossing is weinig glamoureus: zet de identifier vast, behandel de weergavenaam als een label, en baseer elke prijs- of benchmarkvergelijking op de identifier in plaats van op wat de dropdown zei. Dat geldt ook voor de prijskwestie — Beam 1.0 heeft helemaal geen gepubliceerd tarief per miljoen tokens, noch op het endpoint, noch in de aankondiging, dus er is nog geen getal om in een van beide rijen te zetten.

De versie die wel echte verschillen bevat

Er is een echte reeks verschillen in deze release, en geen ervan zit in de modelnaam. Ze zitten in het artefact dat je in handen krijgt, en dit is waar een query als "Beam vs Beam 1.0" echt op wijst:

• BF16 vs FP8 vs NVFP4 — 933,81 GiB verdeeld over 188 safetensors-shards, 468,72 GiB in E4M3, of een packed 4-bit build van 273 GiB. In alle drie hetzelfde totaal van 501,3B en 23,4B actief; het verschil is de hardwareondergrens die elk met zich meebrengt, van 16 GPU's tot vier B300's in NVLink.

• Basis versus conceptmodel — DFlash2 is een afzonderlijk speculatief-decodemodel met 1,93 miljard parameters dat als een eigen repository is gepubliceerd, geen variant van Beam. Een implementatie zonder dat model is niet "Beam 1.0 zonder de update"; het is hetzelfde model dat anders wordt gedecodeerd.

• Gehost versus downloadbaar — één identifier, twee leveringspaden: de checkpoint onder Apache 2.0, en een O​penAI-compatibel endpoint met verplichte reasoning, efforts van low tot max met max als standaard, en organisatiebrede limieten die over elke sleutel worden gedeeld.

Als twee teams het oneens zijn over "welke Beam 1.0" ze draaien, gaat het meningsverschil bijna altijd over een van die drie assen en niet over een versienummer.

Het lezen van de cijfers van de leverancier op de juiste datum

Er verandert nog iets tussen labels, en dat is een echte bron van verwarring, niet louter een artefact van de naamgeving. Reflection heeft zijn benchmarktabel meer dan eens gepubliceerd, en de cijfers verschilden tussen versies van de pagina. De aankondiging van 5 oktober bevatte één set; een noot bij datzelfde bericht vermeldt een update op 8 oktober; de modelkaart zoals die er nu staat, geeft de huidige cijfers weer. De verschillen zijn klein en zitten meestal in het derde significante cijfer — één configuratie van SWE Bench Pro v2-Hard staat op 77,2 in de eerdere tabel en op 78,6 op de huidige kaart — maar ze zijn groot genoeg dat twee artikelen die "het cijfer van de leverancier" citeren het met elkaar oneens kunnen zijn, terwijl beide correct zijn voor hun datum.

Wat niet is verschoven, is de vorm van het resultaat. Alle onderstaande cijfers zijn door de leverancier gerapporteerd en niet door ons gereproduceerd, gemeten bij temperatuur 0,7 en top_p 0,99, en alle drie de precisies worden vermeld omdat de spreiding ertussen deel uitmaakt van het verhaal:

• SWE Bench Verified — 81.6 BF16, 80.2 FP8, 80.7 NVFP4. Het opvallendste coderingscijfer, en het cijfer waar precisie nauwelijks aan raakt.

• Terminal Bench v2.1 — 80,1 BF16, 78,9 FP8, 78,4 NVFP4. Agentisch terminalwerk, waarbij de FP8-build ongeveer anderhalf punt inlevert.

• AIME 2026 — 97,7 BF16, 98,0 FP8, 97,5 NVFP4. Effectief verzadigd in elke precisie, wat het een zwakke onderscheider tussen hen maakt.

• GPQA Diamond — 90,6 BF16, 90,3 FP8, 89,3 NVFP4. Het duidelijkste voorbeeld van de NVFP4-build die terrein verliest, ongeveer 1,3 punten.

Het consistente patroon is dat kwantisatie weinig kost bij codeer- en redeneerbenchmarks en iets meer bij kennisintensieve benchmarks, waarbij FP8 BF16 soms ronduit voorbijstreeft — wat een reden is om een precisie op hardwaregronden te kiezen in plaats van op leaderboardgronden. Het is ook een reden om op te schrijven uit welke tabel je hebt geciteerd. Een rij met het label "Beam" en een rij met het label "Beam 1.0" kunnen echt verschillende getallen bevatten zonder dat een van beide onjuist is, en het versie-achtervoegsel is niet wat ze onderscheidt. De datum is dat.

Wat dit betekent als u tussen hen kiest

Er valt geen keuze te maken tussen Beam en Beam 1.0, want er is één model. De beslissing die daadwerkelijk voor je ligt, heeft drie onderdelen, en elk heeft een antwoord:

• Als je een open checkpoint op je eigen hardware nodig hebt — één optie, drie precisies, en de keuze daartussen is een hardwarevraag. Vier B300's voor NVFP4, acht H200's voor FP8, zestien apparaten voor BF16, en het aantal apparaten moet een deler van 256 experts zijn.

• Als u een gehoste endpoint nodig hebt — de first-party-API is de enige met een gedocumenteerd contract, en er is momenteel geen gepubliceerde prijs, wat betekent dat een inkoopvergelijking nog niet op basis van kosten kan worden afgerond.

• Als je het naast de modellen wilt hebben die je al aanroept — Beam 1.0 is geen van onze routes, dus we kunnen het niet voor je aanbieden en niets hier mag worden opgevat als een beschikbaarheidsclaim van ons. Wat we wel kunnen doen, is de beslissing eromheen goedkoop houden. OrcaRouter draait één OpenAI-compatibele sleutel over meer dan 200 modellen, met de lijstprijs van de provider doorgegeven en niets erbij opgeteld, en automatische failover tussen providers, zodat een Beam 1.0-pilot naast productieverkeer meeloopt in plaats van het te vervangen, en het fallback-pad een routeringsregel is in plaats van een migratie.

De modellen waarop de fallback hoogstwaarschijnlijk zou uitkomen, op basis van onze eigen catalogus met hun gepubliceerde tariefkaarten:

• GLM-5.2 — $1,40 per miljoen inputtokens en $4,40 per miljoen outputtokens met een venster van 1.000.000 tokens. Het model waartegen Reflections eigen efficiëntieclaim wordt afgezet.

• Kimi K3 — $3,00 per miljoen invoer, $0,30 in cache, $15,00 uitvoer met een venster van 1.048.576 tokens.De lanceringspost van Reflection geeft toe dat K3 voorop blijft qua ruwe capaciteit.

• Qwen3.8-Max — $2,00 per miljoen input en $6,00 output bij een venster van 1.000.000 tokens, het propriëtaire vlaggenschipalternatief voor het kopen van Blackwell-capaciteit.

Wat te kijken in plaats van een Beam 2.0

Drie dingen zouden van deze vergelijking een echte maken, en geen ervan draait om een nieuw versienummer.

Het eerste is een tariefkaart. Totdat Reflection een prijs per miljoen tokens publiceert op het endpoint, is gehost versus zelfgehost een vergelijking van een kapitaalgetal met niets, en geen enkele hoeveelheid naamgevingsdiscipline lost dat op.

Het tweede is onafhankelijke meting. Artificial Analysis vermeldt het model met een Intelligence Index van 30, geen snelheidscijfer en geen prijs, en registreert geen openbaar beschikbare API — het gehoste oppervlak is nog niet zichtbaar voor de organisaties die dit soort zaken meten. Het enige onafhankelijke efficiëntiedatapunt, 79M gegenereerde outputtokens op de Intelligence Index tegen een mediaan van 130M, ondersteunt de bewering van de leverancier over "minder redeneertokens" zonder de onderliggende doorvoer te bevestigen.

Het derde is of het label ooit afwijkt. Een "Beam 2.0" dat een andere checkpoint is, zou het versie-achtervoegsel eindelijk betekenis geven, en op de dag dat dat werkelijkheid wordt, gaat een query zoals deze niet meer over naamgevingshygiëne maar over het verschil tussen twee modellen. Vandaag is het de eerste soort vraag. Wie Beam vergelijkt met Beam 1.0, vergelijkt een model met zijn eigen repositorynaam — en de nuttige uitkomst van die vergelijking is een notitie om je configuratie af te stemmen op Beam-1.0-501B-A23B en te stoppen met zoeken naar beide spellingen.

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.