GPT-6.1 Sol vs Reflection Beam: de efficiëntieclaim van 3–4×, en de benchmarktabellen die die ondergraven

Het meest interessante getal in Reflection Beam's lanceringsmateriaal is geen benchmarkscore. Reflections aankondiging van 2026-10-05 zegt dat Beam ongeveer drie tot vier keer minder inferentie-FLOPs gebruikt dan GLM 5.2 bij vergelijkbare kwaliteit — een efficiëntieclaim, gemaakt tegenover een specifieke, bij naam genoemde rivaal, in een markt waar kosten per token de beperking zijn waaronder de meeste teams in de praktijk werken. Het is ook een claim die de eigen benchmarktabellen van dezelfde aankondiging eerder bemoeilijken dan ondersteunen: in die tabellen verslaat Reflection Beam GLM 5.2 op meerdere suites en blijft het achter bij GLM 5.3, Kimi K3 en anderen op DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp en DeepSearchQA. Zet dat tegenover GPT-6.1 Sol, de release van Open​AI op 2026-09-29, en je krijgt een vergelijking tussen een model waarvan de efficiëntie het argument is en een model waarvan de efficiëntie al geprijsd, gemeten en gepubliceerd is.

Beide modellen zijn frontier-tier-releases uit 2026, respectievelijk uit oktober en eind september, en het verschil in hoeveel er over elk van hen kan worden gezegd, vormt de kern van dit artikel. Alles hieronder komt uit het lanceringsmateriaal van Reflection, de model- en prijspagina's van Open​AI, onze eigen catalogusgegevens en onafhankelijke metingen van Artificial Analysis, gelezen op 2026-10-12. Waar een cijfer afkomstig is van de leverancier zelf en niemand het heeft gereproduceerd, vermeldt de zin die het bevat dat.

Wat Reflection Beam is, voor zover iemand buiten Reflection weet

Beam is een mixture-of-experts-model met 501 miljard parameters, waarvan 23 miljard parameters actief zijn per token. Die verhouding is de ontwerpkeuze die als eerste opvalt: een 501B/23B MoE is gebouwd om goedkoop te serveren, omdat slechts een kleine fractie van het netwerk draait voor een gegeven token. De efficiëntieclaim in de aankondiging is geen verrassing die achteraf op de architectuur is geschroefd — het is het verklaarde doel van de architectuur.

• Totale en actieve parameters: 501 miljard in totaal, 23 miljard actief per token, mixture-of-experts.

• Modaliteit — alleen tekst. Geen visie, geen audio, geen beeldinvoer.

• Context — 256.000 tokens in de bèta-API, met een maximale uitvoer van 128.000 tokens en een kennisafsluitdatum van 2026-06-30.

• Gewichten — niet vrijgegeven. Reflection heeft gezegd dat de gewichten later in oktober onder Apache 2.0 zullen worden gepubliceerd, wat de meest verstrekkende openstaande vraag over dit model is en de reden dat de lancering in de praktijk een preview is.

• Prijs — niet gepubliceerd. Er is geen tariefkaart voor Beams API, dus er verschijnt nergens in dit artikel een kostencijfer voor, en elke vergelijking die op rekenwerk per token is gebaseerd, moet die kolom leeg laten.

• Onafhankelijke benchmarks — geen. Artificial Analysis heeft geen rij voor Reflection Beam, dus elke score in de onderstaande sectie is de eigen run van Reflection, met de eigen baselines van Reflection eraan gekoppeld.

De leverancierstabellen, eerlijk gelezen

Reflection publiceerde samen met de lancering een reeks benchmarkvergelijkingen, en de eerlijke manier om ze te rapporteren is te zeggen wat ze in beide richtingen laten zien, omdat ze niet slechts één richting laten zien.

• Waar Beam wint. In de suites die Reflection in de schijnwerpers zette, presteert Beam beter dan GLM 5.2 — het model waartegen de efficiëntieclaim wordt gemaakt. Letterlijk genomen is dat een echt resultaat: betere output tegen ongeveer een kwart tot een derde van de inferentiekosten is een sterke positie voor iedereen die op volume serveert.

• Waar Beam verliest. Dezelfde tabellen plaatsen Beam achter GLM 5.3, Kimi K3 en andere huidige modellen op DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp en DeepSearchQA. Dat zijn geen perifere suites; het zijn de benchmarks voor software-engineering, toolgebruik en diepgaand onderzoek die bepalen of een model bruikbaar is als autonome agent.

Samen gelezen zeggen de tabellen iets coherents en iets nauwers dan "state of the art": Beam lijkt een sterke open-modelrelease te zijn die de vorige generatie verslaat op het door Reflection gekozen terrein en de huidige generatie niet verslaat op agentisch terrein. Dat is iets legitiems voor een model om te zijn. Het is niet hetzelfde als het beste beschikbare model voor agentisch werk zijn, en de framing van de aankondiging nodigt uit tot de sterkere interpretatie.

Eén structureel punt over het efficiëntiecijfer zelf, aangezien dat de hoofdboodschap is. Een FLOPs-per-token-vergelijking met een ander model is een eigenschap van de architectuur en de serveerconfiguratie, niet van de kwaliteit van de uitkomsten — en 3–4× minder FLOPs is een door de leverancier gemeten cijfer zonder onafhankelijke replicatie. Het is een redelijke reden om te verwachten dat Beam goedkoop te serveren is. Het is geen bewijs dat Beam goedkoop is in gebruik, en het verschil tussen die twee dingen is de hele kostendiscussie op deze pagina: een model dat meer tokens besteedt om een antwoord te bereiken, kan tegelijk goedkoper per FLOP en duurder per taak zijn.

De verzonden kant van de vergelijking

Dit is de asymmetrie die dit artikel beoogt te documenteren. GPT-6.1 Sol is op 29 september 2026 live gegaan op de API van OpenAI. Het heeft een gepubliceerde tariefkaart — $2,00 per miljoen inputtokens, $10,00 per miljoen outputtokens, $0,10 voor gecachte input, $2,50 voor cache-schrijfacties — een gedocumenteerd contextvenster van 1.050.000 tokens, een maximale output van 128.000 tokens, en een onafhankelijke Intelligence Index-rij van 52 bij maximale redeneerinspanning met kosten per uitvoering van $0,72 per taak.

Dat kostencijfer is het cijfer dat het waard is om tegenover de FLOPs-bewering van Reflection te zetten. $0,72 per taak is geen FLOP-telling en geen tariefkaart; het is wat het werk kost wanneer het af is, gemeten door een derde partij die het model heeft gedraaid. Het is het getal dat overtroffen zou moeten worden wil het efficiëntieargument van Beam als inkoopargument aanslaan — en Beam heeft geen vergelijkbaar cijfer, want Beam heeft geen gepubliceerde prijs en geen onafhankelijke run.

Twee andere verschillen zijn vandaag concreet en controleerbaar:

• Context en uitvoer — GPT-6.1 Sol documenteert 1.050.000 tokens aan context tegenover de 256.000 van Beam in bèta, en beide beperken de uitvoer tot 128.000 tokens. Voor werk op repository-schaal of met documentensets is dat een viervoudig verschil in hoeveel materiaal er in één aanroep past.

• Modaliteit — GPT-6.1 Sol accepteert tekst, afbeeldingen en bestanden; Beam is alleen tekst. Als je pipeline screenshots, scans of diagrammen leest, is Beam geen kandidaat, ongeacht de scores.

Waar Beam een argument heeft dat GPT-6.1 Sol structureel niet kan beantwoorden, is dat het open-weights-argument. Als de Apache 2.0-gewichten volgens het beloofde schema arriveren, wordt een 501B/23B-model waarvan het aantal actieve parameters 23B is, een self-hostingkandidaat op een manier waarop een propriëtair model dat nooit zal zijn. Drieëntwintig miljard actieve parameters is een getal waar een goed uitgerust team over kan nadenken; de context van 256.000 tokens in bèta en het ontbreken van gepubliceerde gewichten zijn de reden waarom dat argument moet wachten op de daadwerkelijke release in plaats van bij de lancering te worden beslecht.

Wie moet nu op welk model actie ondernemen?

Het praktische antwoord verschilt afhankelijk van wat je koopt, en de tweedeling is duidelijk genoeg om direct te stellen.

Als je deze week een model in productie nodig hebt voor agentische codering, toolgebruik of documentwerk met een lange context, dan is het geleverde model GPT-6.1 Sol en gaat de beslissing over de prijs, niet over het bestaan ervan. Het outputtarief is de meter die telt, het tarief voor gecachte invoer is ongewoon laag met $0,10 per miljoen, en boven 272.000 invoertokens wordt de hele aanvraag hoger geprijsd — een drempel waar je omheen moet ontwerpen voordat je een lus opschaalt die een grote prefix leest. Het staat in onze catalogus tegen de lijsttarieven van Open​AI met 0% opslag, dus het tarief op de kaart is het tarief op de factuur, en een prijswijziging van een leverancier verschijnt dezelfde dag in de catalogus in plaats van na de updatecyclus van een reseller: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Als je interesse in Beam de open-weights-release is en niet de bèta-API, dan is de Apache 2.0-publicatie die Reflection later deze maand heeft beloofd het ding om in de gaten te houden. Zolang de weights niet bestaan, is elk capaciteitscijfer in dit artikel dat van de leverancier, is de prijs onbekend, en kan noch een zelfhostingplan noch een kostenvergelijking worden afgerond. Als het volgens schema uitkomt, wordt Beam onmiddellijk interessant als de efficiënte laag in een tweemodelopstelling — en dat is een configuratie die één endpoint met automatische failover over meer dan 200 modellen afhandelt zonder een tweede integratie, wat het argument is om een onbewezen model op een routeringslaag te proberen in plaats van er een productiepad aan te verbinden.

Reflection Beam is niet iets wat wij aanbieden. Wanneer zijn gewichten en zijn API goed worden opengesteld, zal het, zoals de meeste open releases, op het eigen platform van de leverancier en verscheidene diensten van derden staan — en dan zal deze pagina het waard zijn om te herschrijven, want de twee dingen die deze pagina nu niet kan zeggen, wat Beam kost en hoe het scoort wanneer iemand anders dan zijn maker het uitvoert, zijn precies de twee dingen waarvan het antwoord afhangt.