Beam 1.0 vs Qwen 3.8: wydanie z dostarczonymi wagami kontra cennik

5 października 2026 r. Reflection Beam 1.0 został ogłoszony jako model o otwartych wagach, których jeszcze nie udostępniono. 16 października 2026 r. wagi się pojawiły — cztery repozytoria na Hugging Face na licencji Apache 2.0, w precyzjach BF16, FP8 i NVFP4, plus 2B draftujący model do dekodowania spekulatywnego. Qwen 3.8od dwóch i pół miesiąca opowiada odwrotną historię: generacja A​libaby ruszyła 3 sierpnia 2026 r. z Qwen3.8-Max jako płatnym API w cenie 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, a po nim pojawił się jeden model siostrzany o otwartych wagach na licencji niestandardowej oraz gęsty model o 27 miliardach parametrów na licencji Apache 2.0. Oba modele deklarują kontekst miliona tokenów. Oba rozumują, oba wywołują narzędzia, oba są na poziomie interfejsu wyłącznie tekstowe. Różnica, którą warto zrozumieć, polega na tym, który z nich można zaplanować w budżecie, a który można trzymać u siebie, bo po 16 października każdy z tych modeli ma dokładnie jedno z tych dwóch, a nie drugie.

Obie powyższe liczby pochodzą od dostawcy, a oba modele zostały już zmierzone przez Artificial Analysis — co jest w tej dziedzinie na tyle rzadkie, że właśnie dlatego to porównanie może w ogóle powstać.

Stan rzeczy, model po modelu

• Parametry — Beam 1.0 to rzadki model mieszaniny ekspertów o łącznej liczbie 501,3 mld parametrów i 23,4 mld aktywnych na token, w 52 warstwach — trzech gęstych i 49 MoE — z 256 ekspertami w konfiguracji opisanej w karcie. Liczba parametrów Qwen3.8-Max nigdy nie została ujawniona przez firmę Alibaba; otwarty bliźniak jego rdzenia, Qwen3.8-2.4T-A95B, to model MoE o 2,4 biliona parametrów i około 95 mld aktywnych, co jest najbliższym przybliżeniem rozmiaru flagowca, na jakie może pozwolić sobie ktokolwiek spoza firmy.

• Okno kontekstowe — 1,000,000 tokenów na karcie modelu Beam 1.0. 1,000,000 tokenów na liście OrcaRouter dla qwen/qwen3.8-max i 984,000 na stronie Artificial Analysis poświęconej temu samemu modelowi. Te dwie liczby to ten sam wynik zaokrąglony w różny sposób i nie stanowią różnicy między modelami.

• Modalność — Beam 1.0 to tekst na wejściu, tekst na wyjściu, wprost podane na jej karcie. Qwen3.8-Max przyjmuje tekst i obrazy, a zwraca tekst, co stanowi rzeczywistą różnicę w możliwościach, a nie różnicę w formacie.

• Licencja — Beam 1.0 to Apache 2.0, bez limitów użytkowników i bez oddzielnego poziomu komercyjnego. Generacja Qwen 3.8 jest mieszana: kluczowy checkpoint 2.4T Max można pobrać na podstawie niestandardowej licencji, gęsty 27B na licencji Apache 2.0, a sam flagowy Max nie ma w ogóle wag.

• Cena — nie została nigdzie opublikowana dla Beam 1.0 we własnych serwisach Reflection i została odnotowana jako niedostępna na stronie Artificial Analysis dla tego modelu. 2,00 USD i 6,00 USD za milion tokenów dla Qwen3.8-Max, opublikowane przez A​libaba i wymienione na naszej własnej trasie w tych samych wartościach.

• Niezależny wynik — Artificial Analysis Intelligence Index v4.3.2 przyznaje Beam 1.0 wynik 30, co daje mu 19. miejsce na 120 w jego klasie porównawczej. Ten sam indeks przyznaje Qwen3.8-Max (0902) wynik 45, co daje mu 33. miejsce na 217, a AA oceniało serię Max w więcej niż jednej wersji, przy czym wynik zmieniał się między nimi.

• Szybkość — niedostępna dla Beam 1.0; strona odnotowuje prędkość wyjściową jako nieznaną, ponieważ nie ma publicznego punktu końcowego do jej pomiaru. 38,8 tokenów wyjściowych na sekundę dla Qwen3.8-Max, co AA opisuje jako zauważalnie wolne jak na tę klasę.

Co tak naprawdę zmieniło szesnaście dni między ogłoszeniem a premierą

Tę lukę warto opisać precyzyjnie, bo to jest coś, co zostaje spłaszczone, gdy wagi są już upublicznione.

W poście premierowym Reflection napisano, że wagi, raport techniczny, karta modelu i artefakty dla deweloperów pojawią się „później w tym miesiącu”, i obiecano licencję Apache 2.0. Między 5 a 16 października jedyną rzeczą, jaką czytelnik mógł zrobić z Beam 1.0, było zapisanie się na listę oczekujących. Model miał tabelę benchmarków, opublikowaną relację z treningu — 23,8 biliona tokenów na 6 144 GPU GB300 NVL72 w mniej niż cztery tygodnie, etap RL na 10 500 GB300, ponad 100 milionów rolloutów — i brak możliwości pobrania.

Potem, 16 października, w kolekcji Hugging Face pojawiły się trzy warianty kwantyzacji i model szkicujący, a wraz z nimi karta modelu z pełną tabelą ewaluacji obejmującą wszystkie trzy precyzje. Dla czytelnika decydującego, co uruchomić, ważną konsekwencją nie są liczby z benchmarków, które wciąż pochodzą od samego Reflection i nie zostały odtworzone. Jest nią to, że model przeszedł z kategorii „zapowiedziany” do kategorii „do sprawdzenia, skwantyzowania, dostrojenia i serwowania przez ciebie”. Licencja, na której możesz działać, to inne aktywo niż licencja, którą ci obiecano.

Qwen 3.8 obrał przeciwną drogę do tego samego miejsca. A​libaba otworzyła tę generację od wycenionego, wdrożonego flagowca 3 sierpnia 2026, a wagi udostępniała etapami później — rdzeń 2,4T 12 sierpnia, gęsty 27B 14 sierpnia, podgląd Flash-Next jeszcze w tym samym miesiącu. Nikt nie musiał czekać na obietnicę, bo to, co można było kupić, przyszło najpierw, a to, co można było pobrać — dopiero potem.

Te dwie sytuacje cenowe nie są symetryczne

Qwen3.8-Max to jedna z naszych tras. Jego stawka wynosi 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, przy kontekście miliona tokenów, po cenie katalogowej dostawcy przekazywanej bez marży — więc jeśli Alibaba zmieni tę stawkę, Twój rachunek zmieni się tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy. To właśnie w praktyce oznacza „model ma cenę” i dlatego ten artykuł może przedstawić czytelnikowi wyliczoną liczbę dla jednej strony porównania, a nie dla drugiej.

Beam 1.0 nie ma takiej liczby. Dwanaście dni po zapowiedzi był jedynie zapowiedzią z listą oczekujących i bramką rejestracji; 16 października stał się plikiem do pobrania. Żaden z tych stanów nie ma przypisanej stawki. Każda kwota w dolarach, jaką zobaczysz w odniesieniu do Beam 1.0, to czyjeś oszacowanie sprzętu, a karta nie podaje ani zalecenia dotyczącego serwowania, ani minimalnych wymagań sprzętowych, ani wskaźnika przepustowości, na podstawie których można by cokolwiek oszacować. Wiersz z ceną to pojedyncza największa luka w dokumentacji modelu i luka, którą przy liczbie parametrów wynoszącej 501B kosztuje dużo, by ją zapełnić.

Istnieje wersja tego porównania, w której rozmiary same przemawiają za argumentem kosztowym — 23,4 mld aktywnych parametrów wobec domniemanych 95 mld to stosunek cztery do jednego pod względem obliczeń na token, a gdyby mniejszy model miał podaną cenę, mógłby z powodzeniem być tańszy w eksploatacji. Tego argumentu nie można tu przytoczyć, ponieważ jedna z jego stron nie ma stawki. Można natomiast powiedzieć, że zarówno model z opublikowaną ceną, jak i model z opublikowaną licencją są, w różnych znaczeniach, gotowe do użycia, a nabywca potrzebuje obu wierszy, aby dokonać wyboru.

Zdolność, z załączonym sourcingiem

Karta modelu Beam 1.0 podaje 81,6% w SWE-bench Verified na checkpointcie BF16, Terminal Bench v2.1 na poziomie 80,1, SWE Bench Pro v1 na poziomie 66,1, DeepSWE v1.1 na poziomie 43,3, GPQA Diamond na poziomie 90,6, AIME 2026 na poziomie 97,7, LiveCodeBench na poziomie 88,3, MCP Atlas na poziomie 80,8, LongBench v2 na poziomie 67,5 i IFBench na poziomie 79,6, przy czym wyniki dla FP8 i NVFP4 są zwykle o punkt lub dwa niższe. Samo pozycjonowanie Reflection jest ostrożne: opisuje Beam jako konkurencyjny wobec większych otwartych modeli i zbliżający się do Qwen 3.8-Max, dorównujący GLM-5.2 pod względem rozumowania przy zużyciu od trzech do czterech razy mniejszych zasobów obliczeniowych na wnioskowanie, oraz przyznaje, że Kimi K3 nadal prowadzi pod względem surowych możliwości. Wszystkie te dane pochodzą od dostawcy i żadne z nich nie zostały odtworzone przez stronę trzecią.

Liczby Qwen3.8-Max pochodzą z dwóch kierunków. Alibaba podaje własne, w tym 86,6% w Terminal Bench 2.1, oraz firmowe cenniki towarzyszące premierze flagowca. Niezależny kompozyt Artificial Analysis to bardziej przydatny wiersz: 45 w Intelligence Index v4.3.2, co plasuje model znacznie powyżej mediany w jego klasie porównawczej liczącej 27, ale poniżej czołówki, oraz zmierzona prędkość generowania wynosząca 38,8 tokena na sekundę, którą AA określa jako wolną nawet na tle mediany dla tego poziomu wynoszącej około 88. Flagowiec, który wyprzedza Beam 1.0 o 15 punktów w tym samym niezależnym indeksie i którego użycie kosztuje 2,00 USD, to inna propozycja niż model, który prowadzi w tabeli samego dostawcy.

Jedyna liczba, która rozstrzygnęłaby spór o efektywność — liczba tokenów na jednostkę energii lub na dolara obliczeń, mierzona na identycznym sprzęcie — nie istnieje dla żadnego z tych modeli. Towarzyszący wykres Reflection szacuje FLOPs jako około dwukrotność liczby aktywnych parametrów pomnożoną przez liczbę wygenerowanych tokenów i w swoim własnym podpisie stwierdza, że wyklucza to prefill, attention i narzut obsługi. To uczciwe ujawnienie ograniczenia, ale wciąż nie jest to pomiar.

Do czego służy każdy z nich

Sięgaj po Qwen3.8-Max, gdy potrzebujesz czegoś, co można wywołać i co jest rozliczalne. Jest stawka, rozmiar kontekstu i niezależna ocena, obsługuje zarówno obrazy, jak i tekst, i odpowiada przy użyciu klucza, który możesz mieć już dziś. Koszty są uczciwe: jest drogi — 2,00 USD i 6,00 USD za milion tokenów — a niezależny pomiar wskazuje, że jest wolny jak na swoją klasę, więc duży wolumen obciążenia odczuje jedno i drugie. Otwarte wagi w tej generacji istnieją, ale checkpoint stojący za flagową nazwą podlega niestandardowej licencji i jest na skalę centrów danych, więc samodzielne hostowanie dokładnie tego, co kupujesz, nie jest taką furtką ratunkową, na jaką brzmi.

Sięgnij po Beam 1.0, gdy chcesz mieć cały stos na własność. Apache 2.0 z trzema poziomami kwantyzacji, kontekstem 1 mln tokenów, stale włączonym budżetem rozumowania, który dostrajasz, a nie włączasz i wyłączasz, oraz tabelą ewaluacji ukierunkowaną na kodowanie i pracę agentową. Ceną tej własności jest wszystko wokół: rachunek za serwowanie, który musisz oszacować samodzielnie, liczba parametrów, przez którą ten szacunek jest duży, i brak niezależnego wyniku, z którym można by zestawić tabelę dostawcy — wartość 30 w Intelligence Index jest prawdziwa i pochodzi od strony trzeciej, ale to jeden złożony wskaźnik, a nie weryfikacja poszczególnych benchmarków.

A w przypadku mieszanym — zespołu, który docelowo chce otwartych wag, ale w tym kwartale potrzebuje endpointu — zwykle odpowiedź brzmi: jedno i drugie: kieruj pracę przez model udostępniany jako usługa według opublikowanego cennika, podczas gdy wdrożenie hostowane samodzielnie jest budowane i poddawane benchmarkom na twoich własnych zadaniach. OrcaRouter obsługuje ponad 200 modeli za jednym kluczem zgodnym z OpenAI, z automatycznym przełączaniem awaryjnym między dostawcami, dzięki czemu samodzielnie hostowana wersja może przyjąć ułamek ruchu i oddać resztę, gdy zacznie działać gorzej, a wypróbowanie modelu, do którego się nie zobowiązałeś, nie wymaga drugiej umowy.

Co obejrzeć dalej

Jedna rzecz zmienia tę stronę i jest to pojedynczy wiersz. Jeśli Reflection lub partner świadczący usługi opublikuje stawkę dla Beam 1.0 — dla API albo dla hostowanego wdrożenia FP8 lub NVFP4 — porównanie staje się arytmetyką: 23,4 mld aktywnych parametrów wobec pogłoskowych 95 mld, dwa niezależne wyniki indeksów i dwie ceny. To strona warta przeczytania. Do tego czasu prawdziwe podsumowanie jest takie, że Reflection dostarczył połowę, którą obiecał, A​libaba dostarczyła połowę, którą wyceniła, a oba modele czekają na drugą połowę.

Ta luka między tym, co mierzy tablica wyników, a tym, co napotyka wdrożenie, jest powodem, dla którego ten rejestr ma znaczenie: udokumentowane awarie AI i incydenty z agentami dotyczące modeli z tej klasy są gromadzone w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.