Beam vs Beam 1.0: Numer wersji, który nie jest wersją

Poszukaj dwóch nazw modeli, które wyglądają jak produkt i jego poprzednik — Beam i Beam 1.0 — a znajdziesz porównanie, które nie istnieje. Nie istnieje Beam 1.0, który zastąpiłby wcześniejszy Beam, nie ma Beam 1.1 czekającego za nim ani starszego checkpointu, który czytelnik mógłby wciąż uruchamiać. Reflection wydało jeden model z otwartymi wagami w październiku 2026 r., nazywa go Beam we własnej prozie i umieszcza repozytoria oraz hostowany endpoint pod identyfikatorem Beam-1.0-501B-A23B. Obie etykiety wskazują na ten sam rzadki model mieszanki ekspertów o 501,3 miliarda parametrów. Numer wersji to tag dystrybucji, a nie generacja.

To brzmi jak przypis. Ale nim nie jest, ponieważ to sufiks wersji jest tym, co się propaguje. Trafia do identyfikatorów modeli, do konfiguracji routera, do dashboardów kosztowych, do arkusza kalkulacyjnego, w którym ktoś porównuje opcje dostawców i nie potrafi stwierdzić, czy wiersz oznaczony Beam i wiersz oznaczony Beam 1.0 to dwie opcje, czy jedna zduplikowana przez błędny import. Ustalenie tożsamości to cała treść porównania i okazuje się bardziej przydatne niż karta specyfikacji: mówi, jak dana rzecz zachowa się w katalogu, i co sprawdzić, zanim podłączysz ją do czegokolwiek.

Skąd faktycznie pochodzi każda etykieta

Podział nie jest arbitralny. Każda forma ma swoje źródło, a wiedza, która jest która, pozwala rozpoznać ten sam model występujący pod dwiema nazwami:

• „Beam” — nazwa dostawcy używana w tekstach. Wpis inauguracyjny nosi tytuł „Introducing Beam: Reflection's 501B open-weight model”, wpis o dostępności z 16 października nosi tytuł „Beam is now available”, a kolekcja na Hugging Face to beam-10. To również przyjął ekosystem frameworków: cookbook SGLang wymienia go pod nagłówkiem swojego dostawcy jako „Beam 1.0 — New”, a konto projektu, które udostępnia go w środowisku produkcyjnym, mówi „Beam”.

• „Beam-1.0-501B-A23B” — identyfikator maszyny. To identyfikator modelu we własnym endpointcie Reflection zgodnym z OpenAI i koduje te same trzy fakty, których potrzebuje twórca: jeden model, pierwsze wydanie, 501 miliardów parametrów łącznie, 23 miliardy aktywne. Myślniki są nośne; to ciąg do wklejenia, a nie nazwa do wyszukania.

• „Beam 1.0” — czytelna dla człowieka reprezentacja tego identyfikatora oraz forma, która pojawia się w zestawieniach katalogowych, na stronach katalogowych modeli i w podsumowaniach stron trzecich. To właśnie otrzymujesz, gdy identyfikator zostaje upiększony na potrzeby listy rozwijanej.

Zatem te dwa terminy wyszukiwania to nie dwa modele. To słowo dostawcy oraz sposób, w jaki katalog przedstawia jedną nazwę repozytorium.

Konsekwencja, która naprawdę daje się we znaki: dopasowywanie po nazwie

Wszystko, co następuje po tym — reguły routingu, listy dozwolonych, eksporty rozliczeń, narzędzia ewaluacyjne — dopasowuje się do ciągu, a ten ciąg nie jest stabilny w różnych miejscach, w których go wkleisz. Wynikają z tego trzy praktyczne pułapki i żadna z nich nie jest hipotetyczna:

• Reguła napisana dla „Beam” nie będzie pasować do „beam-1.0-501b-a23b”, a reguła napisana dla identyfikatora nie będzie pasować do katalogu, który przechowuje nazwę wyświetlaną. Wielkość liter i interpunkcja różnią się w zależności od platformy i nic ich za ciebie nie uzgadnia.

• Panel kosztów, który grupuje według nazwy wyświetlanej, pokaże jeden model jako dwie pozycje w momencie, gdy dostawca zmieni sposób jego renderowania, a sumy nie będą się zgadzać z Twoją fakturą.

• Arkusz porównawczy zbudowany przez wyszukanie obu terminów policzy model podwójnie — to dokładnie ten błąd, któremu ma zapobiegać ten artykuł. Jeśli masz wiersz dla Beam i wiersz dla Beam 1.0, masz jeden model i dwa wiersze.

Poprawka jest mało efektowna: przypiąć identyfikator, potraktować nazwę wyświetlaną jako etykietę i opierać wszelkie porównania cenowe lub benchmarkowe na identyfikatorze, a nie na tym, co mówiła lista rozwijana. To samo dotyczy kwestii cenowej — Beam 1.0 nie ma w ogóle opublikowanej stawki za milion tokenów, ani w punkcie końcowym, ani w ogłoszeniu, więc nie ma jeszcze żadnej liczby, którą można by wpisać w którykolwiek z tych wierszy.

Wersja, która rzeczywiście niesie ze sobą prawdziwe różnice

W tym wydaniu występuje prawdziwy zestaw różnic i żadna z nich nie tkwi w nazwie modelu. Tkwią one w artefakcie, który wybierasz, i właśnie na to tak naprawdę wskazuje zapytanie „Beam vs Beam 1.0”:

• BF16 vs FP8 vs NVFP4 — 933,81 GiB w 188 shardach safetensors, 468,72 GiB w E4M3 lub spakowana wersja 4-bitowa o rozmiarze 273 GiB. Wszystkie trzy mają taką samą łączną liczbę 501,3B i 23,4B aktywnych; różnica polega na minimalnych wymaganiach sprzętowych, jakie implikuje każda z nich — od 16 GPU do zaledwie czterech B300 w NVLink.

• Model bazowy a model szkicujący — DFlash2 to osobny model dekodowania spekulatywnego o 1,93 miliarda parametrów, opublikowany jako własne repozytorium, a nie wariant modelu Beam. Wdrożenie bez niego nie jest „Beam 1.0 bez aktualizacji”, to ten sam model dekodowany w inny sposób.

• Hostowany czy do pobrania — jeden identyfikator, dwie ścieżki dostarczania: checkpoint na licencji Apache 2.0 oraz punkt końcowy zgodny z OpenAI z obowiązkowym trybem rozumowania, poziomami wysiłku od low do max, przy czym domyślny jest max, oraz limitami obejmującymi całą organizację, wspólnymi dla każdego klucza.

Jeśli dwa zespoły nie zgadzają się co do tego, „który Beam 1.0” uruchamiają, spór dotyczy prawie zawsze jednej z tych trzech osi, a nie numeru wersji.

Odczytanie danych liczbowych dostawcy w odpowiednim dniu

Jeszcze jedna rzecz zmienia się między etykietami i jest to prawdziwe źródło zamieszania, a nie artefakt nazewnictwa. Reflection opublikował swoją tabelę benchmarków więcej niż raz, a liczby zmieniały się między wersjami strony. Ogłoszenie z 5 października zawierało jeden zestaw; nota w tym samym poście odnotowuje aktualizację z 8 października; karta modelu w obecnym kształcie odzwierciedla bieżące wartości. Różnice są niewielkie i dotyczą głównie trzeciej cyfry znaczącej — jedna konfiguracja SWE Bench Pro v2-Hard ma 77,2 we wcześniejszej tabeli i 78,6 na obecnej karcie — ale są wystarczająco duże, by dwa artykuły cytujące „liczbę dostawcy” mogły się nie zgadzać, mimo że oba są poprawne na swoją datę.

To, co się nie zmieniło, to kształt wyniku. Wszystkie poniższe liczby są raportowane przez dostawcę i nie zostały przez nas odtworzone, zmierzone przy temperaturze 0,7 i top_p 0,99, a wszystkie trzy precyzje zostały wymienione, ponieważ rozrzut między nimi jest częścią tej historii:

• SWE Bench Verified — 81.6 BF16, 80.2 FP8, 80.7 NVFP4. Flagowy wynik w kodowaniu, a zarazem ten, na który precyzja ledwie wpływa.

• Terminal Bench v2.1 — 80.1 BF16, 78.9 FP8, 78.4 NVFP4. Praca z agentami w terminalu, gdzie wersja FP8 traci około półtora punktu.

• AIME 2026 — 97,7 BF16, 98,0 FP8, 97,5 NVFP4. W praktyce nasycony w każdej precyzji, co czyni go słabym narzędziem rozróżniania między nimi.

• GPQA Diamond — 90,6 BF16, 90,3 FP8, 89,3 NVFP4. Najjaskrawszy przykład utraty przewagi przez wersję NVFP4 — około 1,3 punktu.

Spójny wzorzec jest taki, że kwantyzacja niewiele kosztuje w benchmarkach kodowania i rozumowania, a nieco więcej w tych wymagających dużej wiedzy, przy czym FP8 czasami wręcz o włos wyprzedza BF16 — co jest powodem, by wybrać precyzję ze względów sprzętowych, a nie rankingowych. To również powód, by zapisać, którą tabelę się zacytowało. Wiersz oznaczony „Beam” i wiersz oznaczony „Beam 1.0” mogą zawierać naprawdę różne liczby, choć żaden nie jest błędny, a tym, co je odróżnia, nie jest sufiks wersji. Data.

Co to oznacza, jeśli wybierasz między nimi

Nie ma żadnej decyzji do podjęcia między Beam a Beam 1.0, ponieważ istnieje jeden model. Decyzja, która w rzeczywistości stoi przed tobą, ma trzy części, a każda z nich ma odpowiedź:

• Jeśli potrzebujesz otwartego checkpointu na własnym sprzęcie — jedna opcja, trzy precyzje, a wybór między nimi to kwestia sprzętowa. Cztery B300 dla NVFP4, osiem H200 dla FP8, szesnaście urządzeń dla BF16, a liczba urządzeń musi dzielić 256 ekspertów.

• Jeśli potrzebujesz hostowanego endpointu — API first-party jest jedynym z udokumentowanym kontraktem, a obecnie nie ma opublikowanej ceny, co oznacza, że nie można jeszcze przeprowadzić porównania zakupowego pod kątem kosztów.

• Jeśli potrzebujesz go obok modeli, które już wywołujesz — Beam 1.0 nie jest jedną z naszych tras, więc nie możemy go dla Ciebie obsłużyć i nic tutaj nie powinno być odczytywane jako deklaracja dostępności z naszej strony. Możemy natomiast sprawić, że koszt decyzji wokół tego pozostanie niski. OrcaRouter działa z jednym kluczem zgodnym z OpenAI w ponad 200 modelach, z przekazywaną ceną katalogową dostawcy bez żadnych dodatków i automatycznym przełączaniem awaryjnym między dostawcami, dzięki czemu pilotaż Beam 1.0 współistnieje z ruchem produkcyjnym, zamiast go zastępować, a ścieżka awaryjna jest regułą routingu, a nie migracją.

Modele, na które fallback najprawdopodobniej trafiłby, na podstawie naszego własnego katalogu wraz z ich opublikowanymi cennikami:

• GLM-5.2 — 1,40 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych przy oknie 1 000 000 tokenów. Model, względem którego mierzone jest własne twierdzenie Reflection o wydajności.

• Kimi K3 — 3,00 USD za milion tokenów wejściowych, 0,30 USD za milion tokenów z pamięci podręcznej, 15,00 USD za milion tokenów wyjściowych, z oknem 1 048 576 tokenów.Wpis z okazji premiery Reflection przyznaje, że K3 pozostaje na czele pod względem surowych możliwości.

• Qwen3.8-Max — 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych przy oknie 1 000 000 tokenów, zastrzeżona flagowa alternatywa dla kupowania mocy obliczeniowej Blackwell.

Co obejrzeć zamiast Beam 2.0

Trzy rzeczy sprawiłyby, że to porównanie byłoby prawdziwe, a żadna z nich nie dotyczy nowego numeru wersji.

Pierwszy to cennik stawek. Dopóki Reflection nie opublikuje ceny za milion tokenów dla endpointu, porównanie wariantu hostowanego z self-hosted to zestawienie kwoty kapitałowej z niczym, a żadna nawet najbardziej rygorystyczna dyscyplina nazewnictwa tego nie naprawi.

Drugi to niezależny pomiar. Artificial Analysis umieszcza model z Intelligence Index na poziomie 30, bez danych o szybkości i cenie, i nie odnotowuje żadnego publicznie dostępnego API — hostowana powierzchnia nie jest jeszcze widoczna dla organizacji, które mierzą takie rzeczy. Jego jedyny niezależny punkt danych dotyczący wydajności, 79 mln tokenów wyjściowych wygenerowanych w ramach Intelligence Index w porównaniu z medianą 130 mln, wspiera twierdzenie dostawcy o „mniejszej liczbie tokenów rozumowania”, nie potwierdzając jednak przepustowości, która za tym stoi.

Trzecia kwestia to to, czy etykieta kiedykolwiek się rozbiega. „Beam 2.0”, będący innym checkpointem, nadałby wreszcie jakieś znaczenie przyrostkowi wersji, a w dniu, w którym to nastąpi, zapytanie takie jak to przestanie być pytaniem o higienę nazewnictwa, a zacznie być pytaniem o różnicę między dwoma modelami. Dziś jest to pytanie pierwszego rodzaju. Każdy, kto porównuje Beam z Beam 1.0, porównuje model z nazwą jego własnego repozytorium — a użytecznym wynikiem tego porównania jest uwaga, by oprzeć konfigurację na Beam-1.0-501B-A23B i przestać szukać obu zapisów.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.