Beam 1.0: Reflection udostępniło wagi jako open source, a Artificial Analysis przyznało mu ocenę 30

W tym tygodniu Beam 1.0 od Reflection spotkały dwie rzeczy, które wskazują w przeciwnych kierunkach. Model — Beam 1.0-501B-A23B, rzadki system typu mixture-of-experts o łącznej liczbie 501 miliardów parametrów i 23 miliardach aktywnych na token — nie jest już obietnicą: wagi są na Hugging Face na licencji Apache 2.0, kompilacja NVFP4 o rozmiarze 273 GiB jest już do pobrania, a dostępne jest API first-party z udokumentowanym kontraktem i prawdziwą stroną z limitami zapytań. Jednocześnie pierwsza niezależna liczba, jaką ktokolwiek dla niego opublikował, to 30 w Artificial Analysis Intelligence Index — dziewiętnaste miejsce wśród 120 modeli ocenionych w wersji indeksu v4.3.2 i powyżej mediany wynoszącej 19, którą Artificial Analysis odnotowuje dla porównywalnych modeli open-weight o podobnej wielkości. Dostawcy, którzy już wydali model, zwykle mogą wybrać, który z tych dwóch faktów wysunąć na pierwszy plan. Tutaj oba są prawdziwe naraz, a uczciwa interpretacja jest taka, że Beam 1.0 okazał się tańszy, niż oczekiwano, ale uzyskał niższy wynik, niż sugerował jego własny wpis premierowy.

To kontynuacja naszego wcześniejszego materiału i takie ujęcie jest zamierzone: Beam 1.0 nie jest nowością. Reflection ogłosił go 5 października 2026 r. i zaktualizował swoje tabele benchmarków 8 października. To, co zmieniło się w ciągu ostatnich siedmiu dni, to wszystko, czego kupujący faktycznie potrzebuje — wagi, hosting, API, limity i pomiar zewnętrzny. Jeśli przeczytałeś materiał o premierze i postanowiłeś poczekać, powód do czekania zniknął.

Co faktycznie wypuszczono w tym tygodniu

Post Reflectiona „Beam is now available" jest datowany na 16 października 2026 r. i zamyka lukę, przez którą wpis premierowy był tak ostrożnie sformułowany. 5 października wagi były czymś, o czym Reflection mówił, że „je wyda". Od tego tygodnia już istnieją — w trzech precyzjach, plus model szkicujący do dekodowania spekulatywnego:

• BF16 — 501,3 mld parametrów w 188 shardach safetensors, przesłanych do repozytorium reflection/Beam-1.0-501B-A23B 7 października i od tego czasu aktualizowanych.

• FP8 — ta sama liczba parametrów 501,3 mld w E4M3, 468,72 GiB na dysku.

• NVFP4 — spakowana wersja 4-bitowa o rozmiarze 273 GiB, czyli ta, którą według własnych przewodników serwowania Reflection należy pobrać.

• DFlash2 — model szkicujący do dekodowania spekulacyjnego o 1,93 mld parametrów, przesłany 13 października, opublikowany jako osobne repozytorium i udokumentowany jako odrębna optymalizacja serwowania.

Wszystkie cztery mają znacznik apache-2.0, a plik licencji znajduje się w repozytorium, a nie w zdaniu na blogu, co jest różnicą między licencją a obietnicą. Reflection stwierdza również, że nie ogranicza destylacji, dostrajania, kwantyzacji ani scalania.

Kwestia serwowania jest równie konkretna. Wsparcie od dnia zerowego zapewniają Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed i N​VIDIA Dynamo, a dokumentacja Reflection zawiera instrukcje krok po kroku dla SGLang, vLLM i TokenSpeed oraz chart Helm dla Kubernetes. Referencyjne wymaganie dotyczące samodzielnego hostowania to cztery GPU N​VIDIA B300 SXM na NVLink — pojedyncza maszyna, a nie klaster, co jest znacznie niższą poprzeczką, niż zwykle sugeruje model 500B, i wynika bezpośrednio ze współczynnika aktywacji 23B.

Istnieje również narzędzie weryfikacyjne. Otwartoźródłowy beam-verifier CLI uruchamia zestaw testów zgodności wobec dowolnego aktywnego punktu końcowego Beam, a następnie ocenia go na głównych benchmarkach, dzięki czemu możesz porównać swoje wdrożenie lub wdrożenie dostawcy z referencyjnymi wynikami Reflection. Warto znać wszystko, co pozwala kupującemu zweryfikować liczby dostawcy, zamiast wierzyć mu na słowo.

Pierwszy wynik z zewnątrz, i to nie jest numer posta startowego

Artificial Analysis umieszcza Beam 1.0 z Intelligence Index równym 30, na miejscu #19 spośród 120. Ten sam wpis pokazuje, że model zużył 79 mln tokenów wyjściowych w całym Intelligence Index — „#10 / 46” wobec mediany 130 mln — co jest pierwszym pojawieniem się twierdzenia o efektywności tokenowej w niezależnym środowisku testowym. Artificial Analysis nie podaje również ceny ani szybkości dla Beam, ponieważ na moment pisania tego tekstu wciąż odnotowuje „Brak publicznie dostępnego API” dla tego modelu, wskazując wyłącznie na self-hosting. Ta luka sama w sobie jest informacją: API istnieje, ale jeszcze nie w formie, którą wychwyciły firmy pomiarowe.

Przeczytaj uważnie tę liczbę 30. To nie jest werdykt w sprawie tabeli benchmarków dostawcy — te dwie rzeczy mierzą co innego na różnych środowiskach testowych. Karta modelu Reflection, opublikowana wraz z wagami, podaje 81,6% na SWEBench Verified, 80,1% na Terminal Bench v2.1 i 90,6% na GPQA Diamond dla checkpointu BF16, a post ogłoszeniowy wyraźnie mówi, że modele frontier, takie jak Kimi K3, wciąż mają przewagę pod względem surowych możliwości, a argument Beam to „efektywność w czasie inferencji”, a nie parytet na szczycie. Te liczby wciąż pochodzą od dostawcy i, o ile udało nam się ustalić, nikt ich jeszcze nie odtworzył. Ale udostępnienie publicznego endpointu oraz verifier CLI sprawia, że reprodukcja jest w ogóle możliwa, a 30 w indeksie 120 modeli to pierwsza liczba w tej historii, której Reflection nie wygenerował.

Cena, limity i co oznaczają dla każdego zadania

The API side is now documented rather than waitlisted. The endpoint is https://api.reflection.ai/openai/v1, O​penAI-compatible for Chat Completions and Models, with a native base URL at api.reflection.ai/v1 if you want Reflection's own shape. Model ID: Beam-1.0-501B-A23B. The docs give the served limits precisely, and they are narrower than the 1M-token training figure that circulated at launch:

• Okno kontekstowe — 1 048 576 tokenów, z maksymalną liczbą tokenów wyjściowych 131 072 i domyślną wartością max_tokens wynoszącą 32 768.

• Rozumowanie — obowiązkowe, a nie opcjonalne. Obsługiwane poziomy wysiłku to low, medium, high, xhigh i max, przy czym domyślnie jest to max. Tokeny rozumowania wliczają się do Twoich limitów szybkości.

• Możliwości — rozumowanie, wywoływanie narzędzi i ustrukturyzowane dane wyjściowe, tekst wejściowy i tekst wyjściowy.

• Limity szybkości — mierzone na organizację w żądaniach i tokenach na minutę oraz na dobę UTC, z limitami równoczesnych żądań i opcjonalnym dziennym przydziałem tokenów. Przekroczenia zwracają 429 z jednym z: rate_limit_exceeded lub daily_allowance_exhausted, a gdy dzienny przydział zostanie wykorzystany, odpowiedź ustawia x-should-retry: false, więc naiwne pętle ponowień będą po prostu kręcić się w miejscu.

Czego dokumentacja nie zawiera nie, to publiczna cena za milion tokenów. Ogłoszenie Reflection mówi jedynie, że można "zacząć bezpłatnie", a ani dokumentacja, ani ogłoszenie nie publikują cennika. To jedyna linijka, której wciąż brakuje w tym obrazie, i to właśnie ona decyduje, czy argument o wydajności ma jakiekolwiek znaczenie na rachunku. Model, który rozumuje przy każdym żądaniu, domyślnie działa z maksymalnym wysiłkiem i twierdzi, że zużywa 3–4× mniej mocy obliczeniowej na wnioskowanie niż GLM 5.2 przy zaawansowanym rozumowaniu, to zupełnie inna propozycja przy 0,50 USD za milion tokenów wyjściowych niż przy 5,00 USD — i nikt spoza Reflection nie jest obecnie w stanie powiedzieć, która to kwota.

Dwie praktyczne przestrogi z dokumentacji, które warto zabrać do pilotażu. Po pierwsze, domyślny poziom wysiłku to max, więc konfiguracja domyślna jest najdroższa; integracja licząca się z kosztami powinna ustawić reasoning_effort jawnie już przy pierwszym wywołaniu. Po drugie, limity są przypisane do organizacji i współdzielone między projektami i kluczami — dodawanie kluczy ich nie podnosi, a to taki szczegół, który potrafi ugryźć dopiero wtedy, gdy druga integracja jest już zbudowana.

Gdzie plasuje się na tle modeli, z którymi rzeczywiście byś go porównywał

Ciekawsze porównanie nie dotyczy flagowców czołówki, w przypadku których Reflection przyznaje rację, ale modeli o otwartych wagach, z którymi Beam jest zestawiany pod względem ceny i rozmiaru. W naszym własnym katalogu dzisiaj:

• GLM 5.2 — kontekst 1 mln, 1,40 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych, w pełni obsługiwany.

• Kimi K3 — kontekst 1 048 576 tokenów, $3.00/$15.00, a model, który według własnej tabeli Reflection plasuje się wyżej w Terminal Bench.

• Qwen 3.8-Max — kontekst 1 mln, $2.00/$6.00, a Beam z klasy 2T-plus twierdzi, że ma nad nim większą przewagę wydajności.

Beam przekonuje, że w zaawansowanym rozumowaniu zbliża się do GLM 5.2 za ułamek kosztu obliczeń inferencyjnych. Jeśli to się potwierdzi w niezależnym środowisku testowym, jest warte realnych pieniędzy przy dużym wolumenie żądań. Wskaźnik rozwlekłości wynoszący 79 mln tokenów to pierwszy dowód, że może się to potwierdzić. Brakująca cena jest powodem, dla którego nie można jeszcze dokończyć rachunku.

To także sytuacja, w której routing usuwa większość ryzyka pomyłki. W momencie pisania tego tekstu Beam nie znajduje się w naszym katalogu, więc nie możemy Ci go udostępnić — ale każdy z powyższych modeli jest dostępny za jednym kluczem zgodnym z OpenAI, z ceną katalogową dostawcy przekazywaną dalej i bez marży, więc obniżka ceny u dostawcy trafia na Twój rachunek tego samego dnia, a nie dopiero przy kolejnej umowie. Praktycznym posunięciem jest utrzymanie ścieżki produkcyjnej na modelu z opublikowanym cennikiem i umieszczenie publicznej bety Beam za regułą routingu, tak aby nieprzetestowane API własne dostawcy nigdy nie stało się pojedynczym punktem awarii. Automatyczne przełączanie awaryjne robi resztę: jeśli beta ograniczy Ci liczbę żądań kodem 429 o 02:00, żądanie trafi gdzieś, gdzie to się nie zdarzy.

Kto powinien się ruszyć i na podstawie jakich dowodów

Jeśli twoim warunkiem są otwarte wagi i permisywna licencja, w tym tygodniu odpowiedź zmieniła się z „wkrótce” na „tak”. Apache 2.0, trzy precyzje, build o rozmiarze 273 GiB, który mieści się na jednym węźle B300 z czterema GPU, wsparcie dla vLLM i SGLang od pierwszego dnia, weryfikator do sprawdzenia własnego wdrożenia i brak ograniczeń dotyczących dostrajania lub destylacji. Dla każdego, dla kogo przeszkodą było „wagi nie są wydane”, ta przeszkoda zniknęła, a hostowanie u siebie całkowicie usuwa kwestię ceny API.

Jeśli Twoim ograniczeniem jest produkcyjna zależność od hostowanego punktu końcowego, zachowaj większą ostrożność. API jest prawdziwe i udokumentowane, ale zostało uruchomione w tym tygodniu, egzekwuje limity obejmujące całą organizację, których drugi klucz nie podniesie, domyślnie rozumuje z maksymalnym wysiłkiem, a jego cena nie została opublikowana. Uruchom zestaw testów zgodności od weryfikatora wobec niego, zanim zaufasz mu w czymkolwiek, co ma termin.

Jeśli twoim kryterium są możliwości na froncie, nic w tym tygodniu nie zmienia twojej odpowiedzi. 30 punktów w Intelligence Index, tabela dostawcy, która ustępuje Kimi K3 w Terminal Bench i GLM 5.2 w AIME, oraz brak niezależnego odtworzenia głównych liczb składają się na model, który warto wypróbować, a nie model, na który warto stawiać.

Jedna rzecz, na którą warto teraz uważać, to cena. Reflection dostarczył trudniejszą połowę premiery — wagi, stosy serwujące, dokumentację i publiczny endpoint — a pozostawił niepublikowaną łatwiejszą połowę, czyli cennik. Gdy ta liczba się pojawi, twierdzenie o 3–4× wydajności stanie się arkuszem kalkulacyjnym zamiast sloganu, a porównanie z GLM 5.2 lub Kimi K3 stanie się decyzją, a nie sporem o metodologię.

Taki wynik jest również przypomnieniem, że błędy modeli są już udokumentowane: incydenty AI i awarie agentów dotyczące modeli z tej klasy są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporu.