Beam 1.0 vs Clef Flash: Um Escreve Código, o Outro Não Consegue Escrever uma Frase

Coloque Beam 1.0 e Clef Flash lado a lado e a comparação parece absurda até você perceber do que ela realmente trata. O Beam 1.0 é o modelo de mistura de especialistas de 501,3 bilhões de parâmetros da Reflection, lançado com pesos Apache 2.0 em 16 de outubro de 2026 e criado para programação, raciocínio e trabalho agêntico de longo horizonte; ele lê texto e escreve texto. O Clef Flash da Cloudflare é um modelo de 9 bilhões de parâmetros que não tem nenhum caminho de saída de texto — não um caminho degradado, nenhum. Ele recebe um estado mais um esquema de perguntas tipadas e retorna uma probabilidade para cada resposta permitida. Qualquer página que compare esses dois entre si com base em pontuações de benchmark entendeu mal ambos. A pergunta útil é qual posição em um pipeline cada um ocupa, porque, em um sistema bem construído, eles não são rivais; são etapas adjacentes.

Vale a pena entender essa adjacência com precisão, porque ela explica uma classe de falha de produção que nenhum benchmark de modelo único revela: o parser que você acoplou a um modelo de chat porque era a única coisa que você tinha, e a quinquagésima primeira resposta de cem que não se encaixava no seu esquema.

O que cada modelo realmente retorna

Comece pela forma do resultado, porque todo o resto decorre dela.

• Beam 1.0 — texto livre, com raciocínio obrigatório. Os níveis de esforço suportados são low, medium, high, xhigh e max, e max é o padrão, então a configuração pronta para uso pensa por mais tempo. Raciocínio, chamada de ferramentas e saídas estruturadas são todos suportados, e saídas estruturadas mais um esquema JSON é o mais próximo que o Beam chega de um retorno restrito.

• Clef Flash — uma distribuição sobre um conjunto de respostas declarado. A documentação da Cloudflare descreve uma passagem direta que pontua cada opção permitida; não há etapa de geração e, portanto, não há etapa de parsing. O próprio fornecedor o enquadra como um modelo de decisão, e o segundo produto do lançamento era uma plataforma de ajuste fino com aprendizado por reforço para construir mais deles.

A diferença prática está no que acontece quando a entrada está fora do escopo. Um modelo de texto questionado sobre algo fora de sua competência produzirá prosa confiante, e seu sistema precisa perceber isso. O Clef Flash produzirá probabilidades que somam 1 entre as opções fornecidas, o que significa que uma entrada fora do escopo aparece como uma distribuição uniforme em vez de uma frase plausível — desde que você tenha criado um limite para isso, o que o fornecedor não oferece. A própria tabela publicada pela Cloudflare mostra esse caso como a célula mais fraca do modelo.

As avaliações não se sobrepõem, e essa é a conclusão

As pontuações do Clef Flash vêm do Jev Decision Index e de um conjunto de suítes específicas de decisão, todas executadas pela Cloudflare, e várias são executadas em comparação com o próprio benchmark de um rival — o Jev é publicado pela TypeSafe, a fornecedora do modelo em relação ao qual o Clef Flash é avaliado. Nessas suítes, os números são fortes: BFCL case-exact 98,8, API-Bank 93,1, uma simulação de eletrodomésticos em 97,7, ContractNLI macro-F1 84,3, RouterBench 79,9. O Clef Flash supera por pouco o Clef 27B, que é maior, no BFCL, no API-Bank e na suíte de eletrodomésticos, esta última por catorze pontos. Nada disso foi reproduzido de forma independente.

O regime de avaliação do Beam é de natureza diferente. O model card do Reflection relata benchmarks agênticos e de engenharia de software — SWEBench Verified 81,6, Terminal Bench v2.1 80,1, DeepSWE v1.1 43,3, GPQA Diamond 90,6 no checkpoint BF16 — todos informados pelo fornecedor. O único número externo é o da Artificial Analysis, que lista o Beam 1.0 com um Intelligence Index de 30, décimo nono de 120 modelos na versão v4.3.2 do índice, e não registra preço nem velocidade porque ainda vê "Nenhuma API disponível publicamente" para o modelo. Não há nada na coluna do Clef Flash que corresponda a um Intelligence Index, e nada na coluna do Beam que corresponda a uma pontuação de roteador exata por caso. Não estão no mesmo eixo.

O que você pode comparar é a estrutura de custos, e aqui as duas estão em extremos opostos. A Cloudflare hospeda o Clef Flash no Workers AI a US$ 0,038 por milhão de tokens de entrada, com tokens de saída cobrados a zero, porque não há nenhum — cerca de um sexto dos US$ 0,24 que a mesma tabela de preços cobra pelo Clef 27B maior, e pouco abaixo dos US$ 0,042 que cobramos por um modelo de decisão que responde ao mesmo formato de solicitação. O Beam 1.0 não tem nenhum preço publicado por milhão de tokens — a documentação da Reflection traz uma página completa de limites de taxa e nenhuma tabela de preços. A auto-hospedagem é o único caminho com preço, e começa com quatro GPUs NVIDIA B300.

Onde cada um se encaixa em um sistema real

A resposta honesta é que o Clef Flash substitui uma etapa que você provavelmente está fazendo mal, e o Beam 1.0 substitui uma etapa que você provavelmente está fazendo de forma cara.

O alvo do Clef Flash é classificação, roteamento, gating e triagem dentro de um loop de agente — em qualquer contexto em que a saída correta seja um de um conjunto conhecido de rótulos e o custo de uma resposta malformada seja uma exceção downstream. Seu perfil de latência publicado, aproximadamente 38,8 ms de mediana e 122,4 ms no p95, é a parte que importa aí, porque é medido em um regime em que o tempo até o primeiro token de um modelo de texto não é.

O alvo do Beam 1.0 é o próprio trabalho: resolver issues do GitHub, operar em uma CLI, executar fluxos de trabalho de ferramentas com várias etapas. O argumento que a Reflection apresenta é a eficiência de tokens, e não a capacidade máxima — o model card afirma qualidade de solução comparável à dos principais modelos abertos com cerca de três vezes menos tokens de raciocínio em tempo de inferência, e o apoio mais forte para isso é a Artificial Analysis registrar 79M de tokens de saída para o Beam no Intelligence Index, contra uma mediana de 130M, décimo entre quarenta e seis nessa medida. Em uma longa execução de agente, em que cada turno reproduz a conversa anterior, esse é o item que se acumula.

Nenhum dos dois está no nosso catálogo, e não vamos insinuar o contrário. O Clef Flash roda nas próprias GPUs de borda da Cloudflare e os pesos Apache-2.0 são seus para auto-hospedar; os pesos do Beam 1.0 estão no Hugging Face sob Apache 2.0, com uma API própria que não tem preço publicado.

A razão para manter ambos acessíveis

Um pipeline que usa um modelo de decisão na entrada e um modelo de raciocínio por trás dele é uma arquitetura estritamente melhor do que um que usa um único modelo de chat para ambos, e o custo de construí-lo assim é o custo operacional de uma segunda dependência — um segundo contrato, um segundo conjunto de chaves, um segundo modo de falha. É essa a parte que um roteador remove, e não a parte do modelo.

Se as etapas de gate no seu sistema forem as que o Clef Flash descreve, o equivalente já roteado mais próximo é o Jev 1.13 da TypeSafe — o modelo que a Cloudflare escolheu como contraparte de benchmark, compatível via API com o formato de requisição do Clef Flash, e no nosso catálogo a US$ 0,042 por milhão de tokens de entrada, com saída cobrada a zero e um contexto de 65.536 tokens.

Para a etapa de raciocínio por trás do gate, nosso catálogo traz os modelos em relação aos quais o Beam é dimensionado: GLM-5.2 a US$ 1,40 e US$ 4,40 por milhão de tokens, com uma janela de 1.000.000 de tokens, Kimi K3 a US$ 3,00 e US$ 15,00 com 1.048.576, e Qwen3.8-Max a US$ 2,00 e US$ 6,00. Uma única chave compatível com OpenAI cobre todos eles, o preço de tabela do provedor é repassado sem nenhum acréscimo, e o failover automático significa que a etapa do gate não fica fora do ar porque um provedor teve um minuto ruim.

Você também pode manter os dois estágios em modelos diferentes sem se comprometer com nenhum dos dois: uma regra de roteamento que envia o tráfego de classificação de schema para o endpoint de decisão e o trabalho de texto livre para um modelo de raciocínio é o caso comum da DSL de roteamento, e isso significa que a precisão do estágio de decisão e o custo do estágio de raciocínio podem ser ajustados de forma independente, em vez de trocar um pelo outro dentro da contagem de parâmetros de um único modelo.

Qual deles você está realmente comprando

Se você chegou aqui porque seu agente ocasionalmente emite um blob JSON que seu parser rejeita, você não quer um modelo de 501 bilhões de parâmetros. Você quer o modelo de decisão, e a pergunta a fazer é se seu conjunto de respostas é genuinamente enumerável e qual é a sua política de abstenção — porque o Clef Flash fornece probabilidades, não uma recusa.

Se você chegou aqui porque a fatura do seu agente de programação é dominada por tokens de raciocínio que você não consegue ver, você não quer um classificador de 9 bilhões de parâmetros. Você quer o Beam 1.0, ou um dos modelos com os quais ele é comparado, e a pergunta a fazer é se você consegue hospedá-lo ou se está esperando por uma tabela de preços que ainda não foi publicada.

O que uma comparação direta acerta é que ambos são apostas na mesma tese a partir de extremos opostos: a de que a parte cara de um agente não é a resposta, mas sim tudo ao seu redor. A resposta da Cloudflare é remover a geração das etapas que nunca precisaram dela. A resposta da Reflection é tornar a geração mais barata por token de pensamento. Implantados juntos, custam menos do que qualquer um deles implantado sozinho, o que é um resultado melhor do que a tabela de benchmarks de qualquer um dos fornecedores lhe dirá.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.