Beam 1.0 vs Ember-1: Duas maneiras de reduzir a conta de raciocínio, e apenas uma tem pesos

Beam 1.0 e Ember-1 estão perseguindo o mesmo item de linha a partir de direções opostas, e é isso que torna a comparação válida. Ember-1 é o derivado Kimi K3 da Fireworks Research, publicado em 23 de setembro de 2026 como uma prévia de pesquisa, que ataca o custo de raciocínio ao retreinar um modelo de fronteira existente para pensar de forma mais concisa — o destaque do fornecedor é cerca de 40% menos tokens com qualidade comparável. Beam 1.0 é a arquitetura própria da Reflection, lançada com pesos Apache 2.0 em 16 de outubro de 2026, que ataca o mesmo custo ao despertar apenas 23,4 bilhões de 501,3 bilhões de parâmetros por token e alegando qualidade comparável com cerca de três vezes menos tokens de raciocínio em tempo de inferência. Uma equipe mudou os hábitos de um modelo; a outra construiu um modelo cujos hábitos são mais baratos. A situação das fontes difere de forma igualmente acentuada: os pesos da Reflection existem e podem ser baixados hoje, e a Fireworks Research não publicou nem os pesos nem um preço.

Ambas as alegações são relatos de fornecedores e não foram reproduzidas, e ambas são medidas em relação a modelos com tabelas de preços publicadas — que é a única razão pela qual a aritmética é verificável.

Dois mecanismos, e por que eles não são intercambiáveis

A Fireworks Research realizou mais de cinquenta experimentos de treinamento e mais de duzentas avaliações para remover raciocínio que não altera a resposta, e afirma que o comprimento do raciocínio caiu entre 35% e 50% em sete benchmarks e dois conjuntos de tráfego de produção de clientes. Em uma execução do Terminal Bench 2.1 com 89 tarefas, ela relata 82,0% contra 80,9% do K3 Max, com 51,9% menos tokens e US$ 23,10 menos por tarefa; no τ-2 Bench Airline, a economia cai para 5,9%. O "cerca de 40%" é uma média de uma variação que vai de aproximadamente 6% a aproximadamente 52%, o que importa enormemente se sua carga de trabalho se parecer com a parte inferior dessa faixa.

A abordagem da Reflection é estrutural, e não comportamental. A economia do Beam 1.0 vem da taxa de ativação — 4,7 por cento do modelo está desperto em qualquer token, de modo que a computação por token é menor por construção — além de uma afirmação sobre verbosidade. O suporte mais forte para a parte relativa à verbosidade é independente: a Artificial Analysis mediu o Beam em 79M tokens de saída no seu Intelligence Index, contra uma mediana de 130M, ficando em décimo entre quarenta e seis. Isso é um terceiro contando tokens e considerando o Beam mais econômico que a maior parte do setor, o que não é uma afirmação de throughput por GPU, mas é uma afirmação real.

Resumindo: se o Ember-1 funcionar como anunciado, qualquer implantação dele fica mais barata. Se o Beam 1.0 funcionar como anunciado, qualquer implantação dele fica mais barata. Nenhuma das afirmações diz o que acontece quando você troca um pelo outro, porque os dois modelos não têm o mesmo tamanho, não foram treinados da mesma forma e não produzem os mesmos tokens.

A comparação dimensão por dimensão

• Parâmetros — Beam 1.0: 501,3B no total, 23,4B ativos por token, uma taxa de ativação de 4,7%; 52 camadas, 3 densas e 49 MoE, 256 especialistas. Ember-1: derivado do Kimi K3, e a Fireworks Research não publicou uma contagem de parâmetros para seu derivado.

• Licença — Beam 1.0: Apache 2.0, com o ficheiro de licença no repositório e sem restrições à destilação, ao ajuste fino, à quantização ou à fusão. Ember-1: nenhum peso publicado; é uma pré-visualização de investigação disponibilizada como serviço.

• Acesso — Beam 1.0: três precisões no Hugging Face, além de uma API própria compatível com OpenAI em api.reflection.ai, ID do modelo Beam-1.0-501B-A23B. Ember-1: a plataforma serverless do próprio fornecedor, com uma janela de acesso de duas semanas cuja permanência o laboratório atrela à demanda.

• Preço — Beam 1.0: não publicado em lugar nenhum; a documentação traz uma página detalhada de limites de taxa e nenhuma tabela de tarifas. Ember-1: também não publicado; as colunas em dólares na sua tabela de benchmark são calculadas a partir das tarifas públicas do Kimi K3 aplicadas às contagens de tokens, e não de uma tarifa do Ember-1.

• Contexto — Beam 1.0: janela de 1M tokens no cartão do modelo, 131.072 tokens de saída máxima na API. Ember-1: não publicado para a prévia; seu modelo base comporta 1.048.576 tokens.

• Controle de raciocínio — Beam 1.0: cinco níveis de esforço, raciocínio obrigatório, max como padrão. Ember-1: herda o dial de esforço do K3, e a premissa do lançamento é que o dial é grosseiro demais e o retreinamento é o instrumento mais refinado.

• Avaliação independente — Beam 1.0: Índice de Inteligência da Artificial Analysis 30, posição 19 de 120 na v4.3.2, sem preço nem velocidade registrados. Ember-1: nenhuma publicada; nenhum terceiro o executou.

• Requisito mínimo para auto-hospedagem — Beam 1.0: quatro GPUs N​VIDIA B300 SXM em NVLink para a configuração NVFP4 de 273 GiB, oito H200s para FP8 e oito B200s ou B300s para a configuração BF16 de 933,81 GiB. Ember-1: sem pesos, então não há mínimo a citar.

O que um operador pode realmente fazer esta semana

É aqui que os dois divergem, e não é por pouco. A lacuna do Beam 1.0 é um preço. A lacuna do Ember-1 é o próprio artefato.

Com o Beam, você pode baixar 273 GiB, executar a receita do SGLang em uma imagem fixada e contar com o beam-verifier CLI para avaliar sua implantação em relação às pontuações de referência do Reflection nos principais benchmarks. Não é possível precificá-lo por token, porque ninguém publicou uma tarifa, mas você pode calcular um número de capital e um número de watts e compará-los com o que você está pagando agora. Essa é uma posição incomum: um fornecedor que lançou o harness de verificação antes da tabela de preços.

Com o Ember-1, você pode enviar tráfego para um endpoint de pré-visualização que a Fireworks Research disse que pode não existir no próximo mês, e pode ler uma planilha de benchmark cujas colunas de custo são a tabela de preços de outra pessoa. A economia que ela descreve é real se se mantiver, mas o que gera a economia não é algo que você consiga segurar.

Ambos os modelos são medidos em relação ao Kimi K3, e o K3 é o único dos três cuja economia pode ser conhecida. Ele consta em nosso catálogo a US$ 3,00 por milhão de tokens de entrada, US$ 0,30 por milhão de entrada em cache e US$ 15,00 por milhão de saída, com uma janela de contexto de 1.048.576 tokens. Essa é a mesma tabela de preços que a comparação do Fireworks Research utiliza, então as porcentagens de redução de tokens na tabela do Ember-1 se traduzem em dólares que você pode verificar, em vez de dólares que você precisa aceitar pela fé.

O que sugere a sequenciação prática. Orçamente a carga de trabalho na rota do K3 hoje, trate as percentagens do Ember-1 como o limite superior daquilo que uma mudança poderá render, e aguarde uma tarifa publicada do Ember-1 antes de modelar a poupança como dinheiro. Se a aritmética for suficientemente interessante para agir, a proteção é colocar a pré-visualização atrás do mesmo endpoint que a produção — O OrcaRouter usa uma única chave compatível com a OpenAI em mais de 200 modelos, repassa o preço de tabela do fornecedor sem nada acrescentar e faz failover automaticamente, pelo que uma pré-visualização que desaparece é uma alteração de encaminhamento e não uma migração. Nada numa janela de duas semanas exige isso. Nada nela argumenta contra isso também.

A questão que decide isso

Se a sua restrição é que o modelo tem que ser seu — que você precisa possuir o artefato, quantizá-lo, mesclá-lo ou executá-lo dentro de um perímetro —, então o Beam 1.0 é o único desses dois que é sequer um candidato, e a falta de preço é um inconveniente, e não um bloqueador. Quatro GPUs e um checkpoint baixado é um plano.

Se a sua restrição é que você executa o Kimi K3 em um loop de agente longo e a conta é dominada por tokens de raciocínio que você não consegue ver, ambos são interessantes e ainda não dá para responder sobre nenhum dos dois. A vantagem de eficiência do Beam é estrutural e se aplicaria a qualquer carga de trabalho; a do Ember-1 é comportamental e, segundo os próprios números, aplica-se de forma desigual — metade dos tokens no Terminal Bench, um vigésimo em uma tarefa com formato de benchmark de companhia aérea. Rode os dois em modo sombra contra o seu próprio tráfego antes que qualquer um deles se torne uma linha no orçamento. As tabelas de benchmark, não importa para onde apontem, foram construídas pelas partes que vendem os modelos.

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.